带钢的表面缺陷是影响带钢质量的重要因素,对带钢进行表面缺陷检测对于提高带钢的质量具有非常重要的作用。带钢表面缺陷检测系统是基于机器视觉和图像处理,利用带钢表面的图像信息来进行带钢质量检测。本文重点研究了在带钢表面缺陷检测系统中,基于BP神经网络改进算法的缺陷识别算法。其主要工作包括以下几个方面:1.研究对分割出来的缺陷图像进行预处理,提取缺陷的相关特征量并进行特征选择,剔除对类别可分离性无贡献或贡献不大的特征量。实验证明这些提取选择的特征量对缺陷的分类非常有效。2.研究和开发了系统的缺陷分类方法,用BP神经网络构建了系统的分类器。着重研究了根据输入和输出量合理选择网络结构,训练权值的更新算法,目标向量的合理构造,带惩罚项的BP网络,改善了网络的收敛性。并研究了初始权值对网络收敛的影响,合理的初始权值可以避免网络训练时陷入局部最优。3.针对本系统的实际情况,研究样本库的合理分类和管理,通过将某一大类分成合理的小类,会提高整体的识别率。在试验中发现,输出单元对应的缺陷类别的不同顺序,系统的整体识别率的变化不大。但是对于每个缺陷类别的识别率却有较大的影响。并提出了相应的解决方法。通过实验证明本文的缺陷分类方法可以有效地识别本文所研究的冷轧带钢表面缺陷类型,识别率达到90%以上。