CN107230207A - 轮胎的检测方法及系统 - Google Patents

轮胎的检测方法及系统 Download PDF

Info

Publication number
CN107230207A
CN107230207A CN201710486460.3A CN201710486460A CN107230207A CN 107230207 A CN107230207 A CN 107230207A CN 201710486460 A CN201710486460 A CN 201710486460A CN 107230207 A CN107230207 A CN 107230207A
Authority
CN
China
Prior art keywords
tire
image
value
rim region
tyre rim
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710486460.3A
Other languages
English (en)
Other versions
CN107230207B (zh
Inventor
孙彪
李建峰
朱维宁
刘松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Meyer Optoelectronic Technology Inc
Original Assignee
Hefei Meyer Optoelectronic Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Meyer Optoelectronic Technology Inc filed Critical Hefei Meyer Optoelectronic Technology Inc
Priority to CN201710486460.3A priority Critical patent/CN107230207B/zh
Publication of CN107230207A publication Critical patent/CN107230207A/zh
Application granted granted Critical
Publication of CN107230207B publication Critical patent/CN107230207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种轮胎的检测方法及系统。该方法包括：获取轮胎子口区域的图像；根据轮胎子口区域的图像统计灰度直方图；根据灰度直方图计算二值化阈值；根据二值化阈值对轮胎子口区域的图像进行二值化处理，以得到二值图像；遍历二值图像以获得轮胎子口区域的轮廓特征；根据轮廓特征确定轮胎是否合格。本发明的轮胎的检测方法，能够快速和准确的检查轮胎子口区域存在的钢圈间隙过大、钢圈钢丝翘起等钢圈缺陷，以及子口区域钢圈外的异物杂质缺陷。

