CN108093647B - 用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备 - Google Patents
用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备 Download PDFInfo
- Publication number
- CN108093647B CN108093647B CN201580074725.8A CN201580074725A CN108093647B CN 108093647 B CN108093647 B CN 108093647B CN 201580074725 A CN201580074725 A CN 201580074725A CN 108093647 B CN108093647 B CN 108093647B
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- defect
- sample
- edg
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 303
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 60
- 238000011049 filling Methods 0.000 claims description 58
- 230000002950 deficient Effects 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 26
- 238000011084 recovery Methods 0.000 claims description 19
- 238000000465 moulding Methods 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 205
- 238000001914 filtration Methods 0.000 description 26
- 238000001514 detection method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000012360 testing method Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 239000011717 all-trans-retinol Substances 0.000 description 6
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 229910020899 PmOn Inorganic materials 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011045 prefiltration Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 238000004073 vulcanization Methods 0.000 description 2
- AXDJCCTWPBKUKL-UHFFFAOYSA-N 4-[(4-aminophenyl)-(4-imino-3-methylcyclohexa-2,5-dien-1-ylidene)methyl]aniline;hydron;chloride Chemical compound Cl.C1=CC(=N)C(C)=CC1=C(C=1C=CC(N)=CC=1)C1=CC=C(N)C=C1 AXDJCCTWPBKUKL-UHFFFAOYSA-N 0.000 description 1
- 206010011906 Death Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000013068 control sample Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
- G01M17/027—Tyres using light, e.g. infrared, ultraviolet or holographic techniques
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29D—PRODUCING PARTICULAR ARTICLES FROM PLASTICS OR FROM SUBSTANCES IN A PLASTIC STATE
- B29D30/00—Producing pneumatic or solid tyres or parts thereof
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Tires In General (AREA)
Abstract
用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备,该方法包括:接收基本无缺陷的参照轮胎的表面部分的参照图像;提供待分析的样本轮胎;用倾斜光源照射样本轮胎的表面部分;获取样本轮胎的被照射表面部分的样本图像;从参照图像和样本图像中提取边缘并且分别产生边缘参照图像和边缘样本图像;进行边缘参照图像的边缘的扩大并且由其产生扩大的边缘参照图像;相对于扩大的边缘参照图像比较边缘样本图像并且产生具有可能缺陷的边缘图像,具有可能缺陷的边缘图像包括包含在边缘样本图像中但不包含在扩大的边缘参照图像中的边缘;和将包含在具有可能缺陷的边缘图像中的边缘识别为可能缺陷。
Description
技术领域
本发明涉及用于在制造工序期间检测轮胎上的基本一维缺陷、例如切口或者薄伸出部的方法和设备,所述切口或者薄伸出部可能出现在轮胎的表面上。
背景技术
在轮胎制造工艺领域,已经意识到需要对轮胎自身实施质量控制,以为了防止将缺陷轮胎投放市场并且以便逐步调整所采用的机器,优化在制造工序中所实施的操作的执行。
已知质量控制包括例如,由专业操作员执行的质量控制,所述专业操作员花费预定时间(例如,介于30秒和60秒之间),以便对轮胎执行视觉和触觉分析。如果操作员根据他/她自己的经验和敏感性怀疑所分析的轮胎不符合具体质量标准,则该轮胎自身从生产线移除并且经受进一步更详细的控制,这可以通过操作员和/或通过适当的专用设备进行。
发明内容
在轮胎控制领域,本申请人通过光学获取数字图像以及后续数字图像进行处理已解决了检测轮胎表面上可能存在一维缺陷的问题。申请人发现,对于在制造轮胎的设备内采用“在线”控制而言,控制自身必须要精确,但同时必须以有限时间和有限成本执行。在这种背景下,处理算法的计算要求起到关键作用,原因在于当执行处理算法时,控制时间被不可接受地延长和/或计算能力使得控制不能实行。
通常通过比较待分析的样本轮胎和无缺陷参照轮胎检测轮胎上的缺陷:如果一元素在样本轮胎上存在,但在参照轮胎上不存在,则认为所述元素是缺陷。
然而,申请人发现,由于轮胎制造的若干固有变化性,并且特别是由于存在若干基本不可移除的元素,这样的比较复杂和/或非常不可靠,所述元素通常对轮胎性能不会造成负面影响,并且可能随着轮胎和位置而变化。这种元素不能归类为“缺陷”,例如可以是:
