橡膠輪胎內部缺陷檢測技術淺析

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部缺陷檢測技術淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：輪胎的質量與道路交通安全有直接關系。因此，輪胎內部缺陷檢測成為國內外輪胎制造企業(yè)的普遍關注的問題。本文重點介紹基于X光圖像特征的橡膠輪胎內部缺陷技術，針對常見的橡膠輪胎內部缺陷特征探討基于紋理提取的X光輪胎內部缺陷圖像識別算法，經過應用分析證明算法的準確率均在98%以上，符合實際應用要求。

關鍵詞：橡膠輪胎；橡膠輪胎內部缺陷；缺陷監(jiān)測

圖像檢測算法橡膠輪胎內部缺陷的自動檢測已成為國內外輪胎制造企業(yè)共同關注的問題隨著數(shù)字圖像處理領域研究的進展，X射線檢測技術逐漸演變?yōu)橐环N新的輪胎缺陷檢測方法?，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別算法[1]。主要識別對象是自然界的各種圖像特征，識別效果較好。傳統(tǒng)的橡膠輪胎內部缺陷檢測主要采用上述算法，但橡膠輪胎圖像缺陷特征比較復雜，這些算法的精度無法滿足要求[2]。因此，開發(fā)適合我國橡膠輪胎實際生產情況的高性能、低成本、易操作的橡膠輪胎內部缺陷檢測技術顯得尤為迫切。

1橡膠輪胎內部缺陷檢測流程

橡膠輪胎制造過程中經常出現(xiàn)各種缺陷，利用X光獲取橡膠輪胎圖像特征，通過模板比對或濾波變換達到檢測缺陷的目的[3]。然而橡膠輪胎紋理特征變化較多同時不同規(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射線信號往往會被噪聲干擾，使得圖像灰度特征產生失真。橡膠輪胎內部缺陷特征主要包括結構缺陷、灰度缺陷和局部缺陷三類。其中結構缺陷包括輪胎簾線結構的異常變形，這種缺陷可以通過幾何信息，如簾線距離等圖像編碼來識別檢測[4]。灰度缺陷主要包括輪胎氣泡、雜質導致的圖像灰度值出現(xiàn)偏差、反轉等缺陷，灰度缺陷的檢測依據(jù)是灰度特征分布，可以利用模板匹配或局部差分對比提取缺陷特征。局部缺陷是指簾線區(qū)間變化異常現(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到此類缺陷，需要基于圖像域變換的投影曲線形態(tài)來識別缺陷圖像特征。本次研究的橡膠輪胎內部缺陷檢測算法主要根據(jù)以上三個缺陷類型進行分類設計，橡膠輪胎內部缺陷檢測基本流程如圖1所示。

2橡膠輪胎簾線缺陷檢測算法

應該通過圖像分割技術將輪胎簾線骨架分離出來，方便后續(xù)提取簾線結構。優(yōu)質的簾線提取算法需要使輪胎簾線的橫向結構連續(xù)不斷，同時簾線之間還要保持合理距離。實踐中常用OTSU閾值分割算法來隔離像素值深度較高的線點[6]。此算法可以簡潔高效地分割圖像，基于圖像二值化理論對輪胎紋理進行特征分離，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?shù)拈撝狄宰畲蠡愔g的差異，該方法關鍵在于閾值參數(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)計像素與圖像像素總數(shù)的比值分別為10ww、，假設確定的閾值為u，則圖像前景類和背景類之間的方差可通過下列公式計算211200σ−+−=uuwuuw)()(（2-1）可見，滿足σ最大時的u就是最理想的閾值，針對離散圖像采用迭代法求解。但實踐中使用OTSU算法出現(xiàn)簾線結構圖像不清晰的問題。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構特征。因此，在執(zhí)行二值化之前可用OTSU算法計算圖像每列的最佳閾值，逐列提取輪胎簾線效果更好。此外還需要更準確地估計輪胎簾線和交叉點之間的距離，本次研究使用一種簡單的灰度校正方法來測量以胎側圖像像素為中心的每個像素，首先假設圖像窗口中的像素目標值為G，當前像素點P鄰域窗口NM×內像素的平均值為u，則該窗口的乘性系數(shù)為uG，假設像素點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P，重新賦值。在提取出簾線結構特征后，就能檢測其中缺陷。例如可以掃描縱向間距以檢測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，需要將閾值設為倍數(shù)度量。

