[发明专利]一种轮胎X光病疵检测方法

权利要求书

1.一种轮胎X光病疵检测方法，包括以下步骤：

S1：采集并切割所有型号轮胎的正常X光图像后，将所有切割图像存入数据库中，并将数据库中的所有切割图像依次进行预处理、特征提取后，根据提取特征对切割图像进行聚类，获得多个特征类型，每个特征类型包括多种轮胎型号，即每种轮胎型号与特征类型形成固定映射关系；

S2；采集大量病疵轮胎X光图像，标注出病疵位置、病疵类型以及轮胎型号，根据S1中获得的轮胎型号与特征类型的固定映射关系，将每种轮胎型号的病疵轮胎X光图像划分到对应的特征类型中；

S3，针对每个特征类型中的所有病疵轮胎X光图像，将预处理后的病疵轮胎X光图像划分成训练集、测试集以及验证集，并搭建与该类病疵轮胎X光图像对应的目标检测模型后，利用训练集训练搭建的目标检测模型，获得病疵检测模型；

S4，对测试轮胎X光图像进行预处理，根据测试轮胎X光图像的轮胎型号，选取与轮胎型号对应的病疵检测模型对预处理后的测试轮胎X光图像进行病疵区域检测，获得轮胎X光病疵检测结果；

采用K均值聚类方法对所有切割图像的LBP纹理特征进行聚类，将LBP纹理特征相似的切割图像聚集到一起，形成有一个特征类型，每个特征类型包括LBP纹理特征相似的多种轮胎型号，即每种轮胎型号与特征类型形成固定映射关系。

2.如权利要求1所述的轮胎X光病疵检测方法，其特征在于，S1中：

采用双线性内插法将数据库中的所有切割图像的像素调整成为w^max×w^max，以实现对切割图像的预处理，其中，w^max是数据库中的所有切割图像的最长边。

3.如权利要求1所述的轮胎X光病疵检测方法，其特征在于，S1中：采用局部二值模式提取预处理后的切割图像的特征，具体过程为：

首先，采用尺寸为m×m的模板，计算切割图像中每个像素的LBP值；

然后，将每个切割图像等分成多个区块，计算每个区块内的LBP特征值的直方图，并对直方图进行归一化处理；

最后，将每个切割图像的所有归一化处理后的直方图按照维度直接连接成一个特征向量，得到切割图像的LBP纹理特征向量。

4.如权利要求1所述的轮胎X光病疵检测方法，其特征在于，S2中：

利用图片标注工具LabelImg用人工标注的方法标注病疵轮胎的X光图像，通过手动画框的方式标注出图像中病疵位置，然后输入病疵类型以及轮胎型号，生成与图像绑定的XML文件。

5.如权利要求1所述的轮胎X光病疵检测方法，其特征在于，S3中：

对每个病疵轮胎X光图像，根据病疵部位，将病疵轮胎X光图像中的病疵部位切割出来，以实现对病疵轮胎X光图像的预处理。

6.如权利要求1所述的轮胎X光病疵检测方法，其特征在于，S3中：

采用深度学习框架Tensorflow建立YOLO模型作为目标检测模型。

7.如权利要求1所述的轮胎X光病疵检测方法，其特征在于，S4中：

将测试轮胎X光图像切割成满足病疵检测模型识别图像尺寸的多个子图，利用与测试轮胎X光图像对应的病疵检测模型对每个子图进行病疵区域检测。