-由胎面模具的毗邻扇段之间的连结线导致的不连续部;
-由模具导致的表面瑕疵,模具在其使用期间会被弄脏,并且在这种瑕疵达到不再可接受的尺寸时必须被清洁;
-因存在空气出口而导致的具有圆形(或弧形)形式的起伏部,所述空气出口具有在模制期间允许空气流出(但不是复合物中的橡胶流出)的目的;
-不同区域中的带颜色的文字和线条,例如位于轮胎侧壁上的文字,所述带颜色的文字和线条在构造在成品轮胎中之前被模制在胎面带上并且在完成轮胎时仍然可见;
-胎面的凹槽内的寿命终止指示件(TWI=胎面磨损指示件);
-用于冬季轮胎的磨损指示件(被称为SWI=雪磨损指示件)。
另外,申请人发现,因为由不同制造商提供模具,甚至所使用的模具变化能够成为引发每个轮胎之间出现变化的原因,或者甚至在由同一制造商执行的供应方面中,模具因在不同时间段制造而包括固有变化性。例如,扇段之间的连结线可能位于利用不同模具获得的轮胎上的不同位置处;结果,在不同模具中,细分扇段可能不同,即,扇段之间的连结线的位置在利用不同模块获得的同一类型的轮胎之间可能不同。
最后,申请人还发现,通常用于实施比较的所获取的样本轮胎的样本图像和参照轮胎的参照图像之间的对准处理可能不是非常精确。在这种情况下,可能在所获取的样本图像和参照图像之间略微不同的位置中检测到同一元素(例如,因胎面模具的毗邻扇段之间的连结线导致的不连续部)。结果,比较操作可能检测到所述元素存在于样本轮胎上,而没有存在于参照轮胎上,因此产生了存在缺陷的虚假指示。
申请人因此解决了以可靠方式控制和检测缺陷存在的技术问题,从而尽可能地过滤掉虚假警报的产生,特别地由正常制造工序引发的每个轮胎之间的固有变化性产生的虚假警报。
申请人发现,通过从所获取的样本轮胎(即,待分析的轮胎)的表面的图像提取的边缘和从参照轮胎(即,无缺陷轮胎)的表面的图像提取和扩大的边缘之间的适当比较,可以解决这样的问题。特别地,所获取的参照轮胎的表面的图像的边缘的扩大操作允许补偿上述固有变化性的影响,从而使得缺陷检测程序尤为可靠。
申请人还发现,通过适当恢复在所获取的样本轮胎表面的图像上检测到的边缘部分,可以使轮胎上存在的缺陷的检测更为可靠,所述边缘部分位于所获取的样本轮胎的表面的图像的扩大边缘附近。
在图像中物体的术语“边缘”指的是物体和背景之间或者一个物体和另一个物体之间的分隔线(不必是直线)或者分隔曲线(开放或者闭合)。
图像边缘的术语“扩大”指的是位于这种边缘附近的图像部分自身也被分配给所考虑的边缘,从而获得“厚度”大于起始边缘的厚度的边缘。
根据第一方面,本发明涉及一种用于在轮胎制造工序中检测轮胎上的缺陷的方法。
该方法包括:
a)接收基本无缺陷的参照轮胎的表面部分的参照图像;
b)提供待分析的样本轮胎;
c)用圆周倾斜光源照射样本轮胎的表面部分;
d)获取样本轮胎的被照射表面部分的样本图像;
e)从参照图像和样本图像中提取边缘并且分别产生边缘参照图像和边缘样本图像,所述边缘参照图像包括包含在参照图像中的边缘,所述边缘样本图像包括包含在样本图像中的边缘;
f)扩大边缘参照图像的边缘并且由其产生扩大的边缘参照图像;
g)比较边缘样本图像与扩大的边缘参照图像,并且产生具有可能缺陷的边缘图像,所述具有可能缺陷的边缘图像包括包含在边缘样本图像中、但不包含在扩大的边缘参照图像中的边缘;
h)识别包含在具有可能缺陷的边缘图像中的边缘作为可能缺陷。
优选地,用于检测轮胎上的缺陷的方法还包括:
i)从具有可能缺陷的边缘图像中选择第一边缘,在边缘样本图像中识别对应于所选择的第一边缘的第一对应边缘,并且验证在边缘样本图像中存在第二边缘的至少一个部分,其中,第二边缘的一部分位于第一对应边缘的至少一个部分附近;
j)产生具有恢复的可能缺陷的边缘图像,所述具有恢复的可能缺陷的边缘图像包括具有可能缺陷的边缘图像的边缘并且包括被识别的第二边缘;
k)针对具有可能缺陷的边缘图像的其它第一边缘重复前述步骤i)至j);
l)将包含在具有恢复的可能缺陷的边缘图像中的边缘识别为缺陷。
根据第二方面,本发明涉及一种在轮胎生产线中检测轮胎上的缺陷的设备。所述设备包括:
-支撑与运动构件,所述支撑与运动构件具有支撑件,所述支撑件适于支撑样本轮胎并且使其围绕其旋转轴线旋转;
-光源,所述光源构造成发射光辐射,用于在其旋转期间倾斜照射样本轮胎的表面的一部分;
-至少一个摄像机,所述摄像机构造成获取在其旋转期间样本轮胎的被照射表面部分的样本图像;
-存储器,所述存储器构造成存储基本无缺陷的参照轮胎的表面部分的参照图像;
-处理单元,所述处理单元构造成:
▪接收样本轮胎的被照射表面部分的样本图像;
▪从参照图像和样本图像中提取边缘并且分别产生边缘参照图像和边缘样本图像,所述边缘参照图像包括包含在参照图像中的边缘,所述边缘样本图像包括包含在样本图像中的边缘;
▪执行边缘参照图像的边缘的扩大并且由其产生扩大的边缘参照图像;
▪比较边缘样本图像与扩大的边缘参照图像,并且产生具有可能缺陷的边缘图像,所述具有可能缺陷的边缘图像包括包含在边缘样本图像中、但不包含在扩大的边缘参照图像中的边缘;
▪将包含在具有可能缺陷的边缘图像中的边缘识别为可能缺陷。
优选地,用以检测轮胎上的缺陷的设备的处理单元还构造成:
▪从具有可能缺陷的边缘图像中选择第一边缘,在边缘样本图像中识别对应于所选择的第一边缘的第一对应边缘,并且验证在边缘样本图像中存在第二边缘的至少一个部分,其中,第二边缘的一部分位于第一对应边缘的至少一个部分附近;
▪产生具有恢复的可能缺陷的边缘图像,所述具有恢复的可能缺陷的边缘图像包括具有可能缺陷的边缘图像的边缘并且包括所述其它边缘;
▪针对具有可能缺陷的边缘图像的其它第一边缘重复第一边缘的所述选择、所述识别、所述验证和所述产生;
▪将包含在具有恢复的可能缺陷的边缘图像中的边缘识别为缺陷。
申请人发现,有利的是,在步骤i)中通过计算属于第一对应边缘的点与属于第二边缘的点之间的距离而测量第二边缘相对于第一对应边缘的接近度。因此,在步骤i)中,计算第一对应边缘与第二边缘之间的接近度包括通过测量属于第一对应边缘的点与属于第二边缘的点之间的距离而测量多个距离并且包括识别所测量的多个距离之中的最小距离;另外,在步骤i)中,如果最小距离小于或者等于距离阈值,则进行存在第二边缘的所述验证。
申请人发现,有利的是,在步骤i)中通过进一步考虑第一对应边缘和第二边缘的方向而测量第一对应边缘与第二边缘之间的接近度;以这种方式,降低了在由不是从相同边缘获得的第二边缘替代第一对应边缘的过程中犯错误的可能性。
在这种情况下,步骤i)包括:
i1)使得限定为基本垂直于所考虑的边缘的平均方向的方向的取向与边缘样本图像缺陷的每个第一对应边缘相关联;
i2)使得限定为基本垂直于所考虑的边缘的平均方向的方向的取向与边缘样本图像的每个第二边缘相关联;
i3)验证第一对应边缘的取向是否基本平行于所选择的第二边缘的取向;
并且其中,如果步骤i3)中的验证结果是肯定的,则执行步骤j)中的所述产生。
申请人还发现,在具有恢复的可能缺陷的边缘图像中不仅可能存在具有可能缺陷的边缘,而且(在步骤i)和j))中还可以再添加样本轮胎的非缺陷元素的部分,必须消除所述部分,以便防止它们被错误地认为是具有可能缺陷的边缘。
在这种情况下,该方法还包括在步骤k)之后,实施以下步骤:
-接收具有恢复的可能缺陷的边缘图像;
