钢铁冶金工业作为我国国民经济的支柱型产业，在近年来得到了迅猛的发展，钢板作为钢铁行业主要的产品之一，已成为汽车、船舶以及航空航天等行业的重要原材料，其质量好坏直接关系到后续产品的质量与性能，因此带钢表面质量的检测具有重大意义。本文应用机器视觉检测系统对带钢表面缺陷进行检测和分类，对图像处理的各个关键环节逐个分析，并根据实验数据得到分析效果较好的流程算法。本文研究内容与成果主要有以下几个方面：1.本文运用了专用的带钢表面检测系统，该系统主要由小型带钢传输装置和机器视觉检测系统所构成。2.根据缺陷图像噪声的特点，运用传统去噪方法和小波阈值、小波包算法对图像进行降噪处理，实验结果表明，小波包算法可以在去除噪声的同时较好的保留图像细节信息。3.针对带钢表面缺陷种类繁多、边缘复杂、目标较小等特点，运用模角分离小波对图像进行边缘检测。该方法用尺度独立的算法区分了阶梯型边界和屋脊型边界，有效排除了噪声引起的边缘的干扰，检测到的边缘轮廓较相对连续、清晰。4.提取缺陷区域的几何、灰度、纹理等特征值后，利用反馈型Elman神经网络建立网络缺陷分类器，通过分类器识别的正确率证明了Elman神经网络的有效性。