橡膠輪胎內(nèi)部缺陷檢測(cè)技術(shù)淺析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了橡膠輪胎內(nèi)部缺陷檢測(cè)技術(shù)淺析范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要：輪胎的質(zhì)量與道路交通安全有直接關(guān)系。因此，輪胎內(nèi)部缺陷檢測(cè)成為國(guó)內(nèi)外輪胎制造企業(yè)的普遍關(guān)注的問題。本文重點(diǎn)介紹基于X光圖像特征的橡膠輪胎內(nèi)部缺陷技術(shù)，針對(duì)常見的橡膠輪胎內(nèi)部缺陷特征探討基于紋理提取的X光輪胎內(nèi)部缺陷圖像識(shí)別算法，經(jīng)過應(yīng)用分析證明算法的準(zhǔn)確率均在98%以上，符合實(shí)際應(yīng)用要求。

關(guān)鍵詞：橡膠輪胎；橡膠輪胎內(nèi)部缺陷；缺陷監(jiān)測(cè)

圖像檢測(cè)算法橡膠輪胎內(nèi)部缺陷的自動(dòng)檢測(cè)已成為國(guó)內(nèi)外輪胎制造企業(yè)共同關(guān)注的問題隨著數(shù)字圖像處理領(lǐng)域研究的進(jìn)展，X射線檢測(cè)技術(shù)逐漸演變?yōu)橐环N新的輪胎缺陷檢測(cè)方法?，F(xiàn)階段常用算法包括基于模板信息或小波變換的圖像特征提取和識(shí)別算法[1]。主要識(shí)別對(duì)象是自然界的各種圖像特征，識(shí)別效果較好。傳統(tǒng)的橡膠輪胎內(nèi)部缺陷檢測(cè)主要采用上述算法，但橡膠輪胎圖像缺陷特征比較復(fù)雜，這些算法的精度無法滿足要求[2]。因此，開發(fā)適合我國(guó)橡膠輪胎實(shí)際生產(chǎn)情況的高性能、低成本、易操作的橡膠輪胎內(nèi)部缺陷檢測(cè)技術(shù)顯得尤為迫切。

1橡膠輪胎內(nèi)部缺陷檢測(cè)流程

橡膠輪胎制造過程中經(jīng)常出現(xiàn)各種缺陷，利用X光獲取橡膠輪胎圖像特征，通過模板比對(duì)或?yàn)V波變換達(dá)到檢測(cè)缺陷的目的[3]。然而橡膠輪胎紋理特征變化較多同時(shí)不同規(guī)格的輪胎紋理差異很大，無法用固定模板提取所有橡膠輪胎的圖像特征。此外，X射線信號(hào)往往會(huì)被噪聲干擾，使得圖像灰度特征產(chǎn)生失真。橡膠輪胎內(nèi)部缺陷特征主要包括結(jié)構(gòu)缺陷、灰度缺陷和局部缺陷三類。其中結(jié)構(gòu)缺陷包括輪胎簾線結(jié)構(gòu)的異常變形，這種缺陷可以通過幾何信息，如簾線距離等圖像編碼來識(shí)別檢測(cè)[4]?；叶热毕葜饕ㄝ喬馀?、雜質(zhì)導(dǎo)致的圖像灰度值出現(xiàn)偏差、反轉(zhuǎn)等缺陷，灰度缺陷的檢測(cè)依據(jù)是灰度特征分布，可以利用模板匹配或局部差分對(duì)比提取缺陷特征。局部缺陷是指簾線區(qū)間變化異?，F(xiàn)象，如胎冠裂紋[5]。使用基于傳統(tǒng)的圖像特征提取方法通常難以檢測(cè)到此類缺陷，需要基于圖像域變換的投影曲線形態(tài)來識(shí)別缺陷圖像特征。本次研究的橡膠輪胎內(nèi)部缺陷檢測(cè)算法主要根據(jù)以上三個(gè)缺陷類型進(jìn)行分類設(shè)計(jì)，橡膠輪胎內(nèi)部缺陷檢測(cè)基本流程如圖1所示。

