钢铁产业经历了多年的快速发展,钢坯生产技术同样取得了巨大的进步与提升。由于连铸坯在生产过程中受到连铸机拉速、保护渣性能、钢液成分、振动方法等因素的影响,导致钢坯表面质量仍受缺陷的影响,表面缺陷的存在对后续铸坯的加工处理及产品的质量造成巨大的影响。目前,许多国内外的钢铁企业仍然采用传统的人工检测方法。这种传统检测方法对人的要素较为敏感,在检测中已受到人为因素影响产生失误,进而降低铸坯水平,成品合格率降低,最终对产品质量造成影响。已有的基于图像钢铸坯质量检测方法主要利用智能算法进行识别判断,在识别过程中会受到算法复杂程度的限制,将会降低识别效率。因此,避免钢坯表面缺陷的产生,对提高生产的效率以及生成产品的质量是及其重要的。尤其对钢坯表面横裂纹进行实时检测预报也是目前各大钢铁企业面临解决的重要问题。通过分析连铸坯生产过程的工艺条件和周围环境的影响,将红外热像仪安置在结晶器的出口处,对铸坯表面热图像进行采集,通过对图像进行分析运算和分类处理达到预报检测的目的。首先,采集热图像利用灰度级的修正法修正热图像灰度值,降低灰度两端区域噪声影响,提高图像的对比度。其次采用均值滤波法对热图像进行平滑处理,降低了热图像受噪声的影响,保留特征图像裂纹缺陷的细节信息,达到增强低频分量并抑制高频分量的目的。采用几种边缘检测算子对图像角部裂纹进行边缘检测和图像分割,选用Gauss-Laplace检测算子对铸坯表面横裂纹图像识别检测。通过区域标记法计算出裂纹的长度、周长、面积等特征信息,最后根据已制定好的连铸生产工艺要求判断裂纹缺陷的生成情况。结果采用红外热像技术对钢坯表面质量检测的识别准确率效果明显,在钢坯表面质量实时检测系统中得到很好的应用。