Description

轮胎的检测方法及系统
技术领域
本发明涉及轮胎检测技术领域，特别涉及一种轮胎的检测方法及系统。
背景技术
轮胎是机动车辆的主要动作执行部件之一，其稳定性和质量安全性直接决定着机动车辆的人员安全。由于轮胎的制作流程复杂性和工艺流程可能存在的不确定性，将可能存在钢丝分布不均、钢丝线游离和杂质带入等等缺陷。其中，轮胎子口区域位于整个轮胎的边缘区域，与轮毂接触起到轮胎密合固定作用，是由多股钢丝缠绕制成的钢圈与橡胶等组成，其质量直接影响轮胎的使用安全。X光机对轮胎进行透射成像后，能够获得轮胎内部钢丝和橡胶状态信息图像，包括子口区域的钢圈和橡胶图像信息，常见的子口区域缺陷包括钢圈间隙过大、钢圈翘起等缺陷，如图7所示。
相关技术中，依靠人工检查子口缺陷时，存在无法量化判断、效率低、以及存在疲劳漏判等问题。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种轮胎的检测方法，该方法能够快速和准确的检查轮胎子口区域存在的钢圈间隙过大、钢圈钢丝翘起等钢圈缺陷，以及子口区域钢圈外的异物杂质缺陷。
本发明的另一个目的在于提供一种轮胎的检测系统。
为了实现上述目的，本发明的第一方面的实施例公开了一种轮胎的检测方法，包括以下步骤：获取轮胎子口区域的图像；根据所述轮胎子口区域的图像统计灰度直方图；根据所述灰度直方图计算二值化阈值；根据所述二值化阈值对所述轮胎子口区域的图像进行二值化处理，以得到二值图像；遍历所述二值图像以获得轮胎子口区域的轮廓特征；根据所述轮廓特征确定所述轮胎是否合格。
根据本发明实施例的轮胎的检测方法，能够快速和准确的检查轮胎子口区域存在的钢圈间隙过大、钢圈钢丝翘起等钢圈缺陷，以及子口区域钢圈外的异物杂质缺陷。
另外，根据本发明上述实施例的轮胎的检测方法还可以具有如下附加的技术特征：
在一些示例中，所述轮胎子口区域的图像为X光图像。
在一些示例中，所述根据灰度直方图计算二值化阈值的步骤，包括：计算所述灰度直方图的最大灰度值和最小灰度值；根据所述最大灰度值和最小灰度值得到初始阈值；根据所述初始阈值得到所述轮胎子口区域的图像的前景和背景；分别计算所述前景的平均灰度值和所述背景的平均灰度值；根据所述前景的平均灰度值和所述背景的平均灰度值得到中间阈值；经过多次迭代后，如果相邻两次迭代得到的中间阈值相等，则将所述中间阈值作为所述二值化阈值。
在一些示例中，所述根据轮廓特征确定所述轮胎是否合格的步骤，包括：量化所述轮廓的标准值；比较所述轮廓特征和所述轮廓的标准值；如果所述轮廓特征和所述轮廓的标准值之间的差别大于预定值，则判定所述轮胎存在缺陷。
进一步地，当所述轮胎存在缺陷时，还包括：根据所述轮廓特征和所述轮廓的标准值的比较结果确定缺陷类型，其中，所述缺陷类型包括光圈间隙大、钢圈翘起和轮胎子口区域杂质。
本发明的第二方面的实施例公开了一种轮胎的检测系统，包括：获取模块，用于获取轮胎子口区域的图像；统计模块，用于根据所述轮胎子口区域的图像统计灰度直方图；二值化图像计算模块，用于根据所述灰度直方图计算二值化阈值；二值图像生成模块，用于根据所述二值化阈值对所述轮胎子口区域的图像进行二值化处理，以得到二值图像；特征提取模块，用于遍历所述二值图像以获得轮胎子口区域的轮廓特征；检测模块，用于根据所述轮廓特征确定所述轮胎是否合格。
根据本发明实施例的轮胎的检测系统，能够快速和准确的检查轮胎子口区域存在的钢圈间隙过大、钢圈钢丝翘起等钢圈缺陷，以及子口区域钢圈外的异物杂质缺陷。
另外，根据本发明上述实施例的轮胎的检测系统还可以具有如下附加的技术特征：
在一些示例中，所述轮胎子口区域的图像为X光图像。
在一些示例中，所述二值化图像计算模块用于：计算所述灰度直方图的最大灰度值和最小灰度值；根据所述最大灰度值和最小灰度值得到初始阈值；根据所述初始阈值得到所述轮胎子口区域的图像的前景和背景；分别计算所述前景的平均灰度值和所述背景的平均灰度值；根据所述前景的平均灰度值和所述背景的平均灰度值得到中间阈值；经过多次迭代后，如果相邻两次迭代得到的中间阈值相等，则将所述中间阈值作为所述二值化阈值。
