一种可判别病疵等级的轮胎X光病疵检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110120035A(43)申请公布日2019.08.13(21)申请号201910309718.1G06N3/04(2006.01)(22)申请日2019.04.17G06N3/08(2006.01)(71)申请人杭州数据点金科技有限公司地址310026浙江省杭州市经济技术开发区白杨街道科技园路57号17幢1213-1218室9号工位(72)发明人丁启元陈金水范彬彬李莹杨颖(74)专利代理机构北京国昊天诚知识产权代理有限公司11315代理人施敬勃(51)Int.Cl.G06T7/00(2017.01)G06T5/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种可判别病疵等级的轮胎X光病疵检测方法(57)摘要本发明公开了一种可判别病疵等级的轮胎X光病疵检测方法。该方法包括数据标注、图像预处理、图像裁剪、搭建FasterR-CNN模型、初始化模型、将图像数据集分为训练集、验证集和测试集、基于所述测试集进行测试，检测图片类型。本发明通过可判别轮胎病疵等级的检测方法检测出轮胎的病疵等级，从而筛选出优质品、可用品、可修复品、残次品，从而进行相应的选择修复再投入使用，自动判别等级可减少人工判别的误判率、效率高。本发明克服了现有轮胎X光病疵检测方法的不足，解决了传统轮胎X光病疵检测方法需很强的先验知识来辅助提取有区分度特征，存在偶然性强，可靠性低，无法精确检测轮胎缺陷的问题。本发明的方法准确性高，利于准确监督轮胎质量，利于市场推广。CN110120035ACN110120035A权利要求书1/2页1.一种可判别病疵等级的轮胎X光病疵检测方法，包括步骤如下：S1、数据标注：将收集到的轮胎X光检测图片用LabelImg工具进行标注，标注出病疵位置、病疵类型和病疵等级，所述病疵位置标注时用方框标出，所述病疵类型可分为多种，标注文件的类型为xml文件；其中，所述病疵等级分为1：优质品；2：可用品；3：可修复；4：残次品；S2、图像预处理：将所述轮胎X光检测图片进行锐化处理得到预处理后的大图片；S3、图像裁剪：将大小是20000×1900的所述预处理后的大图片分为11张1900×1900的小图，将相应的坐标位置进行变换，改写记录所述病疵类型以及坐标的xml文件；S4、搭建FasterR-CNN(深度神经网络)模型：；S5、初始化所述FasterR-CNN模型：设置参数，所述参数包括输入图片后统一的大小、模型在SearchSelective(选择性搜索)阶段方框的大小与个数、模型训练的周期数；S6、将图像数据集分为训练集、验证集和测试集：划分原则是所述训练集占70％，所述验证集和所述测试集各占15％；S7、重复上述步骤S5、S6，可以训练得到多个模型，对所述多个模型进行测试分析，基于所述测试集进行测试，将所述轮胎X光检测图片输入模型，得到所述轮胎X光检测图片属于哪一种病疵类型以及病疵等级。2.根据权利要求1所述的可判别病疵等级的轮胎X光病疵检测方法，其特征在于，步骤S1中病疵类型包括：帘线稀疏、帘线弯曲、帘线重叠、零度散线、带束层稀线、杂质、胎侧气泡、胎冠气泡、成型开根、成型街头稀线、其他。3.根据权利要求1所述的可判别病疵等级的轮胎X光病疵检测方法，其特征在于，步骤S4中FasterR-CNN网络原模型主要包括四部分：1)Convlayers(卷积层)提取特征图，对于任意输入大小输入的图像，先将图像进行缩放，然后送入网络Convlayers(卷积网络层)，Convlayers(卷积网络层)中包含了13个conv层(卷积)，13个relu层(激活函数层)，4个pooling层(池化层)，用这些基础的层提取图片的featuremaps(特征图)，该featuremaps(特征图)被共享用于后续RPN层和全连接层；2)RPN(RegionProposalNetworks，区域选择网络)，经过3x3卷积，再分别生成foregroundanchors(前景窗口)与boundingboxregression(边框回归)偏移量，然后计算出proposals(候选框)；3)RoiPooling(侯选区域池化)层，利用proposals(候选框)从featuremaps(特征图)中提取proposalfeature(候选框特征)送入后续全连接和softmax(归一化指数函数)网络作classification(分类)；4)Classifier(分类器)，利用proposalfeaturemaps(候选框特征图)计算proposal(候选框)的类别，同时再次boundingboxregression(边框回归)获得检测框最终的精确位