2橡膠輪胎簾線缺陷檢測(cè)算法

應(yīng)該通過圖像分割技術(shù)將輪胎簾線骨架分離出來，方便后續(xù)提取簾線結(jié)構(gòu)。優(yōu)質(zhì)的簾線提取算法需要使輪胎簾線的橫向結(jié)構(gòu)連續(xù)不斷，同時(shí)簾線之間還要保持合理距離。實(shí)踐中常用OTSU閾值分割算法來隔離像素值深度較高的線點(diǎn)[6]。此算法可以簡(jiǎn)潔高效地分割圖像，基于圖像二值化理論對(duì)輪胎紋理進(jìn)行特征分離，其基本原理是先將圖像分類為前景類和背景類，并選擇適當(dāng)?shù)拈撝狄宰畲蠡愔g的差異，該方法關(guān)鍵在于閾值參數(shù)的確定。如果圖像的前景類和背景類的像素均值分別是10uu、，統(tǒng)計(jì)像素與圖像像素總數(shù)的比值分別為10ww、，假設(shè)確定的閾值為u，則圖像前景類和背景類之間的方差可通過下列公式計(jì)算211200σ−+−=uuwuuw)()(（2-1）可見，滿足σ最大時(shí)的u就是最理想的閾值，針對(duì)離散圖像采用迭代法求解。但實(shí)踐中使用OTSU算法出現(xiàn)簾線結(jié)構(gòu)圖像不清晰的問題。由于簾線橫向分布的不均勻性，該算法的全局閾值法誤差較大，不能反映輪胎簾線的局部結(jié)構(gòu)特征。因此，在執(zhí)行二值化之前可用OTSU算法計(jì)算圖像每列的最佳閾值，逐列提取輪胎簾線效果更好。此外還需要更準(zhǔn)確地估計(jì)輪胎簾線和交叉點(diǎn)之間的距離，本次研究使用一種簡(jiǎn)單的灰度校正方法來測(cè)量以胎側(cè)圖像像素為中心的每個(gè)像素，首先假設(shè)圖像窗口中的像素目標(biāo)值為G，當(dāng)前像素點(diǎn)P鄰域窗口NM×內(nèi)像素的平均值為u，則該窗口的乘性系數(shù)為uG，假設(shè)像素點(diǎn)P的原始像素值為0u，則修正像素值為uGu×0。按列迭代像素點(diǎn)P，重新賦值。在提取出簾線結(jié)構(gòu)特征后，就能檢測(cè)其中缺陷。例如可以掃描縱向間距以檢測(cè)論壇簾線是否存在稀疏缺陷（圖2）。為避免簾線提取過程中誤差較大，需要將閾值設(shè)為倍數(shù)度量。

3橡膠輪胎胎冠裂紋檢測(cè)算法

輪胎胎冠裂紋缺陷往往出現(xiàn)在等狹長(zhǎng)區(qū)域，輪胎X光圖像的部分像素點(diǎn)數(shù)值會(huì)沿裂紋方向突變。近年來，學(xué)術(shù)界基于裂紋形態(tài)學(xué)提出基于圖像域變換的投影曲線理論，分析投影曲線形態(tài)，從而提取圖像特征。因此，結(jié)合胎冠裂紋線性特征，如識(shí)別出線性結(jié)構(gòu)就可以確定存在胎冠裂紋。識(shí)別直線常用Radon變換函數(shù)[7]。Radon變換表示函數(shù)yxf),(在一條直線l，xcosθ+ysinθ=t方向的平行投影。t表示從原點(diǎn)到直線的垂直距離，θ表示直線與水平軸之間的夾角。Radon變換函數(shù)可以通過Dirac函數(shù)δ)(⋅進(jìn)行恒等變換：（3-1）因此，如果直線l的方向?yàn)棣?，則tR)(θ是參數(shù)t的積分函數(shù)，將其用于離散圖像灰度值空間yxf),(，得到沿θ方向的像素值累加值。一旦中心像素點(diǎn)被固定到圖像的局部窗口就可以使用投影變換的這個(gè)屬性得到距離區(qū)域中心點(diǎn)所有方向上的投影曲線，根據(jù)輪胎胎冠裂紋對(duì)應(yīng)的圖像像素值波動(dòng)大這一規(guī)律，投影曲線在裂紋處產(chǎn)生跳變，根據(jù)波峰．波谷理論就可以確定裂紋邊緣，通過投影變換將復(fù)雜的輪胎圖像特征識(shí)別問題轉(zhuǎn)換為投影曲線形態(tài)問題，通過近似直線),(''tlθ確定輪胎胎冠裂紋位置。xcos'θ+ysin'θ='t（3-2）'θ表示投影密度最大時(shí)的直線l與坐標(biāo)x軸的夾角方向。't表示投影密度最大時(shí)的原點(diǎn)到直線l的垂線距離，利用該算法檢測(cè)胎冠裂紋缺陷的實(shí)際效果見圖3。