在一些示例中，所述检测模块用于：量化所述轮廓的标准值；比较所述轮廓特征和所述轮廓的标准值；如果所述轮廓特征和所述轮廓的标准值之间的差别大于预定值，则判定所述轮胎存在缺陷。
进一步地，当所述轮胎存在缺陷时，所述检测模块还用于：根据所述轮廓特征和所述轮廓的标准值的比较结果确定缺陷类型，其中，所述缺陷类型包括光圈间隙大、钢圈翘起和轮胎子口区域杂质。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述的和/或附加的方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一个实施例的轮胎的检测方法的流程图；
图2是本发明一个实施例的轮胎的检测方法的详细流程图；
图3是本发明一个实施例的轮胎的检测方法中归一化直方图与阈值计算结果示意图；
图4a是存在钢圈间隙过大缺陷的图片二的值化效果示意图；
图4b是存在钢丝翘起过长缺陷的图片二的值化效果示意图；
图4c是钢圈附近存在异物杂质缺陷的图片二的值化效果示意图；
图5是本发明一个实施例的轮胎的检测方法中钢圈钢丝翘起特征提取的示意图；
图6是是本发明一个实施例的轮胎的检测系统的结构框图；
图7a是轮胎子口区域存在钢圈间隙过大缺陷的示意图；
图7b是轮胎子口区域存在钢圈翘起缺陷的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
以下结合附图描述根据本发明实施例的轮胎的检测方法及系统。
图1是根据本发明一个实施例的轮胎的检测方法的流程图。如图1所示，并结合图2，根据本发明一个实施例的轮胎的检测方法，包括如下步骤：
S101：获取轮胎子口区域的图像。
其中，轮胎子口区域的图像例如为轮胎子口区域的X光图像，轮胎子口区域的图像可表示为I0(x,y)，图像大小为H×W，其中H表示图像高度，W表示图像宽度。
S102：根据轮胎子口区域的图像统计灰度直方图。即：统计轮胎子口区域的图像的灰度直方图，其中，轮胎子口区域的图像的灰度值跨度为0～255，灰度直方图即统计从灰度值0到灰度值255的各个灰度值像素点个数，可表示为h(g)，其中0≤g≤255。
S103：根据灰度直方图计算二值化阈值。
具体地，包括：计算灰度直方图的最大灰度值和最小灰度值；根据最大灰度值和最小灰度值得到初始阈值；根据初始阈值得到轮胎子口区域的图像的前景和背景；分别计算前景的平均灰度值和背景的平均灰度值；根据前景的平均灰度值和背景的平均灰度值得到中间阈值；经过多次迭代后，如果相邻两次迭代得到的中间阈值相等，则将中间阈值作为二值化阈值。
例如：首先求解出最大灰度值和最小灰度值，分别记为gmax和gmin，令初始阈值为：
然后根据初始阈值θ0将轮胎子口区域的图像分割为前景和背景，分别求出前景和背景的平均灰度值Af和Ab，其值为：
令：
如果θk＝θk+1，则取θk为所求得到的二值化阈值，即θ＝θk，否则转到继续进行迭代。
需要说明的是，可以根据经验选择初始阈值以及迭代次数，通常设定初始阈值θ0时，将总的迭代次数限制在500～2000次，以避免不收敛的无限迭代下去。另外，归一化的直方图和计算的二值化阈值如图3所示。
S104：根据二值化阈值对轮胎子口区域的图像进行二值化处理，以得到二值图像。
例如：对输入图像I0(x,y)进行二值化处理得到二值图像I1(x,y)，其二值依据为：
如图4所示，为存在缺陷的图片经过迭代自适应二值化之后的二值特征图片，从左到右依次为存在钢圈间隙过大、钢丝翘起过长和钢圈附近异物杂质。
S105：遍历二值图像以获得轮胎子口区域的轮廓特征。
具体地说，通过边缘遍历即可获得所有的内外轮廓，其中内轮廓可认为是存在的疑似钢圈间隔，独立的小外轮廓可认为是疑似异物杂质。对于内轮廓，可以用Gw(i)表示第i个内轮廓的平均像素宽度，用Gh(i)表示第i个内轮廓的像素高度。对于独立的外轮廓我们用A(j)表示第j个独立外轮廓的像素面积，即疑似异物杂质的大小。
为了能够找到钢丝翘起，选取最大的轮廓即钢圈本体，其他轮廓全部去除以避免干扰。如图5所示，在二值图像中从左向右逐行遍历，对于完整钢圈边界存在像素值变化为255→0→255，其中0像素个数即为该行的钢圈像素宽度，若在该行存在多个钢圈边界则说明存在钢丝翘起。通过逐行遍历，即可完整的获得钢圈钢丝翘起特征，用Tw(k)表示第k个翘起钢丝的平均像素宽度，用Th(k)表示第k个翘起钢丝的像素高度。