3橡膠輪胎胎冠裂紋檢測算法

輪胎胎冠裂紋缺陷往往出現(xiàn)在等狹長區(qū)域，輪胎X光圖像的部分像素點數(shù)值會沿裂紋方向突變。近年來，學術界基于裂紋形態(tài)學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，結合胎冠裂紋線性特征，如識別出線性結構就可以確定存在胎冠裂紋。識別直線常用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)(⋅進行恒等變換：（3-1）因此，如果直線l的方向為θ，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。一旦中心像素點被固定到圖像的局部窗口就可以使用投影變換的這個屬性得到距離區(qū)域中心點所有方向上的投影曲線，根據(jù)輪胎胎冠裂紋對應的圖像像素值波動大這一規(guī)律，投影曲線在裂紋處產生跳變，根據(jù)波峰．波谷理論就可以確定裂紋邊緣，通過投影變換將復雜的輪胎圖像特征識別問題轉換為投影曲線形態(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的直線l與坐標x軸的夾角方向。't表示投影密度最大時的原點到直線l的垂線距離，利用該算法檢測胎冠裂紋缺陷的實際效果見圖3。

4橡膠輪胎氣泡缺陷檢測算法

由于起泡缺陷的灰度值相對較高，在圖像高亮顯示，而且通常出現(xiàn)在輪胎胎側和胎肩部位。包含氣泡的輪胎的X光圖像顯示氣泡的對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氣泡圖像的干擾[8]。選擇閾值進行二值化處理，從輪胎X光圖像中提取氣泡缺陷圖像特征，進行圖像開運算，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流程。首先，將橡膠輪胎的X光圖像分為大小為NM×的H個子圖像，并且對于所有子圖像執(zhí)行最大過濾[9]。首先在核函數(shù)中對所有像素灰度值進行排序，將錨點處的像素值替換為其最大值。經最大值濾波后圖像的平均灰度值為T。取兩個閾值21,MM,如果圖像中像素點a(x,y)的灰度值滿足關系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，對其進行二值化，對圖像進行開運算，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，因此氣泡缺陷檢測算法也可以用于輪胎脫層缺陷檢測。

5橡膠輪胎內部缺陷檢測算法的應用分析

不同的橡膠輪胎內部缺陷對應的檢測算法不同，因此，需要結合多種算法，集成到缺陷檢測系統(tǒng)中，以有效檢測橡膠輪胎內部缺陷。系統(tǒng)運行環(huán)境決定了這些檢測算法的時間復雜度要求。本研究在分析缺陷特征類型的基礎上，提出了一套實際應用于橡膠輪胎內部缺陷檢測系統(tǒng)的圖像識別算法，具體檢測項目、檢測區(qū)域、檢測算法描述如表1所示。在實驗室環(huán)境完成上述檢測算法的設計后，需要考慮將該算法應用于各種輪胎圖像數(shù)據(jù)的效果。本次研究主要評價算法的兩個指標：檢測準確度和檢測執(zhí)行時間。為了評價檢測算法的準確性，系統(tǒng)對本地存儲的150張具有不同缺陷特征的輪胎圖像進行采樣，并統(tǒng)計每個算法的正誤檢測和平均執(zhí)行時間。測試結果表明，在設定的測試參數(shù)下各種缺陷檢測算法的準確率均超過98%，執(zhí)行時間小于0.3s，滿足實際應用要求。

6結論

綜上所述，本文主要研究內容是缺陷檢測算法的設計和驗證，提出基于橡膠輪胎內部缺陷特征分類的缺陷缺陷流程，以滿足不同輪胎圖像內部缺陷實時檢測算法要求。詳細介紹基于紋理特征提取的胎側代碼結構缺陷檢測算法和基于密度投影變換的胎冠裂紋檢測算法，并從不同方向給出系統(tǒng)算法的設計過程。實驗結果表明，這些算法的檢測準確率均達到98%以上，可以有效檢測適橡膠輪胎的各種內部缺陷。

作者:韓建民 單位:廣饒縣計量測試檢定所