[發明專利]基于X光圖像的輪胎雜質檢測方法及裝置

有效

• 申請號: 201710462785.8
• 申請日: 2017-06-19
• 公開（公告）號: CN107437243B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 陳智能
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩

1.一種基于X光圖像的輪胎雜質檢測方法，其特征在于，所述基于X光圖像的輪胎雜質檢測方法包括：

從數據庫中獲取多對樣本信息，各所述樣本信息分別包括X光輪胎原始圖像及雜質標注信息；

對所述原始圖像進行區域分割，得到多個區域圖像，所述多個區域圖像包括輪胎的胎側圖像、胎圈圖像及胎冠圖像；

根據雜質檢測算法對各所述區域圖像進行檢測，檢測出所述原始圖像中的疑似雜質區域；

分別從所述原始圖像、區域分割過程中的中間處理圖像中提取對應所述疑似雜質區域的雜質子圖像；

分別從各所述雜質子圖像中提取多種視覺特征，形成特征向量集；

基于機器學習方法，根據各所述特征向量集及雜質標注結果，建立雜質檢測分類模型，用于對待測X光輪胎圖像進行檢測判別，以確定待測X光輪胎圖像中是否存在雜質以及雜質標注信息；

其中，所述對所述原始圖像進行區域分割，得到多個區域圖像，具體包括：

對所述原始圖像依次進行高斯濾波、按列直方圖均衡化，得到處理圖像；

根據明暗區域發現算法對處理圖像按列運算，尋找出各列中的暗區域，并將各所述暗區域填充為白色；

根據各列中暗區域的個數及當前列位置，確定所述原始圖像中胎側、胎圈及胎冠的邊界線；

根據各所述邊界線，對對應的原始圖像進行區域分割，獲得左胎圈、左胎側、胎冠、右胎側和右胎圈五部分圖像，其中，左胎圈和右胎圈、左胎側和右胎側在結構上對稱；

其中，所述根據明暗區域發現算法對圖像按列運算，具體包括：

根據如下公式，建立坐標方向積分圖：

其中S(x,y)表示積分圖上(x，y)點坐標的積分值，P(x，y)表示處理圖像素點(x，y)像素值，cols表示處理圖像的寬度和rows表示處理圖像的高度；

設置暗區域檢測半徑R，對積分圖采用列循環操作：

在每一列中設當前檢測半徑內的平均灰度值為ave_now；該像素點上方半徑內的平均灰度值為ave_up；像素點下方相同半徑內的灰度均值為ave_down；

根據以下公式，確定如果當前灰度均值ave_now小于上方灰度均值ave_up減灰度閾值Const，且當前灰度均值ave_now小于下方灰度均值ave_down減所述灰度閾值Const，則所述當前檢測半徑內的區域為一個暗區域：

ave_now＜ave_up-Constave_now＜ave_down-Const。

2.根據權利要求1所述的基于X光圖像的輪胎雜質檢測方法，其特征在于，所述根據雜質檢測算法對各所述區域圖像進行檢測，具體包括：

根據輪胎的結構特征確定分別對應輪胎胎側圖像、胎圈圖像及胎冠圖像的雜質檢測算法；

根據所述雜質檢測算法對對應的區域圖像進行檢測，確定區域檢測結果；

將各所述區域檢測結果的信息進行整合，確定疑似雜質區域在所述原始圖像中大小、形態、灰度及位置信息。

3.根據權利要求2所述的基于X光圖像的輪胎雜質檢測方法，其特征在于，所述根據雜質檢測算法對各所述區域圖像進行檢測，還包括：對所述疑似雜質區域進行過濾，濾除部分非雜質區域。

4.根據權利要求1所述的基于X光圖像的輪胎雜質檢測方法，其特征在于，所述分別從各所述雜質子圖像中提取多種視覺特征，具體包括：

將各所述雜質子圖像縮放至設定尺寸，得到對應的縮放圖像；

分別從各所述縮放圖像中提取多種視覺特征，每一雜質子圖像中的多種視覺特征組成一組對應雜質子圖像的特征向量；

將各所述原始圖像對應的全部雜質子圖像的特征向量進行歸一化處理，得到所述特征向量集。

5.根據權利要求4所述的基于X光圖像的輪胎雜質檢測方法，其特征在于，所述多種視覺特征包括紋理特征、幾何特征和顏色特征。