S106：根据轮廓特征确定轮胎是否合格。进一步地，当轮胎存在缺陷时，还包括：根据轮廓特征和轮廓的标准值的比较结果确定缺陷类型，其中，缺陷类型包括光圈间隙大、钢圈翘起和轮胎子口区域杂质。
具体地，包括：量化轮廓的标准值；比较轮廓特征和轮廓的标准值；如果轮廓特征和轮廓的标准值之间的差别大于预定值，则判定轮胎存在缺陷。
例如：使用输入的横向像素比例系数和纵向比例系数来进行尺寸与像素转换，假设横向比例系数为0.5mm/pix(毫米/像素)，纵向比例系数为0.4mm/pix，那么假设平均宽度超过2mm，高度超过10mm的钢圈间隙即可认为是缺陷，则可转换为平均宽度像素4pix，高度25pix。
在实际应用中判别依据设定，例如钢圈间隙则通过内轮廓的平均像素宽度Gw(i)和平均像素高度Gh(i)来判断，异物杂质的通过独立小轮廓的等效像素面积A(j)来判断，而钢圈钢丝则依据翘起钢丝平均宽度Tw(k)和高度Th(k)来判断。经过量化判断后，如果存在缺陷，保存所有缺陷的轮廓信息和类型信息，并进行警报等相关处理。
该方法能够有效的提取子口钢圈和钢圈附近过渡区异物杂质特征，根据准确有效的二值化阈值求解，使用基于直方图的迭代阈值求解，从而能够不受图像灰度变化的影响很好实现阈值的自适应求解，进而准确提取特征。另外，针对不同的缺陷特征，为了能够准确的提取出目标特征，使用了轮廓搜索和横向边界查找的方法来进行特征提取。对于疑似钢圈间隙可通过内轮廓来提取，疑似异物杂质可通过独立的外轮廓来提取。而为了查找钢圈钢丝翘起，仅保留最大轮廓区域，去除其他干扰轮廓，以此通过横向查找边界变化来寻找钢圈钢丝翘起特征。此外，为了能够对不同缺陷进行量化判读，对钢圈间隙定义了平均像素宽度和像素高度，对异物杂质定义了等效像素面积特征，对钢丝翘起定义了平均像素宽度和像素高度，并利用横向和纵向像素比例系数来将缺陷判断尺寸范围换算到像素尺寸范围。
本发明实施例的轮胎的检测方法，能够快速和准确的检查轮胎子口区域存在的钢圈间隙过大、钢圈钢丝翘起等钢圈缺陷，以及子口区域钢圈外的异物杂质缺陷。
图6是根据本发明一个实施例的轮胎的检测系统的结构框图。如图6所示，根据本发明实施例的轮胎的检测系统600，包括：获取模块610、统计模块620、二值化图像计算模块630、二值图像生成模块640、特征提取模块650和检测模块660。
其中，获取模块610用于获取轮胎子口区域的图像。统计模块620用于根据所述轮胎子口区域的图像统计灰度直方图。二值化图像计算模块630用于根据所述灰度直方图计算二值化阈值。二值图像生成模块640用于根据所述二值化阈值对所述轮胎子口区域的图像进行二值化处理，以得到二值图像。特征提取模块650用于遍历所述二值图像以获得轮胎子口区域的轮廓特征。检测模块660用于根据所述轮廓特征确定所述轮胎是否合格。
在本发明的一个实施例中，所述轮胎子口区域的图像为X光图像。
在本发明的一个实施例中，所述二值化图像计算模块630用于：计算所述灰度直方图的最大灰度值和最小灰度值；根据所述最大灰度值和最小灰度值得到初始阈值；根据所述初始阈值得到所述轮胎子口区域的图像的前景和背景；分别计算所述前景的平均灰度值和所述背景的平均灰度值；根据所述前景的平均灰度值和所述背景的平均灰度值得到中间阈值；经过多次迭代后，如果相邻两次迭代得到的中间阈值相等，则将所述中间阈值作为所述二值化阈值。
在本发明的一个实施例中，所述检测模块660用于：量化所述轮廓的标准值；比较所述轮廓特征和所述轮廓的标准值；如果所述轮廓特征和所述轮廓的标准值之间的差别大于预定值，则判定所述轮胎存在缺陷。
进一步地，当所述轮胎存在缺陷时，所述检测模块660还用于：根据所述轮廓特征和所述轮廓的标准值的比较结果确定缺陷类型，其中，所述缺陷类型包括光圈间隙大、钢圈翘起和轮胎子口区域杂质。
本发明实施例的轮胎的检测系统，能够快速和准确的检查轮胎子口区域存在的钢圈间隙过大、钢圈钢丝翘起等钢圈缺陷，以及子口区域钢圈外的异物杂质缺陷。