-识别具有恢复的可能缺陷的边缘图像中非缺陷元素的存在;
-消除被识别的非缺陷元素。
本申请人还发现,图像的边缘的特定处理允许识别具有足够大的长度值的边缘作为缺陷。在这种情况下,该方法的步骤l)包括:
l1)从具有恢复的可能缺陷的边缘图像选择边缘并且产生分别居中位于属于所选择的边缘的多个不同点上的边缘测量轮廓,所述多个边缘测量轮廓与相应的多个值相关,根据分别居中位于所述多个点上的样本图像的相应部分的光强度值计算所述相应的多个值;
l2)从所述多个边缘测量轮廓选择边缘测量轮廓并且根据所选择的边缘测量轮廓的趋势识别可能缺陷点;
l3)针对所选择的边缘的其它边缘测量轮廓重复步骤l2);
l4)针对边缘样本图像的其它边缘重复步骤l1)至l3);
l5)从具有恢复的可能缺陷的边缘图像选择边缘并且计算属于所选择的边缘的可能缺陷点的数量;
l6)如果所述可能缺陷点的数量大于缺陷阈值,则标记所选择的边缘为缺陷;
l7)针对从具有恢复的可能缺陷的边缘图像选择的其它边缘重复步骤l5)至l6);
l8)产生测量边缘图像,所述测量边缘图像包括标记为缺陷的边缘;
l9)将包含在测量边缘图像中的边缘识别为缺陷。
为了简化计算程序,同时防止将存在于样本轮胎的胎面上的凹槽识别为缺陷或者因光变化而导致产生虚假缺陷,该方法在步骤d)和e)之间包括以下步骤d1):产生填充的样本图像,所述填充的样本图像通过填充代表存在于样本轮胎的胎面上的凹槽的样本图像的部分而获得;和产生填充的参照图像,所述填充的参照图像通过填充代表存在于参照轮胎的胎面上的凹槽的参照图像的部分而获得。另外,步骤e)执行从所述填充的参照图像和所述填充的样本图像提取边缘的操作并且产生边缘参照图像和边缘样本图像,所述边缘参照图像包括包含在所述填充的参照图像中的边缘,所述边缘样本图像包括包含在所述填充的样本图像中的边缘。
术语“填充”指的是用如下的部分替代代表胎面的凹槽的样本图像部分或者参照图像部分,所述部分具有预定的或者根据毗邻所考虑的凹槽的部分中的光强度值计算的光强度值。
优选地,如果具有足够长度的边缘的识别通过产生多个边缘测量轮廓而获得并且另外还进行存在于胎面上的凹槽的填充,则在步骤l1)中,根据分别居中位于多个点上的填充样本图像的相应部分的光强度值计算与相应多个计算的值相关联的多个边缘测量轮廓。
可以使用不同标准在步骤l2)中识别可能缺陷点。
例如,第一标准允许通过分析光强度的最大值和最小值的分布来减小计算成本。
根据第一标准,步骤l2)还包括:
l2.1)计算所选择的边缘测量轮廓的中央部分的值的最小值并存储像素的相应位置;
l2.2)计算所选择的边缘测量轮廓的中央部分的值的最大值并存储像素的相应位置;
l2.3)如果对应于最大值的像素的位置位于对应于最小值的像素的位置之后,则将所选择的边缘测量轮廓居中所处的点识别为可能缺陷点;
l2.4)如果对应于最大值的像素的位置位于对应于最小值的像素的位置之前,则将所选择的边缘测量轮廓居中所处的点识别为非缺陷点;
另一个标准允许考虑图像获取工序的光强度的标准变化性。
根据这个标准,步骤l2)还包括:
l2.1)计算所选择的边缘测量轮廓的中央部分的值的最小值;
l2.2)计算所选择的边缘测量轮廓的中央部分的值的最大值;
l2.3)计算代表所选择的边缘测量轮廓的侧部分的值的第一值和第二值;
l2.4.1)如果最小值大于第一值和第一侧阈值之和且大于第二值和第二侧阈值之和,则识别所选择的边缘测量轮廓居中所处的点为非缺陷点;
l2.4.2)如果最小值小于第一值和第一侧阈值之和且小于第二值和第二侧阈值之和,则识别所选择的边缘测量轮廓居中所处的点为缺陷点;
l2.5.1)如果最大值小于第一值和第三侧阈值之和且小于第二值和第四侧阈值之和,则识别所选择的边缘测量轮廓居中所处的点为非缺陷点;
l2.5.2)如果最大值大于第一值和第三侧阈值之和且大于第二值和第四侧阈值之和,则识别所选择的边缘测量轮廓居中所处的点为缺陷点(Ppd-j)。
另一标准允许考虑具有不可忽视的厚度、忽略的划痕或者小孤立孔的缺陷。
根据这个标准,步骤l2)还包括:
l2.1)计算代表所选择的边缘测量轮廓的侧部分的值的第一值和第二值;
l2.2)计算具有小于第一值和第一厚度阈值之和的值且具有小于第二值和第一厚度阈值之和的值的所选择的边缘测量轮廓的像素的数量;
l2.3)计算具有大于第一值和第二厚度阈值之和的值且具有大于第二值和第二厚度阈值之和的值的所选择的边缘测量轮廓的像素的数量;
l2.4.1)如果步骤l2.2)、l2.3)中计算的像素的数量之和小于第三厚度阈值,则识别所选择的边缘测量轮廓居中所处的点为非缺陷点;
l2.4.2)如果步骤l2.2)、l2.3)中计算的像素的数量之和大于或者等于第三厚度阈值,则识别所选择的边缘测量轮廓居中所处的点为缺陷点。
优选地,缺陷阈值等于从具有恢复的可能缺陷的边缘图像选择的边缘的长度的百分比。
优选地,该方法还包括在步骤d)和e)之间从样本图像和参照图像过滤掉带颜色文字和线条的步骤。
优选地,执行样本图像的补偿;这允许增强样本图像的对比并且有助于从样本图像提取边缘的后续处理。
在这种情况下,该方法还包括在步骤d)和e)之间执行样本图像亮度的补偿的步骤。
该方法和设备可以用于检测样本成品轮胎或者生轮胎(即,在制造工序中还没有接受硫化处理的轮胎)的外表面的部分上的基本一维切口。
特别地,该方法和设备可以用于检测胎面和外胎肩的表面的部分上(即,包括在胎面的外部区域和侧壁之间的弯曲表面)的基本一维切口。
在样本生轮胎的情况下,可以分析生轮胎的胎冠处的外表面(即,在胎面的区域中),所述外表面不具有胎面设计,因此为基本平滑的。
根据本发明的第二方面,用以检测轮胎上的缺陷的设备的处理单元进一步构造成:
▪从具有恢复的可能缺陷的边缘图像选择边缘并且产生分别居中位于属于所选择的边缘的多个不同点上的多个边缘测量轮廓,所述多个边缘测量轮廓与相应的多个值相关,根据分别居中位于所述多个点上的样本图像的相应部分的光强度值计算所述相应的多个值。
▪从多个边缘测量轮廓选择边缘测量轮廓并且根据选择的边缘测量轮廓的趋势识别可能缺陷点。
▪针对所选择的边缘的其它边缘测量轮廓重复可能缺陷点的识别;
▪针对具有恢复的可能缺陷的边缘图像的其它边缘重复可能缺陷点的识别;
▪从具有恢复的可能缺陷的边缘样本图像选择边缘并且计算属于所选择的边缘的可能缺陷点的数量;
▪如果所述可能缺陷点的数量大于缺陷阈值,则将所选择的边缘标记为缺陷;
▪针对从具有恢复的可能缺陷的边缘图像选择的其它边缘重复可能缺陷点的数量的计算以及所选择的边缘的标记:
▪产生测量边缘图像,所述测量边缘图像包括被标记为缺陷的边缘。
优选地,用以检测缺陷的设备包括屏幕,所述屏幕构造成显示被标记为缺陷的边缘的表示。
根据第三方面,本发明涉及一种计算机程序,所述计算机程序包括软件代码部分,当所述程序在至少一个计算机上运行时,所述软件代码部分适于执行根据本发明的第一方面的方法的至少步骤e)至l)。
根据第四方面,本发明涉及一种用于制造轮胎的工艺。该工艺包括以下操作:
-构造生轮胎;
-模制和硫化生轮胎;
-根据本发明的第一方面的方法控制生轮胎和/或硫化轮胎;
根据第五方面,本发明涉及一种轮胎生产线。该轮胎生产线包括:
-加工站;
-模制与固化加工站;
-控制站,所述控制站包括用以根据本发明的第二方面检测离开所述加工站和/或所述模制与固化站的轮胎上的缺陷的设备。
附图说明
参照附图,从以示例方式给出的优选实施例及其变形的以下描述中本发明的其它特征和优势将变得更加清晰,在所述附图中:
