论文部分内容阅读
轮胎是汽车的重要组成部件,具有承担重量,传送牵引力和制动扭矩的重要作用,因此对汽车轮胎的承载能力,缓冲性能力和耐磨耐久性能等有很高要求。轮胎的质量对车辆运行安全有重要影响,轮胎产品的质量检验应当引起足够重视。当前,视觉检查已广泛用于诊断轮胎产品中的缺陷,但轮胎缺陷的视觉诊断方法仍不完善。由于轮胎中存在许多的缺陷类别和各向异性纹理,因此自动的轮胎视觉缺陷检测特别具有挑战性。本文分析了轮胎X射线图像的帘线纹理分布和低秩特性,提出了一种基于语义分割和低秩矩阵恢复的自动轮胎X射线缺陷检测系统。轮胎X射线图像纹理具有各向异性但纹理分区明显的特点,纹理区域分割有利于增强图像低秩特性,降低缺陷检测难度,提高算法检测精度。本文将经典语义分割网络在经预处理的轮胎X射线图像数据集上训练,并将神经网络结果优化得到高精度的自动纹理区域分割算法。低秩矩阵恢复算法是利用矩阵的低秩子空间分解原理,能够将轮胎X射线图像矩阵分解为低秩背景矩阵和包含缺陷的稀疏矩阵。纹理分割有利于提高低秩分解算法的质量和计算效率,分割后的图像块具有较强的低秩特性。本文研究并优化了传统求解鲁棒主成分分析问题(RPCA)的非精确增广拉格朗日乘数法(IALM),使图像分解获得的稀疏矩阵中噪声更少。通过实验测试了算法参数将如何影响算法的分解精度和收敛速度,选择最佳参数取值。稀疏矩阵中包含大量噪声点和可能存在的缺陷,本文设计了对稀疏矩阵图像的降噪后处理,使噪声点被消除,保留较完整的缺陷掩模。缺陷掩模是检测和定位缺陷的依据,为轮胎质量评级提供参考。实验结果表明该方法的缺陷检测精度高,虚警率低且具有实时性。在相同的数据集上进行了与现有轮胎X射线检测方法的对比实验。实验结果验证了理论分析,并表明本文方法可以高精度地执行有效的自动轮胎X射线图像缺陷检测,并且对于不同的轮胎样式和缺陷具有鲁棒性。此外,该方法能够输出较完整的缺陷掩模用于估算缺陷面积,缺陷定位和轮胎评级。