需要说明的是，本发明实施例的轮胎的检测系统的具体实现方式与本发明实施例的轮胎的检测方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不做赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种轮胎的检测方法，其特征在于，包括以下步骤：
获取轮胎子口区域的图像；
根据所述轮胎子口区域的图像统计灰度直方图；
根据所述灰度直方图计算二值化阈值；
根据所述二值化阈值对所述轮胎子口区域的图像进行二值化处理，以得到二值图像；
遍历所述二值图像以获得轮胎子口区域的轮廓特征；
根据所述轮廓特征确定所述轮胎是否合格。
2.根据权利要求1所述的轮胎的检测方法，其特征在于，所述轮胎子口区域的图像为X光图像。
3.根据权利要求1所述的轮胎的检测方法，其特征在于，所述根据灰度直方图计算二值化阈值的步骤，包括：
计算所述灰度直方图的最大灰度值和最小灰度值；
根据所述最大灰度值和最小灰度值得到初始阈值；
根据所述初始阈值得到所述轮胎子口区域的图像的前景和背景；
分别计算所述前景的平均灰度值和所述背景的平均灰度值；
根据所述前景的平均灰度值和所述背景的平均灰度值得到中间阈值；
经过多次迭代后，如果相邻两次迭代得到的中间阈值相等，则将所述中间阈值作为所述二值化阈值。
4.根据权利要求1所述的轮胎的检测方法，其特征在于，所述根据轮廓特征确定所述轮胎是否合格的步骤，包括：
量化所述轮廓的标准值；
比较所述轮廓特征和所述轮廓的标准值；
如果所述轮廓特征和所述轮廓的标准值之间的差别大于预定值，则判定所述轮胎存在缺陷。
5.根据权利要求4所述的轮胎的检测方法，其特征在于，当所述轮胎存在缺陷时，还包括：根据所述轮廓特征和所述轮廓的标准值的比较结果确定缺陷类型，其中，所述缺陷类型包括光圈间隙大、钢圈翘起和轮胎子口区域杂质。
6.一种轮胎的检测系统，其特征在于，包括：
获取模块，用于获取轮胎子口区域的图像；
统计模块，用于根据所述轮胎子口区域的图像统计灰度直方图；
二值化图像计算模块，用于根据所述灰度直方图计算二值化阈值；
二值图像生成模块，用于根据所述二值化阈值对所述轮胎子口区域的图像进行二值化处理，以得到二值图像；
特征提取模块，用于遍历所述二值图像以获得轮胎子口区域的轮廓特征；
检测模块，用于根据所述轮廓特征确定所述轮胎是否合格。
7.根据权利要求6所述的轮胎的检测系统，其特征在于，所述轮胎子口区域的图像为X光图像。
8.根据权利要求6所述的轮胎的检测系统，其特征在于，所述二值化图像计算模块用于：
计算所述灰度直方图的最大灰度值和最小灰度值；
根据所述最大灰度值和最小灰度值得到初始阈值；
根据所述初始阈值得到所述轮胎子口区域的图像的前景和背景；
分别计算所述前景的平均灰度值和所述背景的平均灰度值；
根据所述前景的平均灰度值和所述背景的平均灰度值得到中间阈值；
经过多次迭代后，如果相邻两次迭代得到的中间阈值相等，则将所述中间阈值作为所述二值化阈值。
9.根据权利要求6所述的轮胎的检测系统，其特征在于，所述检测模块用于：
量化所述轮廓的标准值；
比较所述轮廓特征和所述轮廓的标准值；
如果所述轮廓特征和所述轮廓的标准值之间的差别大于预定值，则判定所述轮胎存在缺陷。
10.根据权利要求9所述的轮胎的检测系统，其特征在于，当所述轮胎存在缺陷时，所述检测模块还用于：根据所述轮廓特征和所述轮廓的标准值的比较结果确定缺陷类型，其中，所述缺陷类型包括光圈间隙大、钢圈翘起和轮胎子口区域杂质。
CN201710486460.3A 2017-06-23 2017-06-23 轮胎的检测方法及系统 Active CN107230207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710486460.3A CN107230207B (zh) 2017-06-23 2017-06-23 轮胎的检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710486460.3A CN107230207B (zh) 2017-06-23 2017-06-23 轮胎的检测方法及系统

