热镀锌板是以冷轧薄板为原料，在钢板表面包上镀锌层，达到增加耐腐蚀性，延长钢材使用寿命的目的。表面缺陷是影响镀锌带钢质量的一个重要因素，对镀锌板进行表面缺陷检测从而控制和提高镀锌带钢产品的表面质量一直是钢铁企业非常关注的内容。传统的人工检测不能得到令人满意的检测结果。因此，研究和开发镀锌带钢表面缺陷检测系统已经成为众多钢铁企业的共识。近年来，微电子、计算机技术、自动化技术和光电子技术的发展，人工智能、神经网络理论的深化及实用化，使镀锌带钢表面的检测向智能化、高精度、高可靠度、高速度的方向发展。　　 本文对镀锌带钢表面缺陷识别技术进行了深入研究，其主要研究内容包括以下几个方面：　　 1)根据镀锌带钢表面缺陷检测系统的技术要求，提出总体设计方案。　　 2)在对相关图像处理技术进行研究的基础上，设计图像滤波算法、图像分割算法。　　 3)对缺陷图像提取了形态特征、灰度特征、基于灰度共生矩阵的纹理特征、并对以上特征进行分析，选取对分类识别有效的特征量。　　 4)研究和开发了系统的缺陷分类方法，采用了传统的BP神经网络识别方法和基于支持向量机的分类识别方法，对缺陷进行分类识别。实验结果证明，基于支持向量机的分类识别算法能更有效的识别镀锌带钢表面缺陷类型。　　 本文深入研究了图像处理技术、神经网络技术、支持向量机技术以及模式识别理论在表面检测领域的应用，成功的实现了对镀锌带钢表面缺陷的自动检测和识别，能满足镀锌带钢生产线的表面缺陷检测要求，具有较高的推广应用价值。