现代社会对钢铁有巨大的需求,尤其是对于正处于高速发展的中国,我们需要大量的钢铁来建设基础设施。钢板表面的缺陷会严重影响钢板的强度与性能。为提高钢板的质量、提高钢板的生产效率,搭建一个高效的缺陷检测系统是必不可少的。本文调研了钢板表面缺陷检测在国内外的发展历史,发现使用机器视觉的方法进行缺陷检测和分类是最优的解决方案。在此基础上,根据收集到的钢板表面缺陷图像,进行相关检测算法的研究。对缺陷的图像的处理算法包括:缺陷图像的筛选、缺陷图像的分割、缺陷图像的分类以及使用SSD（Single Shot Detection）进行缺陷检测。针对缺陷图像具有较多的高频信息,提出了基于图像梯度的缺陷筛选算法,该算法能够准确的对缺陷图像与正常图像进行区分。算法的执行速度快,对于实时检测系统具有重要意义。使用图像的局部熵进行缺陷图像的分割,并结合图像的直方图反向投影对算法进行改进,使算法能够对缺陷进行更准确的定位。针对局部直方图算法耗时的问题,使用逐行更新直方图的方式,将算法的时间复杂度由（9）~2)降到（9）)。将卷积神经网络应用到钢板缺陷图像的分类中,省去了复杂的特征提取过程,并且分类效果优于传统的分类算法。使用SSD算法进行钢板表面缺陷检测,针对实际生产中采集到的图像质量可能存在各方面问题,提出了七种数据增强方式,能够增加数据集的多样性,避免模型过拟合。