[发明专利]一种基于深度学习的轮胎缺陷智能检测方法

说明书

一种基于深度学习的轮胎缺陷智能检测方法，该方法在原有X光检测设备的基础上，通过视频分配器，将原有视频分为2路，一路供操作员进行人工判定，另一路通过高速视频采集卡采集X光图像并送入识别系统；利用人工智能技术实现自动化，提高生产率，节省劳动成本。

技术领域：

本发明设计一种基于深度学习的轮胎缺陷智能检测方法，属于轮胎检测领域。

背景技术：

目前国内大多数轮胎制造企业仍然依靠人眼识别X光图像来诊断轮胎缺陷，随着近年来X射线技术的快速发展，X光检测设备的运行节拍速度越来越快，这种人工判定方法的识别效率和精度已经远远不能满足生产要求，并且容易形成职业病。近些年国内很多学者也在致力于轮胎缺陷自动检测方法的研究，但是鲜有应用成功的案例，而国外已有的轮胎缺陷智能检测系统价位高，检测结果差强人意，目前我国急需具有自主知识产权的轮胎缺陷智能检测系统以克服传统人工判定方法的弊端，从而大幅度提高轮胎质量检测精度及检测速度，进而提高企业生产效率，降低企业人工成本，促进企业提质增效。本发明利用深度学习算法，对企业十余年，近百名工程师标注的数百万张样本进行深度训练学习，可有效替代现有的人工诊断工作，并具有低成本高效率等优势。

发明内容：

发明目的：

本发明提供一种基于深度学习的轮胎缺陷智能检测方法，采用计算机对X光图像进行分析和识别，完全取代人工判读，判读结果客观准确，并且能将结果自动归类。本发明可以有效克服人工评定中的由于人为原因造成的误判和漏判，使评判过程客观化、科学化和规范化。通过对轮胎缺陷进行归类统计，生产厂家还可以得到生产过程中可能存在的问题，并调整相应的生产流程，提高某些环节的生产水平，从而减少轮胎缺陷出现的几率，提高企业的生产效益，降低企业人工成本，促进企业提质增效。

技术方案：

一种基于深度学习的轮胎缺陷智能检测方法，采用该方法对半钢/全钢轮胎进行缺陷检测及识别，其特征在于：

该方法在原有X光检测设备的基础上，通过视频分配器，将原有视频分为2路，一路供操作员进行人工判定，另一路通过高速视频采集卡采集X光图像并送入识别系统；其按照以下步骤进行：

(1)识别系统经过高速采集卡将X光图像采集进管理服务器，管理服务器将图像进行拼接后，生成一个轮胎的完整图像，然后将图像根据胎冠、胎侧部分为左中右三个区域，每个区域为边长0.4×b_w的正方形，再加上按b_w×0.4b_w截取的整体情况作为第四个区域，形成四个识别区域，其中b_w为X光图像的宽度；

(2)按区域分割以后，将分割后的数据送入计算单元群并通过识别算法对轮胎缺陷进行识别，识别后的结果送回管理服务器；

(3)根据现场经验对每一种轮胎缺陷设定一个置信率C_i，大于C_i的识别结果直接显示该缺陷类别，小于C_i的识别结果则需要现场操作人员人为判定是否为真实缺陷；

(4)将小于C_i的误判样本作为新样本，自动补充到样本库，训练服务器定期自动精训一次，将精训形成的参数自动更新到计算单元群中。

(1)步骤中图像拼接方法之前，采用图像边缘提取方法进行预处理，以便图像拼接更快，图像边缘提取方法具体如下：

使用如下算子，且只在Y方向上进行卷积：

样本库、标定库和训练库的形成，具体步骤如下：

(1)建立标定采集库，其中的轮胎缺陷X光图像一方面来自于积累的历史X光图像，另一方面来自于现场采集的图像；