图1A至图1B示意性示出了根据本发明的一个实施例的轮胎生产线;
图2示出了根据本发明的实施例的用以在轮胎生产线中检测轮胎上的缺陷的设备的框图;
图3A至图3G示出了根据本发明的第一、第二和第三实施例的由用以检测轮胎上的缺陷的设备的处理单元执行的方法的流程图;
图4A至图4C更加详细地示出了根据本发明的第一、第二和第三实施例的用以检测轮胎上的缺陷的设备的处理单元;
图5A示出了居中位于属于样本轮胎的表面部分上的切口的点上的边缘测量轮廓;
图5B示出了居中位于属于样本轮胎的表面部分上的非缺陷元素的点上的边缘测量轮廓;
图6A至图6G示出了通过根据本发明的第一实施例的用于检测缺陷的方法获取的样本轮胎的表面部分的图像。
具体实施方式
应发现的是,在本说明书中,用相同的附图标记表示附图中示出的相同或者类似的框、部件或者模块。
参照图1A,示出了根据本发明的一个实施例的轮胎生产线1。
该生产线1包括加工站10、模制与固化站20、控制站30并且优选还包括验证站40。
以连续循环处理轮胎,所述轮胎依序通过加工站10、模制与固化站20、控制站30以及可能的验证站40。
加工站10执行生轮胎构建操作。
模制与固化站20从加工站10接收生轮胎,然后通过模具进行轮胎模制操作,并且继而进行硫化操作,从而获得成品轮胎。
控制站30从模制与固化站20接收成品轮胎并且进行控制成品轮胎以便检测在其上可能存在的基本一维缺陷的操作,如将在下文更加详细描述的那样。
在下文中,在说明书和权利要求书中,接受验证以便检测可能存在的基本一维缺陷的成品轮胎将被称作“样本轮胎”。
基本一维缺陷指的是几何形式为大体直线或者曲线开放线(或者由一组曲线段形成)的缺陷,其中,第一尺寸(典型为“长度”)的值远大于第二尺寸的值(例如,“宽度”)。
特别地,基本一维缺陷可以是切口,即,样本成品轮胎的表面上的窄开口,该窄开口由例如在橡胶的两种材料之间滑动或者没有完全封闭的橡胶的复合物引起。
优选地,如果切口基本为直线,则其相对于由样本轮胎的旋转轴线限定的方向形成介于大约0度和大约45度之间的角度;换言之,切口可以具有轴向方向或者其可以相对于轴向方向形成小于或者等于大约45度的角度。
例如,切口的宽度介于大约0.2毫米和大约0.5毫米之间,其(在直线形式情况下)长度介于大约1毫米和大约3毫米之间。
基本一维缺陷还可以是相对于样本轮胎的考虑部分的表面的薄伸出部,所述薄伸出部的厚度远远小于其长度。
优选地,控制站30设计成产生测试结果信号Set1,所述测试结果信号代表针对样本成品轮胎所实施的控制操作的结果。例如,测试结果信号Set1可以拥有以下值:
-“良好”指的是样本成品轮胎缺乏基本一维缺陷并且因此能够投放市场;
-“重新加工”指的是样本成品轮胎具有小尺寸的基本一维缺陷,该基本一维缺陷可以通过进一步处理改正,并且继而能够将其投放市场;
-“缺陷”指的是样品成品轮胎具有大尺寸的基本一维缺陷,因此所述样本成品轮胎必须抛弃,不能被投放市场。
如果测试结果信号Set1拥有“良好”值,则样本成品轮胎在生产线1中前进至后续站;例如,样本成品轮胎被保存在仓库中。
如果测试结果信号Set1拥用“缺陷”值或者“重新加工”值,则从控制站30卸载样本成品轮胎并且将其装载到验证站40中。
优选地,如果测试结果信号Set1拥有“缺陷”值或者“重新加工”值,则控制站30设计成产生这样的图像(例如,二维,即,照片),所述图像代表样本轮胎的具有小尺寸或者大尺寸的所述基本一维缺陷的部分。在这种情况下,生产线1还包括用于显示包含基本一维缺陷的图像的屏幕。
验证站40从控制站30接收样本成品轮胎,所述样本成品轮胎认为有缺陷并且例如由专业操作员进行验证有缺陷的样本成品轮胎的进一步操作。优选地,验证站40设计成产生第二测试结果信号Set2,所述第二测试结果信号代表对样本成品轮胎的控制操作的结果。例如,第二测试结果信号Set2可以拥有以下值:
-良好:指的是样本成品轮胎缺乏基本一维缺陷并且因此能够投放市场;
-重新加工:指的是样本成品轮胎具有小尺寸的基本一维缺陷,可以通过进一步处理改正该基本一维缺陷并且继而能够将其投放市场;
-缺陷:指的是样品成品轮胎具有大尺寸的基本一维缺陷,因此所述样本成品轮胎必须抛弃,不能被投放市场。
应发现的是,验证站40的存在以及加工站10和模制/固化站20的存在对于实施本发明而言不是必要的。例如,可以不存在验证站40,被认为有缺陷的样本成品轮胎从其卸载并被抛弃。
根据图1B中示出的本发明的实施例的变形,生产线1-1设计成进一步允许控制样本生轮胎上基本一维缺陷的存在。
在这种情况下,生产线1-1包括第二控制站30-1,所述第二控制站插置在加工站10和模制与固化站20之间。
第二控制站30-1的功能与控制站30的功能类似,其不同之处在于所述第二控制站设计成执行样本生轮胎上(而非样本成品轮胎上)基本一维缺陷的存在的控制。
控制站30包括用以检测样本成品轮胎上的基本一维缺陷的设备100。
在一个实施例中,在图2中用框图示出了设备100。
设备100包括支撑与运动构件101,所述支撑与运动构件具有支撑样本轮胎103并且使其围绕其旋转轴线旋转的功能。
设备100还包括光源131和摄像机141。
光源131设计成发射光辐射Rd,以便沿着倾斜方向,优选地沿着圆周方向照射样本成品轮胎103的表面的至少一部分;这允许在样本轮胎103的被分析表面上区别由于样本轮胎103的非缺陷元素而具有起伏部的区域与由于必须认为是缺陷的切口而具有空腔的区域,如将在下文更加详细解释的那样。
类似地,具有圆周倾斜方向的光辐射Rd允许在样本轮胎103的被分析表面上区别由于样本轮胎103的非缺陷元素而具有起伏部的区域与具有必须认为是缺陷的薄伸出部的区域。
术语“倾斜”方向指的是光辐射Rd具有光束,所述光束沿着具有基本切向于样本成品轮胎103的待分析表面部分的方向的直线传播。
术语“圆周方向”指的是光辐射Rd的光束的方向基本切向于由样本轮胎103的胎面表面限定的圆周的点,其中,所述胎面表面围绕样本轮胎103的旋转轴线延伸,如图2中光辐射Rd相对于圆周103的方向示意性所示的那样。
发射的光辐射Rd可以是非相干白色可见光或者相干窄带光(例如,激光)。
摄像机141设计成通过检测由所述表面部分反射的光辐射Rr获取由光源131照射的成品轮胎的表面部分的数字图像。
在本说明书中,“数字图像”指的是数据集合,所述数据集合典型包含在计算机文件中,其中,空间坐标(每个空间坐标典型对应于像素)的有限集合(典型为二维的或者一般为矩阵,例如,N行×M列)的每个坐标与数值的对应集合相关联。
例如,在单色图像中(诸如灰度级图像)中,这种值集合与有限级的单个值相一致,这种值代表相应空间坐标的光强度的水平。光强度指的是每单位表面面积的光学功率(还称作发光度),以W/m2测量。
在彩色图像中,值集合代表原色的光强度的水平。在RGB彩色模型中,存在三个值,所述三个值代表红色、绿色和蓝色分量的光强度。在CMYK代码中,存在四个值,所述四个值代表蓝绿、洋红、黄色和黑色分量。在HSV代码中,存在三个值,所述三个值代表色度、饱和度和强度值等三个参数。
特别地,摄像机141设计成产生采集信号,所述采集信号承载代表样本轮胎103的表面部分的所获取的图像的值,这将在下文用样本图像Icmp表示
图6A示出了样本图像Icmp的示例,所述样本图像代表样本轮胎103的胎面表面的一部分。
所述表面部分包括块体T1,所述块体T1完全可见并且包括部分可见的三个毗邻块体T2、T3、T3。
