316L不銹鋼電解拋光的MATLAB圖像定量分析

周趙琪，丁明玥，朱晴晴，何 康，汪 玉，王振衛

（上海應用技術大學 化學與環境工程學院，上海 201418）

316L 不銹鋼因其優異的耐腐蝕性能、抗粘污性能和高強度而被廣泛應用于各個領域［1-2］。其表面質量對產品的外觀、使用壽命和可靠性有重要影響，因此需要對316L 不銹鋼進行表面拋光處理。傳統的機械拋光可能會導致加工表面產生變形層和殘余應力，無損傷的電解拋光得到了廣泛的應用［3-7］。根據文獻報道，拋光時間、溫度和電流密度對316L 不銹鋼電解拋光效果有顯著影響［8-9］。在優化電解拋光工藝參數的過程中，研究人員通常使用探針式表面粗糙度測量儀來評估拋光效果。該方法可以有效評估拋光效果，然而在使用過程中也存在測量時間較長和材料表面被刮傷等缺陷［10］。

近年來，隨著計算機技術的快速發展，基于機器視覺的無損表面檢測方法日益受到廣大研究人員的關注［11-12］。Samta 等［10］利用1040 碳鋼和鋁合金5083兩種工件材料在不同工藝參數（切割工具、切削速度和切削深度）下的極化顯微鏡圖像，并結合ANN 神經網絡，成功開發了一個用于預測表面粗糙度的程序。Rifai 等人［13］利用CNN 神經網絡算法直接從機械加工的表面紋理數字圖像中評估表面粗糙度。雖然神經網絡功能強大，但它們內部運行過程難以被理解和解釋，被視為黑箱算法。而且神經網絡通常需要更大的算力和更長計算時間［14］。利用圖像特征提取的方法亦可對表面粗糙度進行準確評估，該方法的所需要的數據量小，而且模型具有可解釋性。Liu 等人［15］提出了基于圖像顏色分布統計矩陣作為特征變量的粗糙度評估模型。然而，在不銹鋼電解拋光領域采用機器視覺進行表面檢測的研究仍相對有限。盡管人眼可以直觀地評估電解拋光不銹鋼的拋光效果，但這種主觀評估缺乏科學性和客觀性。通常借助金相顯微鏡對材料的表面形貌進行觀察和分析來評估拋光效果，但這種觀察方法僅僅停留在視覺層面，沒有實現定量化的拋光效果分析。因此，迫切需要一種可以結合電解拋光和金相顯微鏡觀察的方法，能夠定量評估不銹鋼表面的拋光質量，以提高評估的客觀性和準確性。

MATLAB 是一款數值計算及圖形處理軟件，可以實現數值分析、優化、統計、信號處理、圖像處理等若干領域的計算和圖形顯示功能［16］。MATLAB 提供的GUI 平臺，可以設計人機交互的圖形用戶界面，將計算結果以圖形化的形式展示給用戶，具有功能強大、簡單易學等優點，在科學研究和教學中得到了廣泛的應用［17-18］。

本研究使用MATLAB 軟件對316L 不銹鋼的金相圖進行處理，通過選擇圖像中黑色像素占比和點蝕區域數量作為特征變量，來評估不銹鋼的拋光效果。在此基礎上，借助MATLAB GUI編程平臺開發了一個基于上述圖像定量分析過程的拋光效果評估程序。

1 材料與方法

1.1 實驗材料

選取太原鋼鐵集團有限公司生產的316L 不銹鋼長方形片為基材，其化學組成如下：Cr 19.34%、Ni 10.75%、Mo 1.73%、C 1.12%、Mn 0.73%、Si 0.50%、S 0.11%、P 0.09%、Fe余量。

1.2 實驗方法

1.2.1 316L不銹鋼電解拋光實驗

電解拋光實驗裝置如圖1所示。

圖1 不銹鋼電解拋光裝置圖Fig.1 Electrolytic polishing device of stainless steel

將前處理好的316L 不銹鋼方形片（10 mm×30 mm×1 mm）作為陽極，純銅片作為陰極，同時浸入電解拋光液中，選擇不同參數進行電解拋光。

對溫度、拋光時間和電流密度進行單因素優化實驗［9］，所選參數值如表1所示。

表1 電解拋光工藝參數的取值范圍Tab.1 Value range of electrolytic polishing process parameters

表 2 不同溫度分析結果Tab.2 Analyses results of different temperatures

1.2.2 不銹鋼表面拋光表征方法

利用金相顯微鏡觀察拋光后不銹鋼表面形貌。采用表面粗糙度儀測量不銹鋼的表面粗糙度（Ra）。同一樣品測試3 個點，每個點測3 次，同一個點3 次測量結果的平均值與每次測量結果誤差范圍在±10%內方為有效數據，最后取所測3點的平均值。

