[发明专利]一种基于标准图比对的轮胎X光病疵检测方法

说明书

本发明属于图像识别和检测技术领域，具体提供一种基于标准图对比的轮胎X光病疵检测方法，包括：采集得到特定的轮胎花纹的标准图、正常图和病疵图的图片的集合；根据图片的不同类型对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；对X光检测图片进行预处理；搭建SOM模型；基于所述训练集对SOM模型进行训练，将训练过程迭代多个周期，最后选择使SOM模型准确率最高的参数；得到的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。本发明的检测方法，与传统方法相比具有能对于不同型号、不同轮胎花纹、不同X光机拍摄出的X光片均适用，提高对不明显病疵的检测效果，减轻轮胎质检人员的负担，利于轮胎质量把控。

技术领域

本发明属于轮胎病疵检测技术领域，主要在轮胎病疵检测过程中实现一种基于标准图比对的轮胎X光病疵检测方法。

背景技术

轮胎的生产过程很精密，任何一个环节出错都有可能导致生产的轮胎是劣质产品，而轮胎的质量又与交通安全紧密相连，因此必须要进行严格的质量监督。其中一个重要的轮胎质量检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。

传统的轮胎X光病疵检测的方式是用X光机对轮胎拍照后安排质量监督人员判别轮胎是否有某种病疵。采用人工判别轮胎X光病疵存在很多不利的因素：首先，效率比较低下，一个轮胎的X光图像一般都比较大，熟练的质检人员完全判别一个轮胎是否有病疵都需要消耗数十秒的时间；其次，判别准确度不高，误判、漏判多，长期看显示屏屏幕人容易疲劳，在这种情况下，有可能将有病疵的图像判别为无病疵，造成漏判或者病疵类别判断错误，造成漏判；最后，长期进行人工鉴别对质检人员的健康损伤较大。

目前存在一些轮胎X光自动检测算法，但都是基于传统的图像处理方法，这些方法只能检测出比较明显的病疵，对于比较隐晦(如气泡)这种病疵，改方法检出率不理想。根据目前轮胎X光病疵自动检测所遇到的问题，本发明提出了一种基于标准图比对的轮胎X光病疵检测方法。

发明内容

本发明针对传统轮胎X光病疵识别中存在的不足，提出一种基于标准图对比的轮胎X光病疵检测方法。

相关概念：

(1)标准图：理论上轮胎花纹最完美的情况下对轮胎进行X光检测得到的图片；

(2)正常图：正常工业生产流程中得到的正常轮胎进行X光检测得到的图片；

(3)病疵图：对劣质或者废品轮胎病疵部位进行X光检测得到的图片；

提供了一种基于标准图对比的轮胎X光病疵检测方法，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。