可以看到,在块体T1上,第一切口D1、第二切口D2和两个非缺陷元素E1、E2,这两个非缺陷元素是圆形起伏部。
另外,在块体T2上还存在非缺陷元素E3,该非缺陷元素是圆形起伏部。
还可以看到,第一切口D1非常接近块体T1的边缘,但是更一般而言,第一切口D1还可以定位成远离块体T1的边缘。
可以看到,第一切口D1的长度大于第二切口D2的长度,即,第一切口D1具有不可忽视的长度(因此,可以归类为缺陷),而第二切口D2具有可忽视的长度(例如,D2是划痕),所述第二切口不会对轮胎的性能造成负面影响,因而不能归类为缺陷。
更特别地,以数字形式表示所获取的样本图像Icmp,其中,通常用像素表示点的矩阵,所述像素中的每一个均以矩阵中的相应位置和光强度水平为特征。优选地,所获取的样本图像Icmp是彩色图像并且所使用的彩色模型是RGB,因此,对于彩色图像的每个像素而言,关联有三个值,所述三个值代表红色、绿色和蓝色分量的光强度。
有利地,设备100包括多个摄像机,以便获取轮胎部分的多条带的图像;以这种方式,缩短获取图像所需的时间,并且因此可以加速轮胎的在线控制。例如,这种多个摄像机可以成列布置,以形成相互并排的摄像机阵列。
优选地,设备100还包括机器人臂102,所述机器人臂具有自由端部,光源131和摄像机141刚性安装到所述自由端部上。
设备100还包括处理单元150,所述处理单元具有执行样本轮胎103的控制以便检测在其上是否存在基本一维缺陷的功能。
优选地,设备100还包括存储器140,用于存储代表参照轮胎的表面部分的参照图像Iref的值。参照轮胎的类型与样本轮胎的类型相同,即,其具有相同的尺寸并且(在成品轮胎的情况下)具有相同的胎面设计,而且其被选择为无缺陷,尤其是没有切口和/或薄伸出部。参照轮胎还具有固有地来源于轮胎制造工序的元素,所述元素不会对轮胎本身的性能造成负面影响,因此不必被认为是缺陷。
因此,事先将组成参照图像Iref的构造信息存储到存储器140中。例如,存储器140设计成对于参照图像Iref的每个空间坐标而言存储三个值,所述三个值代表RGB彩色模型的红色、绿色和蓝色分量的光强度。
处理单元150例如为微型处理器。
特别地,处理单元150设计成执行根据本发明的实施例的用于在轮胎制造工序中检测轮胎上基本一维缺陷的存在的方法的至少一部分,如附图3A至3G中示出的流程图200、200-1、200-2所示(将在下文更加详细说明的那样)。
为此,处理单元150运行软件程序,所述软件程序包括一个或者多个软件模块,所述一个或者多个软件模块执行由流程图200(或者200-1或者200-2)代表的用于检测轮胎上的缺陷的方法的步骤。
应发现,可以以类似方式将关于控制站30的前述考虑应用于第二控制站30-1,不同之处在于样本轮胎103是生轮胎而非成品轮胎。特别地,第二控制站30-1也包括用以检测样本生轮胎103上的缺陷的设备100,并且所述设备100包括相应的处理单元150,用以执行方法200、220-1、200-2的至少一部分。
参照图3A至图3B,流程图200示出了根据本发明的第一实施例的用于在轮胎制造工序中检测轮胎上的基本一维缺陷的方法。由设备30的处理单元150凭借适当软件程序至少部分地执行该用于检测缺陷的方法,所述软件程序包括一个或者多个软件模块,所述一个或者多个软件模块执行由流程图200表示的用于检测轮胎上的缺陷的方法的步骤。
流程图200开始于步骤201。
从步骤201,该流程图进行至步骤202,其中,接收基本无缺陷的参照轮胎的表面部分的参照图像Iref。
从步骤202,该流程图进行到步骤203,其中,提供待分析的样本轮胎。
从步骤203,该流程图进行到步骤204,其中,用优选圆周方向的倾斜光源照射样本轮胎的表面部分。
从步骤204,该流程图进行到步骤205,其中,获取样本轮胎的被照射表面部分的样本图像Icmp。
从步骤205,该流程图进行到步骤206,其中,参照图像Iref和样本图像Icmp典型地相互空间对准,并且据此产生对准的参照图像Iref_al和对准的样本图像Icmp_al。
从步骤206,该流程图进行到步骤207,其中,从对准的参照图像和对准的样本图像提取边缘并且分别产生:边缘参照图像Iref_edg,其包括包含在对准的参照图像Iref_al中的边缘;和边缘样本图像lcmp_edg,其包括包含在对准的样本图像Icmp_al中的边缘。
从步骤207,该流程图行进到步骤208,其中,执行边缘参照图像lref_edg的边缘的扩大并且由此产生扩大的边缘参照图像Iref_edg_dl。
可以通过将位于这种边缘附近的一个或者多个像素标记为边缘来进行图像的边缘的扩大,从而获得大于起始边缘的像素数量的扩大的边缘的最终像素数量。
特别地,可以通过利用预定掩膜卷积代表边缘的图像来进行图像的边缘的扩大,所述预定掩膜确定扩大的类型和/或尺寸。
例如,由彼此靠近的三个像素代表的直线边缘可以被扩大成由相同的三个像素和其它八个像素形成的边缘,所述其它八个像素沿着所有方向毗邻所述三个像素(其中,三个像素在上方,三个像素在下方,一个像素位于右边,一个像素位于左边)。因此由十一个像素形成扩大的边缘。
扩大操作还具有如下优点:允许补偿所获取的样本图像和参照图像之间的对准处理的不精确性以及补偿因例如制造模具之间的变化而导致的小差异,从而防止产生可能被认为是虚假缺陷指示的边缘。
从步骤208,该流程图进行到步骤209,其中,进行边缘样本图像Icmp_edg和扩大的边缘参照图像Iref_edg_dl的比较,并产生具有可能缺陷的边缘图像Iedg_pd,所述具有可能缺陷的边缘图像包括这样的边缘,所述边缘包含在边缘样本图像Icmp_edg中,但不包含在扩大的边缘参照图像Iref_edg_dl中。
应发现,在“具有可能缺陷的边缘图像Iedg_pd”中使用的术语“可能”表示包含在其中的边缘潜在地属于基本一维缺陷(例如,切口),但还没有被实际识别为缺陷(特别地,切口),原因在于需要进一步处理以便将它们实际确认为缺陷(特别地,切口)。
从步骤209,该流程图进行到步骤210,其中,从具有可能缺陷的边缘图像Iedg_pd选择第一边缘,在边缘样本图像Icmp_edg中识别对应于所选择的第一边缘的第一对应边缘,并且在边缘样本图像Icmp_edg中搜寻第二边缘的至少一个部分,其中,第二边缘的一部分位于第一对应边缘的至少一个部分附近。
优选地,以以下方式计算第一对应边缘和第二边缘之间的接近度:
-通过测量属于第一对应边缘的每个像素和属于第二边缘的每个像素之间的距离而测量多个距离;
-在多个测量距离中识别最小距离;
-验证最小距离小于或者等于距离阈值。
例如,利用以下欧几里德距离计算第一对应边缘的像素p和第二边缘的像素q之间的距离D(p,q),所述像素p具有坐标(xp,yp),所述像素q具有坐标(xq,yq):
D(p,q)=[(xp-xq)2+(yp-yq)2]1/2。
可替代地,可以利用以下公式计算像素p和像素q之间的距离D(p,q):
D(p,q)=|xp-xq|+|yp-yq|,
其中,||表示绝对值。
从步骤210,流程图进行到步骤210-1,其中,验证是否已经识别边缘样本图像Icmp_edg的第二边缘的至少一个部分,所述至少一个部分位于边缘样本图像Icmp_edg的第一对应边缘的至少一个部分附近:
-在肯定的情况下(即,已经识别第二边缘的至少一个部分),流程图进行到步骤211;
