连铸钢板坯的内部特性,对钢铁最终产品的质量起着至关重要的作用。生产过程中及时发现铸坯内部质量的信息,对连铸钢坯的生产过程至关重要。为从根本上提高冷蚀检验评级分析的精度和效能,充分发挥其指导生产以及提高产品质量的作用,本文提出了基于支持向量机对冷酸蚀图像进行识别的方法。本课题旨在实时监控铸坯内部质量,以此为基础,优化三炼钢连铸板坯工艺流程,有效减少铸坯内部缺陷的发生,从而实现连铸工段的挖潜增效,进而提高下游产品的质量。冷酸蚀图像自动识别评级系统,可实现连铸钢坯质量判别的标准化作业,显著提高劳动生产效率。　　随着计算机技术、数字图像处理技术的迅速发展,利用非接触式的图像处理技术识别连铸钢板坯的冷酸蚀图像,为进一步提高铸坯质量,提高连铸钢板的生产质量和效率提供了可能性。基于图像处理的连铸钢板坯冷酸蚀图像识别,成为目前铸坯检测方法研究和识别系统开发的一个热点。本文通过三条技术主线,对自动识别系统的前期图像处理进行了深入的研究:一是对冷酸蚀图像进行光照补偿,对比了不同补偿方法的特点,选择直方图均衡化的方法对图像进行光照补偿,使处理后的图像对比度、图像边界的清晰度有了很大的提高,改善了图像质量。二是在图像分割部分,分析了几种不同的分割方法,根据冷酸蚀图像的特点,选择最大类间方差算法,对图像特征进行提取,收到了较好的试验结果。三是对分割后的图像进行去噪处理,去除图像中影响识别效果的噪点。经过对不同聚类算法的分析,选择K均值聚类算法进行点聚类,进一步去噪分离出图像的特征点。文中仔细分析了,以支持向量机作为图像分类工具的特点,及选择特征向量和构造训练样本应注意的问题,并训练样本集对中心偏析进行了分类。　　经过在实验室中进行的大量检验,结果表明本文提出的方法能够有效识别常见的连铸钢板坯冷酸蚀图片。基于SVM的冷酸蚀图像识别是一个很有意义的研究课题,需要通过实践不断发现问题、分析问题、解决问题,使图像识别分类系统能更加有效地用于连铸钢板坯的生产,提高连铸钢板坯的生产质量和效率。