1.2.3 拋光圖像預處理

在MATLAB 中，采用圖像增強［19］對316L 不銹鋼電解拋光后的金相圖進行處理并分析。圖像處理通過getimage函數獲取axes1中的圖像，利用im2bw函數［20］先將圖像二值化，識別到金相圖黑色的點蝕以及劃痕較深的像素點，再利用imerode 將二值化圖像進行腐蝕處理，創建一個半徑為3 的圓形腐蝕結構元素，將二值化腐蝕后的圖像呈現在axes2 中。MATLAB GUI 實現圖像處理與分析的系統流程如圖2所示。

圖2 MATLAB GUI圖像處理與分析流程圖Fig.2 MATLAB GUI image processing and analysis flow chart

1.2.4 特征變量選取

黑色像素點的數量計算是通過size函數獲取圖像像素矩陣的行數M和列數N，并將兩個值相乘得到的像素總數。因此，對于一個大小為M×N的圖像，總的像素點數量為M×N個。在此系統中，通過getimage函數獲得axes2中的圖像，并對所有像素值為0 的像素點（黑色像素點的像素值默認為0）進行計數，即可得到圖像中黑色像素點的數量，利用set函數將像素點數量的字符串變量更新到靜態文本控件中。

黑色像素占比為黑色像素值除以總的像素值，計算公式如下：

其中：R0表示黑色像素占比，N0表示黑色像素值，N表示總像素點。

腐蝕區域數量的計算是通過bwlabel 函數來實現的，首先通過getimage函數獲得axes2中經過腐蝕后的圖像，再將此圖像進行反色，利用bwlabel 函數計算圖像矩陣中白色的連通區域作為腐蝕點的區域數量，用set函數將區域數量的字符串變量更新到靜態文本控件中。

1.2.5 MATLAB GUI界面設計與實現

MATLAB GUI 界面是由可自定義控件構成的用戶界面，用戶通過一定的方法選擇、激活這些圖形控件，使計算機產生繪圖、數據分析等動作或變化［21］。設計的GUI 主要界面如圖3 所示，其中主要功能包括：導入金相圖、對拋光后的金相圖進行圖像處理、計算黑色像素值、黑色像素占比、點蝕的區域數量。

圖3 主界面圖Fig.3 Main interface diagram

2 結果與討論

2.1 不同溫度分析結果

當時間為90 s、電流密度50 A·dm-2，不同溫度電解拋光后的金相圖如圖4 所示。由圖4 可知隨著溫度的增加，不銹鋼表面不均勻性和腐蝕點數量減少；但當溫度繼續升高時，某些區域腐蝕速率更高，導致點蝕的數量增加，因此點蝕數目先減小后增大。當溫度在60 ℃時，點蝕數量最少，表面最光滑。

圖4 不同溫度不銹鋼電解拋光金相圖Fig.4 Metallographic diagrams of electrolytic polishing of stainless steel at different temperatures

圖 5 不同溫度電解拋光金相圖預處理圖像Fig. 5 Electrolytic polishing metallographic image preprocessing images at different temperatures

圖5 展示了經過MATLAB 預處理后的金相圖像，成功地保留了原始圖像中的點蝕區域，并提高了其在圖片上的識別度。圖4（a）中劃痕中有較深色部位在圖5（a）中顯示為點蝕。圖4（e）中凹坑在圖5（e）中也處理為點蝕而離散的小黑色區域有部分未能顯示。圖4（f）中淺色較寬的凹痕也未能識別，但連續的過拋點蝕和較大區域的點蝕區則得到較為準確的識別。

利用MATLAB GUI對黑色像素點進行分析，如表2 與圖6（a）所示。隨著溫度增加，圖像的黑色像素占比與點蝕的區域數量先減小后增大。當溫度為60 ℃時，圖像的黑色像素占比與點蝕的區域數量取得最小值，預測該條件為最佳操作溫度。圖6（b）為樣品用探針式表面粗糙度測試值隨溫度變化曲線，其變化趨勢與圖6（a）一致，顯示了MATLAB GUI圖像分析方法具有較好的適用性。

圖6 不同溫度黑色像素占比與點蝕的區域數量以及不同溫度的粗糙度圖Fig.6 The proportion of black pixels and the number of pitting areas at different temperatures and the roughness map at different temperatures

2.2 不同時間分析結果

固定實驗溫度60 ℃，電流密度50 A·dm-2，不同時間電解拋光后的金相圖如圖7所示。通過觀察圖像可以發現，隨著拋光時間的延長，不銹鋼表面變得平整，腐蝕點數量減少；但當時間繼續延長時，可能會導致過度拋光，導致點蝕的數量增加，因此點蝕數目先減小后增大。在拋光時間為90 s 時，可獲得最佳的拋光效果。

圖7 不同時間電解拋光后金相圖Fig. 7 Metallographic diagrams after electrolytic polishing at different times

