[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

专利信息
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
【权利要求书】:

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。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top