基于改进型PCNN图像分割技术的金属表面检测

陈晗彬，刘祚时

（1.江西理工大学 电气工程与自动化学院，赣州 341000；2.江西理工大学 机电工程学院，赣州 341000）

0 引言

近些年来，金属板已经广泛应用于工业生产中，但在现代化工业生产过程中，仍然存在着因为技术工业水平的不足、工人操作机器的不正确等诸多不良因素所造成的金属表面面状出现缺陷,这些种类繁多的缺陷会对金属板的耐磨性、电磁特性和抗腐蚀性造成一定的影响，因此表面缺陷检测技术对于现代工业而言是一个必不可少的工序。为方便而传统的人工检测速度慢且具有主观性，因此未来的必然趋势会是基于机器视觉的检测技术代替人工检测[1]。

一般来说，金属表面缺陷可以分为：细裂纹、表面杂质、斑点、麻点、轧入氧化皮与划痕6种，针对这些缺陷，国内外的研究人员提出了林林总总的检测方法。Nirbhar等人[2]提出了利用全局自适应百分位数阈值对钢带表面缺陷进行检测。但是在对阈值的调整时将图像的局部特性忽视了，缺陷边缘因此未能很好的识别到，这将导致此方法的检测结果存在错误检测。刘玮等人[3]通过采集金属材料外表面的红外热辐射，经过专门的仪器分析此辐射量，从而检测出热量在金属内部的传递情况，并由此得到缺陷情况。Sun等人[4]采用基于奇异值分解的钢带表面缺陷检测，不通过图像分割而是通过投影图像的灰度矩阵中的元素所产生的大波峰来确定和定位缺陷。但是在对背景区域抑制的同时也降低了缺陷区域的强度，这也导致了检测出的缺陷区域会有所缩减。……