[发明专利]一种基于标准图比对的轮胎X光病疵检测方法在审
| 申请号: | 201910310412.8 | 申请日: | 2019-04-17 |
| 公开(公告)号: | CN110136102A | 公开(公告)日: | 2019-08-16 |
| 发明(设计)人: | 丁启元;陈金水;范彬彬;李莹;杨颖 | 申请(专利权)人: | 杭州数据点金科技有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G01N23/04 |
| 代理公司: | 北京国昊天诚知识产权代理有限公司 11315 | 代理人: | 施敬勃 |
| 地址: | 310026 浙江省杭州市经济技术开发区白*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 病疵 检测 轮胎 标准图 轮胎花纹 训练集 图片 预处理 检测技术领域 标注信息 模型加载 图像识别 训练过程 测试集 验证集 样本集 准确率 比对 迭代 质检 标注 样本 集合 采集 拍摄 | ||
1.一种基于标准图对比的轮胎X光病疵检测方法,其特征在于,所述检测方法包括如下步骤:
步骤S1、对于某种特定的轮胎花纹,对所述特定的轮胎花纹的X光检测图片进行采集得到多个样本集,所述样本集为所述特定的轮胎花纹的标准图、正常图和病疵图的图片的集合;
步骤S2、根据图片的不同类型对所述X光检测图片的所述样本集进行标注,并将具有标注信息的样本分为训练集、验证集和测试集;
步骤S3、对所述X光检测图片进行预处理;
步骤S4、搭建SOM(Self-organizing feature Map,自组织特征映射神经网络)模型;
步骤S5、基于所述训练集对SOM模型进行训练,每次所述训练完后基于所述验证集进行K交叉验证,基于所述测试集测试所述SOM模型的精度;
步骤S6、将训练过程迭代多个周期,最后选择使所述SOM模型准确率最高的参数;
步骤S7、得到的所述SOM模型加载后可以进行对所述X光检测图片中是否有病疵部分的判别,输入所述轮胎的所述X光检测图片,输出所述X光检测图片是正常图或是病疵图。
2.根据权利要求1所述的基于标准图对比的轮胎X光病疵检测方法,其特征在于,步骤S2中根据图片的不同类型对所述X光检测图片的所述样本集进行标注包括:利用标注工具对所述样本集进行分类,如果有病疵将病疵位置画框并注释,最终将标注信息保存在xml文件中。
3.根据权利要求2所述的基于标准图对比的轮胎X光病疵检测方法,其特征在于,步骤S3对所述X光检测图片进行预处理进一步包括如下步骤:
1)对图像进行锐化处理;2)对原始的大图进行切割,分为较多尺寸合适的小图,小图之间有一定的重叠,将相应的坐标位置进行变换改写之前标注得到的所述xml文件。
4.根据权利要求1所述的基于标准图对比的轮胎X光病疵检测方法,其特征在于,步骤S5基于所述训练集对SOM模型进行训练进一步包括如下步骤:1)基于训练集对所述SOM模型进行训练;
2)训练完后采用K交叉验证调整模型超参数;
3)基于所述测试集测试所述SOM模型的精度;
4)反复迭代1)到3)步骤,将所述SOM模型的参数和测试的精度保存下来;
5)对比所有的模型的精度,选在精度大于85%的模型作为最后的SOM模型;如果没有精度大于85%的模型,则回到步骤S4中进行模型的设计,并且重新训练模型。
5.根据权利要求1所述的基于标准图对比的轮胎X光病疵检测方法,其特征在于,步骤S7进一步包括如下步骤:经过训练后所述X光检测图片被映射到二维平面,在所述二维平面上,给定合适的距离作为判别是正常图还是病疵图的临界距离,所述正常图距离所述标准图的距离近,所述病疵图距离所述标准图的距离远。
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杭州数据点金科技有限公司,未经杭州数据点金科技有限公司许可,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/201910310412.8/1.html,转载请声明来源钻瓜专利网。





