一种轮胎缺陷X光图像检测判级系统及方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115222654A(43)申请公布日2022.10.21(21)申请号202210528661.6(22)申请日2022.05.16(71)申请人贵州轮胎股份有限公司地址550008贵州省贵阳市云岩区百花大道41号申请人广州市埃恩斯丹工业装备有限公司(72)发明人殷光荣陈果饶兵苏向东齐宏伟(74)专利代理机构沈阳智龙专利事务所(普通合伙)21115专利代理师宋铁军王聪耀(51)Int.Cl.G06T7/00(2017.01)G06N3/08(2006.01)权利要求书3页说明书6页附图3页(54)发明名称一种轮胎缺陷X光图像检测判级系统及方法(57)摘要本发明涉及一种轮胎缺陷的检测判级系统及方法，该检测判级系统包括X光机，基于深度学习的AI自动判级系统，基于模式识别的自动判级系统，中央判级系统，人工复核端，本地显示器，MES系统和PLC系统，多台X光机的工控主机通过局域网连接到一起，每台X光机均与基于深度学习的AI自动判级系统、基于模式识别的自动判级系统和中央判级系统电信号连接，基于深度学习的AI自动判级系统和基于模式识别的自动判级系统分别与中央判级系统连接，中央判级系统分别与人工复核端、本地显示器、MES系统和PLC系统电信号连接。本发明解决现有方法存在检测标准不统一、判级结果差异大，以及识别率低等问题。CN115222654ACN115222654A权利要求书1/3页1.一种轮胎缺陷X光图像检测判级系统，其特征在于：该检测判级系统包括X光机(1)，基于深度学习的AI自动判级系统(2)，基于模式识别的自动判级系统(3)，中央判级系统(4)，人工复核端(5)，本地显示器(6)，MES系统(7)和PLC系统(8)，多台X光机(1)的工控主机通过局域网连接到一起，每台X光机(1)均与基于深度学习的AI自动判级系统(2)、基于模式识别的自动判级系统(3)和中央判级系统(4)电信号连接，基于深度学习的AI自动判级系统(2)和基于模式识别的自动判级系统(3)分别与中央判级系统(4)连接，中央判级系统(4)分别与人工复核端(5)、本地显示器(6)、MES系统(7)和PLC系统(8)电信号连接。2.一种如权利要求1所述的轮胎缺陷X光图像检测判级系统的判级方法，其特征在于：步骤一，轮胎经过X光机(1)的扫描站由扫描器获取到轮胎的条码信息；步骤二，轮胎进入X光机(1)的光机室得到轮胎X光图片；步骤三，轮胎的条码信息和X光图片同时保存在X光机(1)的工控主机的磁盘上；步骤四，每台X光机(1)检测的轮胎X光图片和条码信息分别通过局域网传输到基于深度学习的AI自动判级系统(2)、基于模式识别的自动判级系统(3)和中央判级系统(4)三套系统；步骤五，基于深度学习的AI自动判级系统(2)通过AI判级流程对X光图片进行“气泡”和“杂质”缺陷的判级；将判级结果传输给中央判级系统(4)，如果判级结果为“不合格”，则将缺陷位置和缺陷代码标注于X光图片的相应位置传输给中央判级系统(4)，如果判级结果为合格，则传输“合格”信息给中央判级系统(4)；步骤六，基于模式识别的自动判级系统(3)通过模式识别的判级流程对X光图片的特征进行缺陷的判级，将判级结果传输给中央判级系统(4)，如果判级结果为“不合格”，则将缺陷位置和缺陷代码标注于X光图片的相应位置传输给中央判级系统(4)；如果判级结果为合格，则传输“合格”信息给中央判级系统(4)；步骤七，中央判级系统(4)根据判级流程对相应的X光图片进行综合判级，如果综合判级结果为“合格”则此轮胎进入合格品通道，如果综合判级结果为“不合格”，则将不合格的缺陷位置和缺陷代码直接显示于本地显示器(6)，由人工复核端(5)判定是否为真正的缺陷；步骤八，如果人工复核端(5)复审结果为合格，则中央判级系统(4)直接控制PLC将轮胎输送至合格品通道，同时将图片和条码信息上传MES系统(7)；如果人工复核端(5)复审结果为不合格，则中央判级系统(4)直接控制PLC系统(8)将轮胎输送至不合格品通道，同时将图片、缺陷位置和条码信息上传到MES系统(7)。3.根据权利要求2所述的轮胎缺陷X光图像检测判级系统的判级方法，其特征在于：基于深度学习的AI自动判级系统(2)的AI判级流程为：a.基于深度学习的AI自动判级系统(2)通过局域网从X光机(1)工控主机获取到轮胎X光图片和对应的条码信息；b.基于深度学习的AI自动判级系统(2)的AI主机电脑将轮胎X光图片自动分成可识别的小图；c.AI主机电脑将这些小图分发给相应的运算单元组；d.各运算单元通过缺陷识别方法对小图进行识别；e.各运算单元将识别结果回传给AI主机电脑；2CN115222654A权利要求书2/3页f.AI主机电脑汇总所有运算