-在否定的情况下(即,没有识别第二边缘的至少一个部分),流程图进行到步骤210-2。
在步骤210-2中,验证是否已经分析了边缘样本图像Icmp_edg的所有第二边缘:
-在肯定的情况下(即,已经分析了边缘样本图像Icmp_edg的所有第二边缘),流程图进行到步骤211;
-在否定的情况下(即,没有分析边缘样本图像Icmp_edg的所有第二边缘),流程图进行到步骤210-3。
在步骤210-3中,从边缘样本图像Icmp_edg选择其它第二边缘,并且(与步骤210类似)针对其它第二边缘的至少一个部分进行新的搜寻,所述至少一部分位于第一对应边缘的至少一个部分附近。
从步骤210-3,流程图返回到步骤210-1。
因此,重复由步骤210-1、210-2、210-3组成的循环,直到识别边缘样本图像Icmp_edg的第二边缘的至少一个部分为止,所述至少一个部分位于第一对应边缘的至少一个部分附近;或者重复所述循环,直到已经分析边缘样本图像Icmp_edg的所有第二边缘为止:
-当在第一种情况终止循环时,这表示已经找到代表切口的边缘(在边缘样本图像Icmp_edg中),并且所找到的边缘已经从扩大和比较操作中被部分地消除,因此必须在其整个长度恢复所述边缘(参见后续步骤211);
-当在第二种情况终止循环时,表示没有找到必须要恢复的边缘(在边缘样本图像Icmp_edg中),因此来自具有可能缺陷的边缘图像Iedg_pd的第一边缘代表缺陷的整个长度(例如,切口)。
在步骤211中,产生了具有恢复的可能缺陷的边缘图像Iedg_pd-r,其包括具有可能缺陷的边缘图像Iedg_pd的边缘并且还包括被识别的第二边缘。
换言之,在具有可能缺陷的边缘图像Iedg_pd中,已经添加这样的边缘,所述边缘替代了第一边缘,其中,所添加的边缘具有大于第一边缘的长度。
从步骤211,流程图进行到步骤212,其中,验证是否已经分析了具有可能缺陷的边缘图像Iedg_pd的所有第一边缘:
-在否定的情况下,流程图进行到步骤213;
-在肯定的情况下,流程图进行到步骤214。
在步骤213中,从具有可能缺陷的边缘图像Icmp_edg选择其它第一边缘,并且(与步骤210类似)针对第二边缘的在其它第一对应边缘附近被找到的部分,进行新的搜寻。
从步骤213,流程图返回到步骤210-1。
因此,重复由步骤210、210-1、211、212、213组成的循环,直到已经分析具有可能缺陷的边缘图像Iedg_pd的所有第一边缘为止。
在步骤214中,包含在具有恢复的可能缺陷的边缘图像Iedg_pd-r中的边缘被识别为缺陷。
优选地,流程图200还在步骤214之后包括产生代表被识别为缺陷的边缘的图形或者纹理的步骤。
参照图4A,更加详细地示出了根据本发明的第一实施例的处理单元150。处理单元150包括:
-对准模块151;
-边缘提取模块152;
-边缘扩大模块153;
-比较模块154;
-恢复模块155;
-缺陷检测模块156。
对准模块151构造成接收样本轮胎103的表面部分的样本图像Icmp(由摄像机141获取)以及接收参照轮胎的表面部分的参照图像Iref,构造成使得参照图像Iref与样本图像Icmp相互空间对准,以及构造成根据所述图像产生对准的参照图像Iref_al和对准的样本图像Icmp_al。
可以以不同方式获得所述空间对准:
-保持参照图像Iref固定,而样本图像Icmp移动,使得样本图像Icmp与参照图像Iref空间对准;在这种情况下,参照图像Iref保持不变(即,对准的参照图像Iref_al等于参照图像Iref),并且通过所述移动产生由样本图像Icmp获得的对准的样本图像Icmp_al;
-保持样本图像Icmp固定,而参照图像Iref移动,使得参照图像Iref与样本图像Icmp空间对准;在这种情况下,样本图像Icmp保持不变(即,对准的样本图像Icmp_al等于样本图像Icmp),并且通过所述移动产生由参照图像Iref获得的对准的参照图像Iref_al;
-参照图像Iref和样本图像Icmp两者都移动,使得参照图像Iref和样本图像Icmp相互对准;在这种情况下,通过参照图像Iref的第一移动产生由参照图像Iref获得对准的参照图像Iref_al,并且通过样本图像Icmp的第二移动产生由样本图像Icmp获得的对准的样本图像Icmp_al。
边缘提取模块152构造成从对准的参照图像和对准的样本图像Icmp_al提取边缘并且分别产生:边缘参照图像Iref_edg,所述边缘参照图像包括包含在对准的参照图像中的边缘;和边缘样本图像Icmp_edg,所述边缘样本图像包括包含在对准的样本图像Icmp_al中的边缘。
图6B以灰度级显示了叠置在对准的样本图像Icmp_al上的边缘样本图像Icmp_edg的示例,其中,已经由图6A的所获取的样本图像Icmp获得所述对准的样本图像。
图6C示出了图6B的边缘样本图像Icmp_edg的相同示例,其中,不存在叠置,因此可以更好地发现边缘样本图像Icmp_edg的边缘的存在。
可以发现,在块体T1上存在以下边缘:
-边缘CD1,其具有由曲线段构成的线(参见连续的圆形线)的形式,其中,边缘CD1已经通过从对准的样本图像Icmp_al提取边缘的操作由第一切口D1获得;
-边缘CD2,其为由曲线段构成的线的形式,其中,边缘CD2已经通过从对准的样本图像Icmp_al提取边缘的操作由第二切口D2获得;
-带有圆形形式的边缘CE1,其通过从对准的样本图像Icmp_al提取边缘的操作由具有圆形形式的非缺陷元素E1获得;
-带有圆形形式的边缘CE2,其通过从对准的样本图像Icmp_al提取边缘的操作由具有圆形形式的非缺陷元素E2获得。
还可以发现,在块体T2上,存在具有圆形形式的边缘CE3,其由具有圆形形式的非缺陷元素E3获得。
应发现,边缘样本图像Icmp_edg包括边缘CD1、CD2、CE1、CE2、CE3,这些边缘既代表存在于样本轮胎103的被分析表面部分上的可能切口的边缘,又代表存在于样本轮胎103的同一被分析表面部分上的非缺陷元素的边缘。
例如可以通过使用导数滤波器提取边缘,其中,每个点的值均代表图像的对应像素中的梯度的数值估计,其中,梯度是矢量,所述矢量的分量是沿着两个不同方向的偏导数。
例如可以通过Roberts算子、Prewitt算子或者Sobel算子计算梯度。
边缘扩大模块153构造成进行边缘参照图像Iref_edg的边缘的扩大并且由其产生扩大的边缘参照图像Iref_edg_dl。
比较模块154构造成比较边缘样本图像Icmp_edg的边缘与扩大的边缘参照图像Iref_edg_dl的边缘并且产生具有可能缺陷的边缘图像Iedg_pd,所述具有可能缺陷的边缘图像包括这样的边缘,所述边缘包含在边缘样本图像Icmp_edg中,但不包含在扩大的边缘参照图像Iref_edg_dl中;包含在边缘样本图像Icmp_edg中的边缘是可疑的,即,该边缘必须要更加详细地分析,以便验证它们是否属于缺陷。
换言之,比较模块154设计成分析包含在边缘样本图像Icmp_edg中的边缘,设计成分析包含在扩大的边缘参照图像Iref_edg_dl中的边缘,设计成识别包含在边缘样本图像Icmp_edg中、但不包含在扩大的边缘参照图像Iref_edg_dl中的边缘;所述识别的边缘构成具有可能缺陷的边缘图像Iedg_pd。
优选地,通过边缘样本图像Icmp_edg的边缘和扩大的边缘参照图像Iref_edg_dl的边缘之间的相减操作获得边缘的识别。
