[发明专利]一种基于LBP的轮胎合格检测方法有效
申请号: | 201910054426.8 | 申请日: | 2019-01-21 |
公开(公告)号: | CN109785313B | 公开(公告)日: | 2023-03-14 |
发明(设计)人: | 郭延辉 | 申请(专利权)人: | 山东女子学院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/10;G01N23/04 |
代理公司: | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人: | 李冉 |
地址: | 250000 山东省济*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 lbp 轮胎 合格 检测 方法 | ||
1.一种基于LBP的轮胎合格检测方法,其特征在于,具体步骤包括如下:
S1:读取检测轮胎X光片,根据轮胎X光片的尺寸,确定轮胎型号;
S2:按照S1确定的轮胎型号,对轮胎X光片进行切割;
S3:按照S2对切割后的轮胎X光片进行分类,返回轮胎合格检测结果;
所述S2中将轮胎X光片切割为四个部分;
所述S3中切割后的轮胎X光片进行合格检测方法包括:
S31:按照不同部分构造训练集和测试集;
S32:用LBP方法各自训练轮胎X光片的不同部分的样本;
S33:对轮胎X光片的各部分采用滑窗的形式进行合格检测;
所述S33中利用滑窗进行合格检测包括:
S331:滑窗的水平方向步长为width=Xpx,垂直方向步长为height=Xpx,滑窗后组成的检测序列为{P1,P2,…,Pn};
S332:提取每个检测序列Pi的纹理特征;
S333:计算Pi与m个训练样本图像的距离,作为Pi的m维特征向量,并用SVM判断Pi是否合格;
S334:若Pi检测不合格,将终止对图片的继续判断,确定其为不合格;否则,继续检测后续的序列,直到完毕。
2.根据权利要求1所述的一种基于LBP的轮胎合格检测方法,其特征在于,所述S1中确定轮胎型号的方法包括:
S11:设定轮胎X光片的尺寸S为M*N,其中,M为X光片的宽度像素值,N为X光片的高度像素值;
S12:比较M,N与已知轮胎X光片的尺寸的相似性,确定S的型号类别。
3.根据权利要求1所述的一种基于LBP的轮胎合格检测方法,其特征在于,所述S2中将轮胎X光片切割为四个部分:左边缘、肩部、胎面、右边缘。
4.根据权利要求1所述的一种基于LBP的轮胎合格检测方法,其特征在于,所述S31中利用滑窗的方式,对轮胎X光片的四个部分进行分割,分割的大小为w*w像素的方块,w取值范围为[200,300],其中,滑窗滑动的步长为s像素,s的取值范围为[180,280];构造训练集和测试集。
5.根据权利要求1所述的一种基于LBP的轮胎合格检测方法,其特征在于,所述S32中用LBP方法各自训练轮胎X光片的样本方法包括:
S321:输入训练集中的训练样本图像,利用sampled-LBP提取训练样本图像的纹理特征;
S322:纹理特征通过核计算公式计算图像特征值;
训练样本有m张图片,m为大于1000的有限整数,通过核计算公式计算m张图片彼此之间的距离;
用χ2作为测量两个特征向量,即两幅图像,F和F'的距离,n为纹理特征的维度255:
m*m的距离矩阵,距离矩阵的每一行元素即表示第i个训练样本图像的特征向量;
S323:利用支持向量机对训练样本图像进行分类,得到训练样本图像的分类结果。
6.根据权利要求5所述的一种基于LBP的轮胎合格检测方法,其特征在于,所述S321中利用sampled-LBP提取图像的纹理特征的方法包括:
S3211:设图像的一个像素点为(xc,yc),其LBP特征值的二分描述定义为:
其中,gp是邻接像素的灰度值,gc是中心像素灰度值,p为邻接像素的个数;
S3212:以像素点(xc,yc)为圆心,分别在半径为R=1的圆中取P=8个邻接像素点的值,按照顺时针方向排列成一个八位二进制数据,并将其表示为一个整型数据;
S3213:得到训练样本图像的LBP值之后,得到纹理特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东女子学院,未经山东女子学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910054426.8/1.html,转载请声明来源钻瓜专利网。