圖8為利用MATLAB對圖7的金相圖進行預處理之后的圖像。與圖7 相比，圖8（a）和圖8（b）能夠較為清晰地呈現不銹鋼表面的劃痕與點蝕，這與圖7（a）和圖7（b）中劃痕較窄、顏色較深有關。

圖8 不同時間電解拋光金相圖預處理圖像Fig.8 Preprocessing images of metallography for electrolytic polishing at different times

利用MATLAB GUI對黑色像素點進行分析，如表3和圖9所示。

表3 不同時間分析結果Tab.3 Analysis results of different times

圖9 不同時間黑色像素占比與點蝕的區域數量以及不同時間的粗糙度圖Fig.9 The proportion of black pixels and the number of pitting areas at different times and roughness map at different times

隨著拋光時間的延長，不銹鋼黑色像素占比先減小后增大，時間為90 s 時不銹鋼的黑色像素占比最小，點蝕的區域數量也呈現類似趨勢。根據黑色像素占比與點蝕的區域數量可預測90 s為最佳拋光時間。圖7（a）和圖7（b）中的劃痕反饋在圖像分析中也歸類為點蝕，使得統計得到的黑色像素值和黑色像素占比明顯增多。但由于劃痕和點蝕均屬于肉眼觀察不可接受的拋光缺陷，統計歸于一類對結果影響不大。作為對照，拋光時間對粗糙度的影響如圖9（b）所示，結果也表明拋光90 s 可獲得最小表面粗糙度。

2.3 不同電流密度分析結果

當拋光溫度為60 ℃、時間為90 s 時，不同電流密度下的不銹鋼表面金相圖如圖10所示。

圖10 不同電流密度電解拋光后金相圖Fig.10 Metallographic diagrams after electropolishing with different current densities

隨著電流密度的增加，腐蝕速率也逐漸增大，從而使不銹鋼表面不均勻性減少，腐蝕點數量減少；但當電流密度繼續增大時，某些區域腐蝕速率更高，導致點蝕的數量增加，因此點蝕數目先減小后增大。當電流密度為50 A·dm-2，不銹鋼表面點蝕數目最少，表面最光滑。在35～45 A·dm-2不銹鋼表面有未去除的機械劃痕表現為顏色淺、較寬，而55 A·dm-2以上的電流密度則帶來較多的點蝕。

通過MATLAB 對圖10 的金相圖進行預處理之后的圖像如圖11所示。

圖11 不同時間電解拋光金相圖預處理圖像Fig.11 Preprocessing images of metallographic of electrolytic polishing with different current densities

相較于圖10（a），圖11（a）對金相圖中難以肉眼觀察到的點蝕進行了增強處理，從而使其更易于辨認。但圖11（a）、圖11（b）、圖11（c）未能反饋劃痕未去除的情況。

利用MATLAB GUI對黑色像素點進行分析，如表4和圖12所示。

表4 不同電流密度分析結果Tab.4 Analyses results of different current densities

圖12 不同電流密度黑色像素占比與點蝕的區域數量以及不同電流密度的粗糙度圖Fig.12 The proportion of black pixels and the number of pitting areas at different current densities and the roughness map of different current densities

隨著電流密度的增大，黑色像素占比和點蝕的區域數量先減小后增大。電流密度為50 A·dm-2時，不銹鋼的黑色像素占比和點蝕的區域數量達到最小值，可預測該電流密度為最佳拋光參數。圖12（b）為表面粗糙度隨電流密度的變化曲線，電流密度為與50 A·dm-2可獲得最小表面粗糙度，與圖像定量分析結果一致。

利用MATLAB GUI 對圖像黑色像素點定量分析結果為：溫度為60 ℃、時間為90 s、電流密度為45 A·dm-2的條件下拋光效果最佳，該結果與探針式粗糙度測量結果一致。

3 結論

本研究開發了一個基于MATLAB GUI 的圖像定量分析拋光效果評估程序，對金相圖進行二值化和腐蝕處理，處理后的圖像能夠比較有效地保留原始圖像中的點蝕區域，并提高其在圖像上的辨識度。與傳統的刮傷材料表面的探針式粗糙度測量方法相比，該方法不會造成材料表面的損傷；與傳統的基于目視觀察金相圖的方法相比，本方法表現出更高的客觀性，超越視覺層面，實現了定量分析，具有較好的應用價值。但該方法也存在一定局限性，在復雜工件的金相圖拍攝過程中，存在一定程度的技術難度；其次，目前的金相圖定量分析僅針對點蝕缺陷，對顏色較深較窄的劃痕識別為離散的點蝕，而對顏色較淺、較寬的劃痕在識別準確度上有失真，對圖像劃痕部分的深入分析尚待進一步的研究和探索。綜上，本研究開發的基于圖像分析的拋光效果分析平臺可作為一種無損、數值化的拋光效果評估方法應用于電解拋光產品表面質量檢測分析中。