[发明专利]一种可判别病疵等级的轮胎X光病疵检测方法

说明书

本发明公开了一种可判别病疵等级的轮胎X光病疵检测方法。该方法包括数据标注、图像预处理、图像裁剪、搭建Faster R‑CNN模型、初始化模型、将图像数据集分为训练集、验证集和测试集、基于所述测试集进行测试，检测图片类型。本发明通过可判别轮胎病疵等级的检测方法检测出轮胎的病疵等级，从而筛选出优质品、可用品、可修复品、残次品，从而进行相应的选择修复再投入使用，自动判别等级可减少人工判别的误判率、效率高。本发明克服了现有轮胎X光病疵检测方法的不足，解决了传统轮胎X光病疵检测方法需很强的先验知识来辅助提取有区分度特征，存在偶然性强，可靠性低，无法精确检测轮胎缺陷的问题。本发明的方法准确性高，利于准确监督轮胎质量，利于市场推广。

技术领域

本发明属于图像检测识别和工业检测技术领域，具体说，是一种可判别病疵等级的轮胎X光病疵检测方法。

背景技术

随着经济的快速增长，各行各业呈现一种欣欣向荣之势，其中汽车行业 更是得到了空前的发展，这直接带动了轮胎行业的快速发展。目前，我国各 种轮胎合计产量稳居世界之首，成为世界轮胎生产大国。轮胎作为汽车上的 一个核心部件，轮胎的质量对汽车的安全起着至关重要的作用。死于车祸的 人数中约有四成是由于轮胎发生故障引起的，而在这个四成中又有大约75％ 是由于爆胎引起的，因此对轮胎的质量把控十分关键。

检测轮胎质量的重要监测环节就是对轮胎拍摄X光图像，然后根据X 光图像判别当前轮胎是否有某种病疵，最开始是由人工判别，现在已经提出使用深度神经网络模型进行自动判别，通过基于神经网络模型的轮胎X光病疵检测方法，可以检测到病疵的位置和类型。

通过基于神经网络模型的轮胎X光病疵检测能准确检测到病疵的位置和类型，但是检测后还不能判别病疵的等级，即病疵的严重程度，是非常严重以至于不可用，还是可修复，或者是完全没问题，需要一种判别病疵等级的检测方法。

发明内容

针对传统轮胎X光病疵检测方法中的不足，本发明提供了一种可判别病疵等级的轮胎X光病疵检测方法，能够解决判别病疵等级的问题。

提供了一种可判别病疵等级的轮胎X光病疵检测方法，包括步骤如下：

S1、数据标注：将收集到的轮胎X光检测图片用LabelImg工具进行标注，标注出病疵位置、病疵类型和病疵等级，所述病疵位置标注时用方框标出，所述病疵类型可分为多种，标注文件的类型为xml文件；

其中，所述病疵等级分为1：优质品；2：可用品；3：可修复；4：残次品；

S2、图像预处理：将所述轮胎X光检测图片进行锐化处理得到预处理后的大图片；

S3、图像裁剪：将大小是20000×1900的所述预处理后的大图片分为 11张1900×1900的小图，将相应的坐标位置进行变换，改写记录所述病疵类型以及坐标的xml文件；

S4、搭建Faster R-CNN(深度神经网络)模型：；

S5、初始化所述Faster R-CNN模型：设置参数，所述参数包括输入图片后统一的大小、模型在Search Selective(选择性搜索)阶段方框的大小与个数、模型训练的周期数；

S6、将图像数据集分为训练集、验证集和测试集：划分原则是所述训练集占70％，所述验证集和所述测试集各占15％；

S7、重复上述步骤S5、S6，可以训练得到多个模型，对所述多个模型进行测试分析，基于所述测试集进行测试，将所述轮胎X光检测图片输入模型，得到所述轮胎X光检测图片属于哪一种病疵类型以及病疵等级。

进一步的，步骤S1中病疵类型包括：帘线稀疏、帘线弯曲、帘线重叠、零度散线、带束层稀线、杂质、胎侧气泡、胎冠气泡、成型开根、成型街头稀线、其他。

进一步的，步骤S4中Faster R-CNN网络原模型主要包括四部分：