[发明专利]一种基于深度学习的轮胎缺陷检测方法在审
| 申请号： | 201910871079.8 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110660049A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 崔雪红;李庆党;孙振;杨晓晖 | 申请（专利权）人： | 青岛科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G01N23/04 |
| 代理公司： | 37101 青岛联智专利商标事务所有限公司 | 代理人： | 李升娟 |
| 地址： | 266061 山*** | 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： | 本发明公开了一种基于深度学习的轮胎缺陷检测方法，所述方法包括：获取待检测的轮胎X光图像，输入至训练好的像素级缺陷区域估计网络模型；根据所述像素级缺陷区域估计网络模型的输出结果判断所述待检测的轮胎X光图像是否存在缺陷，并在判断存在缺陷时进一步判断出缺陷类型、缺陷目标框及缺陷边界。应用本发明，能实现轮胎缺陷区域的像素级估计，从而能精确得到缺陷的面积，是轮胎质量判级的重要依据，而且也提高了缺陷检测的精确度。 | ||
| 搜索关键词： | 轮胎 缺陷区域 像素级 缺陷检测 网络模型 输出结果判断 缺陷边界 缺陷类型 缺陷目标 检测 应用 学习 | ||
【主权项】：
1.一种基于深度学习的轮胎缺陷检测方法，其特征在于，所述方法包括：/n获取待检测的轮胎X光图像，输入至训练好的像素级缺陷区域估计网络模型；/n根据所述像素级缺陷区域估计网络模型的输出结果判断所述待检测的轮胎X光图像是否存在缺陷，并在判断存在缺陷时进一步判断出缺陷类型、缺陷目标框及缺陷边界；/n所述像素级缺陷区域估计网络模型包括图像特征提取网络、区域候选网络、兴趣区域对齐网络以及缺陷分类检测器和缺陷区域像素级估计网络；所述图像特征提取网络接收所述待检测的轮胎X光图像，并提取出图像特征；所述区域候选网络根据所述图像特征确定感兴趣的候选框；所述兴趣区域对齐网络将所述感兴趣的候选框无误差地映射回原图兴趣区域，完成所述感兴趣区域的像素级对齐；所述缺陷分类检测器根据完成像素级对齐的所述感兴趣的候选框检测出缺陷类型和缺陷目标框并输出；所述缺陷区域像素级估计网络根据所述完成像素级对齐的所述感兴趣的候选框估计出所述缺陷目标框中的缺陷边界并输出。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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青岛科技大学，未经青岛科技大学许可，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/patent/201910871079.8/，转载请声明来源钻瓜专利网。
