论文部分内容阅读
随着中国经济的飞速发展,汽车成为了人们出行必备的交通工具。因此轮胎质量的好坏直接决定了交通事故发生率的高低,与人们的生命财产安全息息相关。所以轮胎缺陷的自动检测问题已经成为了国内外轮胎生产厂商最关注的焦点之一。但是目前国外的轮胎缺陷自动检测软件并不适用于我国的轮胎生产环境。首先其软件界面大多是纯英文的,国内工人操作起来较为困难,且国内外关于轮胎缺陷的判别标准也不相同。因此,国内的轮胎缺陷检测环节仍需工人用眼睛观察轮胎的X光图像来得到结果,没有真正实现自动检测。且人眼检测的判定结果受主观因素影响大,正确性和效率性因人而异,当工人经过长时间的高强度工作后,视觉疲劳所导致的误检率也会直线上升。所以,研发出适合我国实际生产状况、高性能低成本、操作简单、便于人机交互的轮胎缺陷检测设备具有十分重要的意义。本文通过观察分析轮胎中各缺陷的实际图像特征,针对性的提出了不同区域轮胎图像的预处理方法。例如,帘线缺陷一般分为帘线间距问题与帘线排列问题。可以通过图像的自适应二值化及细化操作来突出帘线的特征,然后再利用列扫描与行扫描的方式来检测帘线缺陷。气泡缺陷与杂物缺陷的处理方法一般为先选择合适的滤波器来将缺陷背景滤除,再选择合适的阈值来把缺陷部位从图像中分割出来,最后通过遍历图像进行检测。由于带束层中包含形状复杂的轮胎花纹,因此一般利用改良过的模板匹配方法来检测带束层中的缺陷。除此之外,本文同时结合了深度学习算法,在对轮胎X光图像进行数字图像处理的基础上,利用神经网络对轮胎缺陷样本集进行学习,实现一个真正意义上端到端的轮胎缺陷自动检测算法。本文基于上述轮胎缺陷自动检测算法自主研发了轮胎缺陷自动检测系统。该系统包括轮胎X光图像实时传输、轮胎缺陷自动检测、建立缺陷数据库、实时报警、远程通讯、实时控制传送带开关等功能。在系统研发过程中,首先通过分析用户对系统提出的基本要求,然后对这些需求进行总结归纳,并设计开发出各个功能模块。系统在每条轮胎缺陷检测完毕后,会将自动生成的缺陷检测报告显示在触摸屏上,工人可以对检测结果再次进行确认。深度学习算法将通过实际的轮胎缺陷检测过程中不断优化自身的参数,从而不断提高检测的准确率。系统会自动将所检测过的轮胎按照型号信息、检测时间、轮胎图像、缺陷报告的形式存储在后台中,建立数据库,以便后续算法的优化及生产设备的改良,提高轮胎的质量。最后通过实际轮胎生产过程中对软件进行了大量测试,取得了理想的效果,相较于传统检测方法在准确度与速度方面均有很大的提高。