4橡膠輪胎氣泡缺陷檢測(cè)算法

由于起泡缺陷的灰度值相對(duì)較高，在圖像高亮顯示，而且通常出現(xiàn)在輪胎胎側(cè)和胎肩部位。包含氣泡的輪胎的X光圖像顯示氣泡的對(duì)比度低于圖像的其余部分。所以可以先過濾圖像的最大值，以減少圖像其他部分對(duì)氣泡圖像的干擾[8]。選擇閾值進(jìn)行二值化處理，從輪胎X光圖像中提取氣泡缺陷圖像特征，進(jìn)行圖像開運(yùn)算，去除白噪聲，使缺陷的圖像特征更清晰，圖4為橡膠輪胎氣泡缺陷的圖像化檢測(cè)流程。首先，將橡膠輪胎的X光圖像分為大小為NM×的H個(gè)子圖像，并且對(duì)于所有子圖像執(zhí)行最大過濾[9]。首先在核函數(shù)中對(duì)所有像素灰度值進(jìn)行排序，將錨點(diǎn)處的像素值替換為其最大值。經(jīng)最大值濾波后圖像的平均灰度值為T。取兩個(gè)閾值21,MM,如果圖像中像素點(diǎn)a(x,y)的灰度值滿足關(guān)系a(x,Y)>1M,2),(MTyxa>−，則表示輪胎存在氣泡缺陷。為了更好地表征氣泡缺陷，需要選擇合適的閾值，對(duì)其進(jìn)行二值化，對(duì)圖像進(jìn)行開運(yùn)算，去除圖像中的白噪聲，突出缺陷區(qū)域。氣泡缺陷的圖像處理流程如圖5所示。遍歷圖像尋找限速為255的區(qū)域，判斷區(qū)域面積是否大于閾值，如果大于閾值則表示存在氣泡缺陷。由于脫層缺陷的圖像特征與氣泡缺陷類似，因此氣泡缺陷檢測(cè)算法也可以用于輪胎脫層缺陷檢測(cè)。

5橡膠輪胎內(nèi)部缺陷檢測(cè)算法的應(yīng)用分析

不同的橡膠輪胎內(nèi)部缺陷對(duì)應(yīng)的檢測(cè)算法不同，因此，需要結(jié)合多種算法，集成到缺陷檢測(cè)系統(tǒng)中，以有效檢測(cè)橡膠輪胎內(nèi)部缺陷。系統(tǒng)運(yùn)行環(huán)境決定了這些檢測(cè)算法的時(shí)間復(fù)雜度要求。本研究在分析缺陷特征類型的基礎(chǔ)上，提出了一套實(shí)際應(yīng)用于橡膠輪胎內(nèi)部缺陷檢測(cè)系統(tǒng)的圖像識(shí)別算法，具體檢測(cè)項(xiàng)目、檢測(cè)區(qū)域、檢測(cè)算法描述如表1所示。在實(shí)驗(yàn)室環(huán)境完成上述檢測(cè)算法的設(shè)計(jì)后，需要考慮將該算法應(yīng)用于各種輪胎圖像數(shù)據(jù)的效果。本次研究主要評(píng)價(jià)算法的兩個(gè)指標(biāo)：檢測(cè)準(zhǔn)確度和檢測(cè)執(zhí)行時(shí)間。為了評(píng)價(jià)檢測(cè)算法的準(zhǔn)確性，系統(tǒng)對(duì)本地存儲(chǔ)的150張具有不同缺陷特征的輪胎圖像進(jìn)行采樣，并統(tǒng)計(jì)每個(gè)算法的正誤檢測(cè)和平均執(zhí)行時(shí)間。測(cè)試結(jié)果表明，在設(shè)定的測(cè)試參數(shù)下各種缺陷檢測(cè)算法的準(zhǔn)確率均超過98%，執(zhí)行時(shí)間小于0.3s，滿足實(shí)際應(yīng)用要求。

6結(jié)論

綜上所述，本文主要研究?jī)?nèi)容是缺陷檢測(cè)算法的設(shè)計(jì)和驗(yàn)證，提出基于橡膠輪胎內(nèi)部缺陷特征分類的缺陷缺陷流程，以滿足不同輪胎圖像內(nèi)部缺陷實(shí)時(shí)檢測(cè)算法要求。詳細(xì)介紹基于紋理特征提取的胎側(cè)代碼結(jié)構(gòu)缺陷檢測(cè)算法和基于密度投影變換的胎冠裂紋檢測(cè)算法，并從不同方向給出系統(tǒng)算法的設(shè)計(jì)過程。實(shí)驗(yàn)結(jié)果表明，這些算法的檢測(cè)準(zhǔn)確率均達(dá)到98%以上，可以有效檢測(cè)適橡膠輪胎的各種內(nèi)部缺陷。

作者:韓建民 單位:廣饒縣計(jì)量測(cè)試檢定所