带钢是钢铁工业的主要产品之一,它是汽车、家电、造船、航空航天等行业的重要原材料,其表面质量直接影响最终产品的质量和性能。如何在生产过程中在线检测带钢的表面缺陷,获取缺陷的信息,从而控制和提高带钢产品的表面质量一直是钢铁企业非常关注的内容。钢板的表面缺陷是限制其质量提高的重要因素。对钢板进行实时的监控,是提高钢板质量的重要手段。生产线上产生的大量缺陷图像以及信息数据,是进行表面缺陷分析、以及生产线故障分析等的重要数据。本文基于数字图像处理及模式识别进行带钢表面缺陷检测研究。以图像的灰度为理论基础提出了一种基于灰度投影检测带钢表面是否缺陷的方法,及标准图的自适应分割方法；分别对灰度图像向下和向左进行投影,并计算每一行以及每一列的灰度均值,根据标准图像的灰度均值的最大与最小差值应该差别不大的特点分别求行或者列的最大值与最小值的差,如果差值超过了一定的范围则认为图像是存在缺陷的,否则正常。大量实验证明这种检测方法能够很好的满足系统的检测要求。当检测到带钢表面缺陷时就要先对带钢图像进行缺陷区域图像分割,之后分析缺陷区域图像的灰度值特征,几何特征和纹理特征,最后运用人工神经网络的方法判断缺陷属于何种类型。