图6D示出了由图6B至图6C的边缘样本图像Icmp_edg和参照轮胎的类似部分的扩大的边缘参照图像Iref_edg_dl之间的比较获得的具有可能缺陷的边缘图像Iedg_pd的示例,其中,具有可能缺陷的边缘图像Iedg_pd叠置在对准的样本图像Icmp_al上。
图6E示出了图6D的具有可能缺陷的边缘图像Iedg_pd的同一示例,其中,不存在叠置,因此可以更好地看到存在具有可能缺陷的边缘图像Iedg_pd的边缘。
可以发现,图6D至图6E包含的边缘的数量小于图6B至6C中的边缘的数量;换言之,边缘样本图像Icmp_edg的边缘中的仅仅一些被识别为可能缺陷。
特别地,图6D至图6E示出了:
-不再存在圆形形式的非缺陷元素E1、E2、E3的具有圆形形式的边缘CE1、CE2、CE3;
-不再存在切口D2的边缘CD2;
-仍然存在切口D1的边缘CD1的一部分C’D1。
换言之,切口D1的边缘CD1已经由扩大和比较操作分成两个部分,其中,第一部分C’D1幸免于扩大和比较操作(并且因此其包含在具有可能缺陷的边缘图像Iedg_pd中),而第二部分被扩大和比较操作吸收(并且因此其不包含在具有可能缺陷的边缘图像Iedg_pd中)。
可以发现,边缘C’D1的长度小于边缘CD1的长度。
具有可能缺陷的边缘图像Iedg_pd中存在边缘CD1的一部分C’D1的原因是切口D1具有的长度和宽度足够大;不同地,由于切口D2具有小尺寸,具有可能缺陷的边缘图像Iedg_pd中不存在切口D2的边缘CD2。
恢复模块155具有恢复从扩大和比较操作中部分地消除的缺陷的功能,例如被发现非常靠近胎面的块体的边缘的切口。
换言之,上述扩大和比较操作设计成将代表缺陷(例如,切口)的边缘分成两个靠近的更小尺寸的子边缘,从而导致在具有可能缺陷的边缘图像Iedg_pd中出现伪像。
特别地,恢复模块155构造成从具有可能缺陷的边缘图像Iedg_pd选择第一边缘C’D1,在边缘样本图像Icmp_edg中识别对应于所选择的第一边缘C’D1的第一对应边缘C”D1(参见图6C,圆形虚线),并且验证在边缘样本图像Icmp_edg中第二边缘CD1的至少一个部分的存在,其中,第二边缘CD1的一部分位于第一对应边缘C”D1的至少一个部分附近。
而且,恢复模块155构造成产生具有恢复的可能缺陷的边缘图像Iedg_pd-r,所述具有恢复的可能缺陷的边缘图像包括具有可能缺陷的边缘图像的边缘而且还包括被识别的第二边缘CD1。
而且,针对具有可能缺陷的边缘图像Iedg_pd的其它第一边缘,恢复模块155构造成重复第一边缘的所述选择和所述识别。
图6F示出了叠置在对准的样本图像Icmp_al上的具有恢复的可能缺陷的边缘图像Iedg_pd-r的示例;图6G示出了图6F的具有恢复的可能缺陷的边缘图像Iedg_pd-r的同一示例,其中,不存在叠置,并且因此可以更好地看到存在具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘。
可以在图6F至图6G中看到,因为恢复模块155已经识别在边缘样本图像Icmp_edg中存在边缘CD1(再一次参见图6B至图6C),所以缺陷D1的边缘CD1被恢复,所述边缘充分靠近边缘样本图像Icmp_edg_pd的边缘C”D1(再一次参见图6B至图CE)。
因此,恢复模块155在其整个长度上恢复了边缘CD1(并且因此切口D1)的存在,即,在单个边缘CD1中连结了之前由扩大和比较操作产生的两个子边缘。
优选地,对于边缘样本图像Icmp_edg中的每个边缘,关联一取向,所述取向限定为垂直于所考虑的边缘的平均方向的方向。在这种情况下,恢复模块155构造成还验证(除了第一对应边缘和所选择的第二边缘之间的接近度之外)边缘样本图像Icmp_edg中的第一对应边缘C”D1的取向是否基本等于从边缘样本图像Icmp_edg中选择的第二边缘CD1的取向;在肯定的情况下,由第二边缘CD1替代第一对应边缘C”D1;否则两个边缘保持分离。
为了简化起见,应发现的是,已经考虑了这样的示例,其中,仅仅存在一个具有不可忽视的长度的切口D1,因此已经在前文解释了允许在其整个长度上识别切口D1的存在的操作。
如果存在两个或者更多个具有不可忽视的长度的切口,则能够以类似方式适用前述考虑。例如,如果第二切口D2(与上述不同)具有不可忽视的长度,则具有可能缺陷的边缘图像Iedg_pd包括(除了代表第一切口D1的一部分的边缘C’D1之外)代表第二切口D2的一部分的其它边缘C’D2,从而具有恢复的可能缺陷的边缘图像Iedg_pd-r包括(除了代表第一切口D1的整个长度的边缘CD1之外)代表第二切口D2的整个长度的其它边缘CD2。
缺陷检测模块156构造成将包含在具有恢复的可能缺陷的边缘图像Iedg_pd-r中的边缘识别为缺陷。
优选地,缺陷检测模块156还构造成产生代表被识别为缺陷的边缘(即,包含在具有恢复的可能缺陷的边缘图像Iedg_pd-r中的边缘)的缺陷信号Idf。
参照图6F至图6G,缺陷检测模块156凭借在具有恢复的可能缺陷的边缘图像Iedg_pd-r中存在边缘CD1而识别缺陷D1的存在。
优选地,具有恢复的可能缺陷的边缘图像Iedg_pd-r(可能叠置在对准的样本图像Icmp_al上)显示在设置于生产线1中的屏幕上(例如,屏幕连接到控制站30或者其作为设备100的位于控制站30内部的一部分);以这种方式,分配进行质量控制的操作员能够立即看见样本轮胎上缺陷(特别地,切口D1)的存在及其位置。在屏幕上显示的图像可以包含方形,所述方形包封其中检测到缺陷的区域,以便进一步有助于识别缺陷的位置。
可替代地,具有恢复的可能缺陷的边缘图像Iedg_pd-r被转换成文本文档,所述文本文档包含存在缺陷D1及其位置和长度的指示。
参照图3C至图3E,示出了根据本发明的第二实施例的用于在轮胎制造工序中检测轮胎上的缺陷的方法的一部分的流程图200-1。
流程图200-1与第一实施例的流程图200的不同之处在于:替代步骤214,存在其它步骤212-1、212-2、…212-15。
因此,第二实施例的流程图200-1由一组图3A、3C、3D、3E组成。
从步骤212,该流程图继续到步骤212-1,其中,从具有恢复的可能缺陷的边缘图像Iedg_pd-r选择边缘。
从步骤212-1,其继续到步骤212-2,其中,产生了多个边缘测量轮廓,所述多个边缘测量轮廓分别居中位于属于所选择的边缘的多个不同点上,所述多个边缘测量轮廓与相应的多个光强度值相关联,根据分别居中位于所述多个点上的对准的样本图像Icmp_al的相应部分的值计算所述相应的多个光强度值。
从步骤212-2,其继续到步骤212-3,其中,从所述多个边缘测量轮廓选择边缘测量轮廓。
从步骤212-3,其继续到步骤212-4,其中,根据所选择的边缘测量轮廓的趋势识别可能缺陷点。
从步骤212-4,其继续到步骤212-5,其中,验证是否已经分析所有边缘测量轮廓:
-在肯定的情况下,继续到步骤212-7;
-在否定的情况下,继续到步骤212-6。
在步骤212-6中,选择其它边缘测量轮廓,随后返回到步骤212-4。
因此,重复由步骤212-4、212-5、212-6组成的循环,直到已经分析了具有恢复的可能缺陷的边缘图像Iedg_pd-r的所选择的边缘的所有边缘测量轮廓为止。
在步骤212-7中,验证是否已经分析了具有恢复的可能缺陷的边缘图像的所有边缘;
-在肯定的情况下,继续到步骤212-9;
-在否定的情况下,继续到步骤212-8。