Publications (2)

Publication Number Publication Date
CN107230207A true CN107230207A (zh) 2017-10-03
CN107230207B CN107230207B (zh) 2020-06-02

Family

ID=59936212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710486460.3A Active CN107230207B (zh) 2017-06-23 2017-06-23 轮胎的检测方法及系统

Country Status (1)

Country Link
CN (1) CN107230207B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711148A (zh) * 2018-05-11 2018-10-26 沈阳理工大学 一种基于深度学习的轮胎缺陷智能检测方法
CN109254021A (zh) * 2018-10-18 2019-01-22 合肥美亚光电技术股份有限公司 轮胎水平检测方法和轮胎水平检测装置
CN110220455A (zh) * 2019-06-06 2019-09-10 贵州轮胎股份有限公司 检测轮胎缠绕工艺参数的装置及方法
CN110827272A (zh) * 2019-11-13 2020-02-21 中国科学技术大学 一种基于图像处理的轮胎x光图像缺陷检测方法
CN111062912A (zh) * 2019-11-20 2020-04-24 杭州睿眼科技有限公司 一种轮胎断面关键目标的特征提取与检测定位方法
CN111213192A (zh) * 2017-10-31 2020-05-29 松下知识产权经营株式会社 双轮胎判定装置以及双轮胎判定方法
CN111862131A (zh) * 2020-07-31 2020-10-30 易思维（杭州）科技有限公司 胶条边缘检测方法及其应用
CN112365488A (zh) * 2020-11-24 2021-02-12 合肥工业大学 一种轮胎截面不同成分几何参数的检测系统及方法
CN113516608A (zh) * 2020-03-26 2021-10-19 合肥美亚光电技术股份有限公司 轮胎的缺陷检测方法和检测装置、轮胎检测设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081797A (zh) * 2010-12-30 2011-06-01 天津大学 应用于轮胎x光图像胎冠部位多带束层纹理分离方法
CN105335692A (zh) * 2014-08-15 2016-02-17 软控股份有限公司 一种轮胎x光图像检测识别方法及系统
CN105869135A (zh) * 2015-01-19 2016-08-17 青岛软控机电工程有限公司 轮胎缺陷的检测方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081797A (zh) * 2010-12-30 2011-06-01 天津大学 应用于轮胎x光图像胎冠部位多带束层纹理分离方法
CN105335692A (zh) * 2014-08-15 2016-02-17 软控股份有限公司 一种轮胎x光图像检测识别方法及系统
CN105869135A (zh) * 2015-01-19 2016-08-17 青岛软控机电工程有限公司 轮胎缺陷的检测方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
林丽红: ""轮胎X光检测机的图像处理算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
高鹏: ""基于X光图像的轮胎内部缺陷检测技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111213192A (zh) * 2017-10-31 2020-05-29 松下知识产权经营株式会社 双轮胎判定装置以及双轮胎判定方法
CN111213192B (zh) * 2017-10-31 2022-05-10 松下知识产权经营株式会社 双轮胎判定装置以及双轮胎判定方法
CN108711148A (zh) * 2018-05-11 2018-10-26 沈阳理工大学 一种基于深度学习的轮胎缺陷智能检测方法
CN108711148B (zh) * 2018-05-11 2022-05-27 沈阳理工大学 一种基于深度学习的轮胎缺陷智能检测方法
CN109254021B (zh) * 2018-10-18 2021-05-28 合肥美亚光电技术股份有限公司 轮胎水平检测方法和轮胎水平检测装置
CN109254021A (zh) * 2018-10-18 2019-01-22 合肥美亚光电技术股份有限公司 轮胎水平检测方法和轮胎水平检测装置
CN110220455A (zh) * 2019-06-06 2019-09-10 贵州轮胎股份有限公司 检测轮胎缠绕工艺参数的装置及方法
CN110220455B (zh) * 2019-06-06 2021-05-07 贵州轮胎股份有限公司 检测轮胎缠绕工艺参数的装置及方法
CN110827272A (zh) * 2019-11-13 2020-02-21 中国科学技术大学 一种基于图像处理的轮胎x光图像缺陷检测方法
CN110827272B (zh) * 2019-11-13 2022-09-02 中国科学技术大学 一种基于图像处理的轮胎x光图像缺陷检测方法
CN111062912A (zh) * 2019-11-20 2020-04-24 杭州睿眼科技有限公司 一种轮胎断面关键目标的特征提取与检测定位方法
CN111062912B (zh) * 2019-11-20 2023-05-26 杭州睿眼科技有限公司 一种轮胎断面关键目标的特征提取与检测定位方法
CN113516608A (zh) * 2020-03-26 2021-10-19 合肥美亚光电技术股份有限公司 轮胎的缺陷检测方法和检测装置、轮胎检测设备
CN113516608B (zh) * 2020-03-26 2024-03-26 合肥美亚光电技术股份有限公司 轮胎的缺陷检测方法和检测装置、轮胎检测设备
CN111862131B (zh) * 2020-07-31 2021-03-19 易思维（杭州）科技有限公司 胶条边缘检测方法及其应用
CN111862131A (zh) * 2020-07-31 2020-10-30 易思维（杭州）科技有限公司 胶条边缘检测方法及其应用
CN112365488A (zh) * 2020-11-24 2021-02-12 合肥工业大学 一种轮胎截面不同成分几何参数的检测系统及方法
CN112365488B (zh) * 2020-11-24 2022-10-14 合肥工业大学 一种轮胎截面不同成分几何参数的检测系统及方法

