冷轧薄板的质量控制在冷轧板生产中越来越受到重视。传统的接触式板形检测方法难以或无法满足快速准确的检测精度,而且造价高,备件昂贵,维护费用较大。针对接触式板形检测技术的缺点,国内外研究者提出了许多解决方案。而基于计算机视觉技术的非接触式板形检测技术成为发展方向和研究热点。依托“基于新计算智能理论的钢铁工业生产质量监控系统”项目(重庆市自然科学基金,项目编号:7369)及“冷轧板板形控制人工智能系统”项目(横向科技,合同号:GK050121),本论文利用普通光源和CCD传感器获取板形反光图像,使用图像分割和模式分类技术识别冷轧板轧制过程的板形缺陷。本论文主要内容如下:①第2章分析板形缺陷种类和特点,提出了研究对象的特征。②第3章提出了利用普通光源、基于计算机视觉技术的板形识别系统构成和模块设计方案。③第4章在板形识别系统方案基础之上,完成了图像采集系统、照明系统和图像数据处理系统的硬件设计,实现了整个板形识别系统的硬件安装和调试。④第5章在完成系统硬件基础之上,以Visual C++6.0为开发平台,完成了从图像采集、图像预处理、图像分割、识别分类,到结果显示等整个板形识别系统的软件代码编写。重点解决了板形图像分割和识别分类关键性问题,提出采用基于图像序列差分法分割板形图像边缘,突出板形缺陷的信息,利用最小误差阈值法提取差分后图像的特征信息。与基于神经网络法和基于形态学法作对比,验证了此算法简单有效。现场运行考核表明,系统板形识别的命中率在95.3%以上,验证了本系统不但具有较高的识别精度,而且满足了冷轧在线识别速度的要求。本文研究所取得的成果,在推动计算机视觉技术应用于非接触式工业检测中,具有较高的理论意义和使用价值。