带钢作为现代工业和建筑行业中不可或缺的材料之一,钢厂在带钢生产过程中,为了方便带钢后续的运输需要将带钢卷制成卷。带钢卷由一条条带钢头尾焊接轧制而成,在卷制的过程中需要经过多次换向锟进行换向。而在换向过程中,若钢带焊接质量不合格将会导致焊缝处断裂,影响带钢质量。为了保证带钢的合格率,需要对带钢焊缝进行质量检测。对于带钢焊缝质量检测,本文在机器视觉的基础上实现了带钢焊缝检测系统并完成了总体方案设计,实现了焊缝样片的裁剪以及焊缝的质量检测。在带钢焊缝样片的裁剪中,利用工业相机对带钢焊缝位置的图像信息进行采集,通过图像滤波对其进行预处理,剔除干扰因素,提升图像质量。运用凹凸线段幅值法获取焊缝边缘从而实现焊缝定位。为解决部分焊缝边缘点定位不准确的问题,使用位置最大分布频率滤波算法以抑制修正误标记点。通过对相机采集到的图像运用定位算法确定带钢的焊缝位置,用于完成后续的焊缝样片裁剪任务。在带钢焊缝的质量检测中,分析了几种常见的图像分割算法,完成对焊缝区域与非焊缝区域分割,减少非焊缝特征对后续算法影响,在分割完成的焊缝区域上结合曲率分析、断点重构进一步分割出焊缝缺陷区域。对分割后的焊缝图像提取纹理特征以及形状特征用于构成焊缝特征向量。利用支持向量机算法以焊缝特征向量为输入进行分类识别,但是由于人工提取特征的局限性,采用支持向量机在部分类别的识别率不高。为此采用卷积神经网络自动提取特征,并以VGG16卷积神经网络为基础通过引入添加注意力机制,更换卷积方式以及激活函数等方式,提高模型的学习能力。最后在带钢焊缝检测系统上完成不同模型比对实验,改进后的VGG16模型最终在测试集的识别率达98.1%,达成带钢焊缝检测系统的目标。