随着我国工业的快速发展,带钢产品在生产建设中的需求量越来越大,对带钢产品的质量要求也越来越高。因此如何对带钢产品的质量进行快速准确的检测也就成了钢铁行业中需要迫切解决的问题。在带钢的生产中,带钢表面的缺陷对带钢产品的质量有很大的影响。为了能对带钢表面的缺陷进行快速准确的检测,设计一套智能化的带钢表面缺陷检测装置有重要的意义。现有的带钢表面缺陷检测技术中,基于嵌入式机器视觉的带钢表面缺陷检测技术具有非接触、智能化和易于移植等优点,是无损检测技术的发展趋势。本文研究了基于DSP机器视觉的带钢表面缺陷检测系统的核心处理算法并设计了相应的带钢表面缺陷检测装置来对算法进行验证。主要研究内容包括：对带钢表面缺陷检测算法的研究,带钢图像的去噪部分,选用了多种图像去噪方法进行实验效果对比,实验说明中值滤波可以很好地满足带钢图像的去噪要求；带钢的图像分割部分,试用了多种图像分割算法对带钢图像进行缺陷分割,实验表明,采用迭代阈值法进行带钢图像的缺陷分割可以在较快的速度下取得较好的分割效果；对于缺陷区域定位,将边界跟踪算法、像素标记算法和改进型像素标记算法进行了实验效果比较,实验表明像素标记算法更加能满足实时性要求；对于带钢缺陷的分类问题,设计了一种基于BP算法的神经网络分类器,识别率较高。并为带钢表面缺陷检测算法设计了相应的基于DSP的带钢表面缺陷检测装置,在DSP中编写程序代码进行相应算法的验证,实际运行表明该算法应用在基于DSP的带钢表面缺陷检测装置中能够快速有效地完成带钢表面缺陷检测的任务。