Also Published As

Publication number Publication date
CN107230207B (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN107230207A (zh) 轮胎的检测方法及系统
CN106251361B (zh) 一种钢轨表面缺陷图像自适应分割方法
US10990835B2 (en) Road sign recognition method and system
CN107705288B (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
CN111079747B (zh) 铁路货车转向架侧架断裂故障图像识别方法
CN102221559B (zh) 基于机器视觉的织物疵点在线自动检测方法及其装置
CN104851086B (zh) 一种针对缆索表面缺陷的图像检测方法
CN111652296A (zh) 一种基于深度学习的铁路货车下拉杆折断故障检测方法
CN108961307B (zh) 基于核相关滤波跟踪的圆形目标尺度自适应跟踪方法
CN103679656B (zh) 一种图像自动锐化方法
CN107944354B (zh) 一种基于深度学习的车辆检测方法
CN115578389A (zh) 一种沟槽mos器件的缺陷检测方法
CN114926407A (zh) 一种基于深度学习的钢材表面缺陷检测系统
CN102982323A (zh) 快速步态识别方法
CN107843818A (zh) 基于异源图像温升与局部放电特征高压绝缘故障诊断方法
CN113256624A (zh) 连铸圆坯缺陷检测方法、装置、电子设备及可读存储介质
CN114708325A (zh) 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法
CN116630813A (zh) 一种公路路面施工质量智能检测系统
CN114170165A (zh) 一种芯片表面缺陷检测方法和装置
CN114359190A (zh) 一种基于图像处理的塑料制品成型控制方法
CN113313107A (zh) 一种斜拉桥缆索表面多类型病害智能检测和识别方法
CN114565607B (zh) 基于神经网络的织物缺陷图像分割方法
CN112508883A (zh) 一种列车车轮踏面锥形孔检测的自适应缺陷识别方法
CN102788806A (zh) 基于类球形亮度变换的水果表面缺陷检测方法
CN116883446B (zh) 一种车载摄像头镜片碾磨程度实时监测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant