基于X光图像的轮胎杂质检测方法及装置.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CN107437243A(43)申请公布日2017.12.05(21)申请号201710462785.8(22)申请日2017.06.19(71)申请人中国科学院自动化研究所地址100080北京市海淀区中关村东路95号(72)发明人陈智能(74)专利代理机构北京瀚仁知识产权代理事务所(普通合伙)11482代理人郭文浩王世超(51)Int.Cl.G06T7/00(2017.01)G06T7/12(2017.01)权利要求书3页说明书9页附图3页(54)发明名称基于X光图像的轮胎杂质检测方法及装置(57)摘要本发明涉及一种基于X光图像的轮胎杂质检测方法及装置，所述检测方法包括：从数据库中获取多对样本信息，各所述样本信息分别包括X光轮胎原始图像及杂质标注信息；对所述原始图像进行区域分割，得到多个区域图像；根据杂质检测算法对各所述区域图像进行检测，确定在所述原始图像中的疑似杂质区域；分别从原始图像、区域分割过程中的中间处理图像中提取对应疑似杂质区域的杂质子图像；分别从各杂质子图像中提取多种视觉特征，形成特征向量集；基于机器学习方法，根据各特征向量集及杂质标注结果，建立杂质检测分类模型，通过杂质检测分类模型可实现对待测X光轮胎图像的有效检测判别，准确确定待测X光轮胎图像中是否存在杂质以及杂质标注信息。CN107437243ACN107437243A权利要求书1/3页1.一种基于X光图像的轮胎杂质检测方法，其特征在于，所述基于X光图像的轮胎杂质检测方法包括：从数据库中获取多对样本信息，各所述样本信息分别包括X光轮胎原始图像及杂质标注信息；对所述原始图像进行区域分割，得到多个区域图像，所述多个区域图像包括轮胎的胎侧图像、胎圈图像及胎冠图像；根据杂质检测算法对各所述区域图像进行检测，检测出所述原始图像中的疑似杂质区域；分别从所述原始图像、区域分割过程中的中间处理图像中提取对应所述疑似杂质区域的杂质子图像；分别从各所述杂质子图像中提取多种视觉特征，形成特征向量集；基于机器学习方法，根据各所述特征向量集及杂质标注结果，建立杂质检测分类模型，用于对待测X光轮胎图像进行检测判别，以确定待测X光轮胎图像中是否存在杂质以及杂质标注信息。2.根据权利要求1所述的基于X光图像的轮胎杂质检测方法，其特征在于，所述对所述原始图像进行区域分割，得到多个区域图像，具体包括：对所述原始图像依次进行高斯滤波、按列直方图均衡化，得到处理图像；根据明暗区域发现算法对处理图像按列运算，寻找出各列中的暗区域，并将各所述暗区域填充为白色；根据各列中暗区域的个数及当前列位置，确定所述原始图像中胎侧、胎圈及胎冠的边界线；根据各所述边界线，对对应的原始图像进行区域分割，获得左胎圈、左胎侧、胎冠、右胎侧和右胎圈五部分图像，其中，左胎圈和右胎圈、左胎侧和右胎侧在结构上对称。3.根据权利要求2所述的基于X光图像的轮胎杂质检测方法，其特征在于，所述根据明暗区域发现算法对图像按列运算，具体包括：根据如下公式，建立坐标方向积分图：其中S(x,y)表示积分图上(x,y)点坐标的积分值，P(x,y)表示处理图像素点(x,y)像素值，cols表示处理图像的宽度和rows表示处理图像的高度；设置暗区域检测半径R，对积分图采用列循环操作：在每一列中设当前检测半径内的平均灰度值为avenow；该像素点上方半径内的平均灰度值为aveup；像素点下方相同半径内的灰度均值为avedown；根据以下公式，确定如果当前灰度均值avenow小于上方灰度均值aveup减灰度阈值Const，且当前灰度均值avenow小于下方灰度均值avedown减所述灰度阈值Const，则所述当前检测半径内的区域为一个暗区域：avenow＜aveup-Const&&avenow＜avedown-Const。4.根据权利要求1所述的基于X光图像的轮胎杂质检测方法，其特征在于，所述根据杂2CN107437243A权利要求书2/3页质检测算法对各所述区域图像进行检测，具体包括：根据轮胎的结构特征确定分别对应轮胎胎侧图像、胎圈图像及胎冠图像的杂质检测算法；根据所述杂质检测算法对对应的区域图像进行检测，确定区域检测结果；将各所述区域检测结果的信息进行整合，确定疑似杂质区域在所述原始图像中大小、形态、灰度及位置信息。5.根据权利要求4所述的基于X光图像的轮胎杂质检测方法，其特征在于，所述根据杂质检测算法对各所述区域图像进行检测，还包括：对所述疑似杂质区域进行过滤，滤除部分非杂质区域。6.根据权利要求1所述的基于X光图像的轮胎杂质检测方法，其特征在于，所述分别从各所述杂质子图像中提取多种视觉特征，具体包括：将各所述杂质子图像缩放至设定尺寸，得到对应的缩放图像；分别从各所述缩放图像中