在工业化的连铸钢坯生产过程中,连铸坯的内部会不可避免的出现裂纹、偏析等缺陷,如果直接使用会降低产品的使用寿命,为了减少此类现象,需要对连铸坯质量进行有效的监控,目前钢厂针对连铸坯内部质量的评级与分类依然主要依靠人工经验,这种评级方式存在主观标准不一致、检测效率低等缺点,基于机器视觉开发连铸坯低倍缺陷检测系统对连铸产品缺陷检测具有重要意义。本文针对连铸坯低倍组织检测及典型缺陷,根据工艺要求设计连铸坯低倍组织缺陷检测的图像采集装置,搭建了基于机器视觉的硬件检测平台;对标准YB/T4002-2003《连铸方坯低倍组织缺陷评级图》进行缺陷分析,获取典型缺陷的特征,提出决策树模型方法,解决缺陷的自动分类问题,拟合公式指导缺陷的自动评级;采用Labview开发连铸坯低倍缺陷检测系统,完成连铸坯低倍组织的图像采集、缺陷检测、缺陷分级等工作。本研究首先利用机器视觉原理搭建了一个自动图像采集平台,实现系统对连铸坯的实时采集。其次对采集到的连铸坯低倍图片进行预处理,采用线检测法检测图像的边缘,获取ROI区域,实现对图像背景的降噪;采用二值化的方法对缺陷进行分割,并对提取的缺陷进行形态学处理,保证缺陷的完整性。再次选择缺陷细度、面积、重心坐标三个特征作为决策树的节点,采用信息熵增益最大法构建决策树模型,对连铸坯的缺陷进行分类;提取缺陷的面积比和长度比作为评级参数,缺陷的评级参数与缺陷级别进行线性拟合,拟合公式即可连续的完成各缺陷等级的判定,获取的缺陷等级可以精确至0.1,拟合分析得到各缺陷的相关性系数平均值为0.9737,能满足缺陷评级的精度要求。最后,利用Labview完成连铸坯低倍组织缺陷识别与判定系统软件开发,实现了缺陷检测所需的图像采集、图像读取、图像处理、图像识别与评级等功能。本文通过对冶金标准进行深入研究,为连铸坯缺陷评级制定标准,并设计缺陷检测系统,提高了连铸坯低倍缺陷检测的效率和准确度。