[发明专利]一种轮胎X光病疵检测方法

说明书

本发明公开了一种轮胎X光病疵检测方法，包括S1：采集所有型号轮胎的正常X光图像，切割图像，存入数据库中。S2：对所有图像进行聚类。S3：采集大量病疵轮胎X光图像，标注病疵部位、病疵类型和轮胎型号，并根据聚类结果划分图像。S4：对于分类完成的病疵轮胎X光图像，对图像进行预处理，然后划分训练集，测试集和验证集，搭建目标检测模型并训练。S5：测试轮胎图像时，根据轮胎型号选取模型，对图像进行预处理并用模型进行检测，得到检测结果。该方法能够大大提升病疵区域检测的准确性。

技术领域

本发明涉及图像识别中的目标检测领域，特别是涉及一种轮胎X光病疵检测方法。

背景技术

随着经济的稳定发展和人民生活水平的提高，汽车已经成为人们外出常用的代步工具之一。安全出行一直是人们所重视的，而轮胎是安全行车的重要组成部分，它不仅关系到车辆的操控性能，还事关车上人员的生命安全，因此对成品轮胎质量的检测，及时发现轮胎内部结构缺陷，防止不合格轮胎出厂能够提高出厂轮胎的质量。

米其林公司研究发明的全钢丝子午线轮胎凭借其耐磨性能强、滚动阻力小、使用寿命长、舒适性好等优点，逐渐成为世界各国轮胎发展的趋势。虽然子午线轮胎的优越性很多，但是制造子午线轮胎的设备很贵，材料及制造技术要求很高，同时还要有严格的操作工艺来保证每条轮胎的均匀性。因此，结构复杂、技术难度大使得子午线轮胎在生产过程中会产生大量的病疵缺陷，如成型开根，成型接头稀线、冠部气泡等。这些病疵将会严重影响轮胎的质量，威胁人们的出行安全，严格检测轮胎质量，提高出厂轮胎的合格率十分重要。

申请公布号为CN107316300A的专利申请提出了一种基于深度卷积神经网络的轮胎X光病疵检测方法，主要核心是切割图片后通过卷积神经网络对切割好后的图片进行判断，但是由于一张轮胎X光图像会被分割成数百张小图，对于每张小图都是一个独立的识别过程，大大降低了病疵识别的正确率。申请公布号为CN108564563A的专利申请提出了一种基于Faster R-CNN的轮胎X光病疵检测方法，该方法的核心是利用Faster R-CNN模型，学习经由人工标注的数据集得到可以检测出病疵的目标检测模型，但是由于轮胎的型号繁多得到的X光图像也有很大不同，有很多正常部分会被模型误分为病疵，影响最终的检测结果，因此该方法在检测多种型号的轮胎时检测准确率会下降。

发明内容

为了提高轮胎X光图像中的病疵的检测率，本发明提出了一种轮胎X光病疵检测方法，具体根据轮胎X光图像特征将轮胎分类，为每个类建立目标检测模型，在检测轮胎X光图像时，根据轮胎型号选取对应目标检测模型，得到检测结果。

本发明的技术方案为：

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。