鋼板作為機械制造、汽車生產(chǎn)、航空航天、船塢制造等領(lǐng)域中不可或缺的原材料，其表面質(zhì)量的好壞直接影響著這些最終產(chǎn)品的性能與質(zhì)量。在實際的鋼板生產(chǎn)線上，由于加工工藝不完善、設(shè)備器件老化等諸多因素，常會導致鋼板表面出現(xiàn)各種缺陷，主要包括:輥印、粘結(jié)痕、壓痕、褶皺、結(jié)巴、氣泡、劃傷、氧化等。這些缺陷不僅對產(chǎn)品的外觀、耐磨性能以及抗腐性能等有較大影響，而且流入市場的缺陷鋼板也會給企業(yè)甚至國家?guī)砭薮蟮慕?jīng)濟損失。所以，對生產(chǎn)線上鋼板表面缺陷情況的檢測顯得尤為重要。

目前運用于鋼板表面缺陷圖像分割的較流行算法主要分為三大類：

1)基于閾值的分割，如基于圖像行列像素集合灰度信息的自適應閾值分割方法；

2)基于邊緣的分割，如基于Sobel算子的邊緣檢測算法獲取梯度圖像實現(xiàn)帶鋼缺陷識別；

3)基于區(qū)域的分割，如使用模糊聚類算法實現(xiàn)的帶鋼表面缺陷分割和基于徑向基核函數(shù)的改進支持向量機(SVM)模型的缺陷識別算法。

由于鋼板表面缺陷的種類多樣、灰度結(jié)構(gòu)復雜，僅使用基于單一類別的分割算法常常不足以滿足對多種缺陷種類的分割需求，所以近年來針對幾類分割算法相結(jié)合的研究更加普遍。針對現(xiàn)有鋼板表面缺陷圖像分割算法中存在的不足，提出基于3維空間特征的鋼板缺陷圖像分割算法，利用矩陣變換原理構(gòu)建鋼板缺陷圖像的3維灰度矩陣，通過改進克里金插值算法求得該3維矩陣的等值線；然后構(gòu)建等值線的拓撲關(guān)系樹，在自定義的搜索策略下尋找缺陷區(qū)域的最佳等值線；從而實現(xiàn)對鋼板表面缺陷的定位與分割。

算法總體流程

基于3維灰度矩陣的鋼板缺陷算法主要是針對灰度等值線的分布規(guī)律而設(shè)計，通過確定等值線之間的包含關(guān)系，判斷局部凹陷和局部凸起的等值線位置，從而定位待分割目標區(qū)域，達到提取目標的效果，算法總體流程下圖所示。

基于3維灰度矩陣的圖像分割算法

由于在灰度不均的情況下，平面空間內(nèi)對鋼板表面缺陷圖像的分割算法存在不足，提出了在更高維度空間內(nèi)分析圖像灰度特征的基于3維灰度矩陣的圖像分割算法。

首先獲取待分割圖像的灰度圖像，構(gòu)建3維灰度矩陣；

然后根據(jù)改進克里金插值算法繪制3維灰度矩陣對應等值線圖；建立等值線拓撲關(guān)系樹，確定等值線間關(guān)系，便于尋找目標輪廓；

最后在遍歷規(guī)則下搜索拓撲關(guān)系樹，找到局部凹凸位置，從而確定分割目標輪廓。

（1）構(gòu)建三位灰度矩陣

以氧化鋼板圖像為例，下圖給出了正常鋼板和氧化鋼板的灰度圖像以及對應的3維灰度矩陣圖。

（2）繪制3維灰度矩陣對應等值線

鋼板表面缺陷與其3維灰度矩陣中局部凹凸區(qū)域相對應，對局部凹凸區(qū)域的確定類似于地圖學中對山峰和山谷的確定，所以將3維灰度矩陣類比于具有山峰山谷的地形，采用克里金插值法繪制3維灰度矩陣的等值線，通過等值線的走勢表示3維矩陣中的局部凹凸區(qū)域。

（3）建立等值線拓撲關(guān)系樹

獲得了3維灰度矩陣的等值線圖之后，為便于尋找在3維灰度矩陣中的局部凹凸區(qū)域，構(gòu)建等值線拓撲關(guān)系樹，明確各個等值線之間的包含關(guān)系。下圖為氧化鋼板灰度等值線。從圖中可以看出在忽略局部異常區(qū)域的前提下，水平方向上圖像的灰度等值線大致呈線性分布，而等值線圖中的局部異常區(qū)域正好對應于原始圖像中的待分割目標區(qū)域。由此得出結(jié)論：針對灰度不均勻的鋼板表面缺陷圖像目標分割的問題，可以轉(zhuǎn)換為分析圖像灰度等值線分布規(guī)律的問題。

以此作為等值線間關(guān)系判別準則。同時對于灰度等值線來說，包含關(guān)系一般存在于不同數(shù)值的等值線間，而相同數(shù)值的等值線多為相鄰關(guān)系。根據(jù)等值線包含關(guān)系判定原理，確定等值線間相互關(guān)系，建立等值線拓撲關(guān)系樹，下圖給出氧化圖像等值線圖拓撲關(guān)系構(gòu)建示例。

（4）遍歷拓撲關(guān)系圖尋找目標輪廓

當?shù)戎稻€拓撲關(guān)系樹構(gòu)建完成，即可通過搜索關(guān)系樹的方式確定缺陷區(qū)域的輪廓，采用兩個策略相結(jié)合的方法尋找對應缺陷輪廓的等值線，分別是基于所有等值線單一方向走勢的全局搜索策略和基于拓撲樹深度遍歷的局部搜索策略。

結(jié)論

通過對比實驗驗證了該算法可以對灰度不均勻的常見鋼板缺陷圖像進行有效分割，分別從定性與定量的角度證明該算法可以快速、有效地提取鋼板圖像中的缺陷區(qū)域。

算法目前主要應用于靜態(tài)的鋼板缺陷識別，下一步考慮結(jié)合實時監(jiān)控和采集的動態(tài)鋼板缺陷進行識別；并收集更多種類的鋼板表面缺陷，擴大實驗數(shù)據(jù)集，嘗試與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合，實現(xiàn)對鋼板表面缺陷的自動分類。

責任編輯：lq