冷轧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。在制造过程中，由于连铸钢坯、轧制设备、加工工艺等多方面的原因，导致冷轧带钢表面出现边缘锯齿、焊缝、夹杂、抬头纹、氧化皮、结疤、辊印、刮伤、孔洞、针眼、鳞皮、表皮分层等不同类型的缺陷，这些缺陷不仅影响产品的外观，更严重的是降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能。欲提高冷轧带钢的表面质量，必须首先解决其表面缺陷的检测与分类问题，继而分析相应缺陷产生的原因，最终提出消除缺陷的解决方案。 单一的模式识别方法对于识别特定的对象时显示出较高的识别率，而在识别种类较多、特征数目较多的对象时露出本身的弱点，识别率大幅度下降。本文从图像分析、模式识别原理出发，提出使用基于加权特征的混合模式识别方法。 该方法充分地提取了反映典型表面缺陷本质特征的多种特征参数，并根据各特征可分离性的不同而设定其相应权值，结合了统计模式识别、句法模式识别和模糊模式识别方法各自的长处，使得识别方法在识别多对象、多特征缺陷时表现出优越的性能，其准确性、稳定性、可靠性与适应性方面都取得了很大的进展。 实验结果表明，单一地利用某一种模式识别方法取得的分类识别效果均不够理想，而采用基于加权特征的混合模式识别方法对文中四种典型缺陷进行分类识别，每种缺陷均取得了较好的识别效果。对焊缝和夹杂的正确识别率可达到100％，边缘锯齿的正确识别率为96.43％，抬头纹的正确识别率为94.83％，总体平均正确识别率为97.5％。 本文全部研究工作是基于自行开发的冷轧带钢典型表面缺陷混合模式识别软件完成的，该软件为进一步冷轧带钢表面质量在线监控系统的研究奠定了基础。