在步骤212-8中,从具有恢复的可能缺陷的边缘图像Iedg_pd-r选择其它边缘,然后返回到步骤212-2。
因此,重复由步骤212-2、212-3、212-4、212-5、212-7、212-8组成的循环,直到已经分析了具有恢复的可能缺陷的边缘图像Iedg_pd-r的所有边缘为止。
在步骤212-9中,从具有恢复的可能缺陷的边缘图像Iedg_pd-r选择边缘。
从步骤221-9,其进行到步骤212-10,其中,计算属于所选择的边缘的可能缺陷点的数量。
从步骤212-10,其进行到步骤212-11,其中,如果所述可能缺陷点的所计算的数量大于缺陷阈值,则所选择的边缘被标记为缺陷。
从步骤212-11,其进行到步骤212-12,其中,验证是否已经分析了具有恢复的可能缺陷的边缘图像Iedg_pd-r的所有边缘:
-在肯定的情况下,其进行到步骤212-14;
-在否定的情况下,其进行到步骤212-13。
在步骤212-13中,从具有恢复的可能缺陷的边缘图像Iedg_pd-r选择其它边缘,然后返回到步骤212-10。
因此,重复由步骤212-10、212-11、212-12、212-13组成的循环,直到已经分析了具有恢复的可能缺陷的边缘图像Iedg_pd-r的所有边缘为止。
在步骤212-14中,产生测量边缘图像Ims_edg,所述测量边缘图像Ims_edg包括被标记为缺陷的边缘。
从步骤212-14,其继续到步骤212-15,其中,将包含在测量边缘图像Ims_edg中的边缘识别为缺陷。
从步骤212-15,其进行到步骤220,其中,流程图200-1终止。
优选地,流程图200-1还在步骤212-15之后包括产生代表被标记为缺陷的边缘的图形或者纹理表示。
图4B示出了根据本发明的第二实施例的处理单元150-1。
处理单元150-1执行软件程序,所述软件程序包括一个或者多个软件模块,所述一个或者多个软件模块执行由流程图200-1代表的用于检测轮胎上的缺陷的方法的步骤。
处理单元150-1与本发明的第一实施例的处理单元150区别在于存在边缘测量模块155-1,所述边缘测量模块插置在恢复模块155和缺陷检测模块156之间并且具有产生测量边缘图像Ims_edg的功能。
另外,处理单元150-1与处理单元150区别还在于缺陷检测模块156构造成将包含在测量边缘图像Ims_edg中的边缘识别为缺陷。
边缘测量模块155-1具有将具有足够大的长度的边缘(具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘)确认为缺陷的功能。
特别地,边缘测量模块155-1对于从具有恢复的可能缺陷的边缘图像Iedg_pd-r的n个边缘C1、C2、…Cn中选择的第i边缘Ci(i=1,2、…n)而言产生m个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m,所述m个边缘测量轮廓分别居中位于属于边缘Ci的m个不同点P1、P2、…Pm上,其中,所述m个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m与相应的多个光强度值相关联,根据分别居中位于所述m个点P1、P2、…Pm上的对准的样本图像Icmp_al的相应部分的值计算所述相应的多个光强度值。
换言之,产生居中位于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘Ci的第一点P1上的第一边缘测量轮廓Spmc-1,产生居中位于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘Ci的第二点P2上的第二边缘测量轮廓Spmc-2…等等,直到产生居中位于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘Ci的第m点Pm上的第m测量轮廓Spmc-m为止。
选择m个边缘测量轮廓的尺寸,使之大于样本轮胎上的可能的基本一维缺陷的最大尺寸。例如,在具有介于0.2毫米和0.5毫米之间的宽度的大体直线的基本一维缺陷的情况下,可以选择边缘测量轮廓的尺寸等于数打像素。
例如,点P1、P2、…Pm对应于具有恢复的可能缺陷的边缘图像Iedg_pd-r的第i边缘Ci的像素(用一对坐标x-y表示)。可替代地,可以对具有恢复的可能缺陷的边缘图像Iedg_pd-r进行子采样;在这种情况下,(m个点P1、P2、…Pm中的)点Pj是代表具有恢复的可能缺陷的边缘图像Iedg_pd-r的多个像素的值。
第j边缘测量轮廓Spmc-j(选自m个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m)包括多个值,根据居中位于第j点Pj(选自属于第i边缘Ci的m个点P1、P2、…Pm)上的对准的样本图像Icmp_al的部分的像素的一个或者多个彩色分量的光强度的值计算所述多个值。类似的发现可以用于适用于计算其它边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m。
优选地,由摄像机141获取的图像是黑白的:在这种情况下,光强度代表所考虑的像素的灰度级水平,所述灰度级水平具有介于0和255之间的值。可替代地,由摄像机141获取的图像是彩色图像并且由模型RGB表示;在这种情况下,彩色分量是所考虑的像素的绿色、红色或者蓝色分量,并且具有介于0和255之间的值。
关于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘Ci的前述发现可以适用于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘C1、C2、…Cn中的每一个,即,对于每个边缘而言,产生相应多个边缘测量轮廓。
换言之,首先考虑属于具有恢复的可能缺陷的边缘图像Iedg_pd-r的n个边缘C1、C2、…Cn中的第一边缘C1。第一边缘C1包括m1个点,所述m1个点中的每一个对应于一像素。
继而,考虑第一边缘C1的m1个点中的第一点P1。然后读取对准的样本图像Icmp_al并且从此选择图像部分,所述图像部分居中位于第一点P1周围(即,其居中位于代表第一点P1的像素的坐标上)。
随后,处理所述图像部分的像素的值并由此产生多个值,所述多个值代表第一边缘测量轮廓Spmc-1,所述第一边缘测量轮廓居中位于第一点P1周围,如图5A至5B所示。
针对来自第一边缘C1的m1个点中的第二点P2重复关于点P1的前述操作,以便产生第二边缘测量轮廓Spmc-2,所述第二边缘测量轮廓居中位于第二点P2周围。最后,针对第一边缘C1的所有其它点重复前述操作,从而获得分别居中位于点P1、P2、…Pm1上的m1个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m1。
关于边缘C1的前述发现也能够以类似方式适用于边缘C2、…Cn,从而获得针对边缘C2的m2个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m2,…等等,直到针对边缘Cn获得mn个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-mn为止。
有利地,以以下方式产生第j边缘测量轮廓Spmc-j(居中位于第j点Pj上)。为了简化起见,应考虑的是,点Pj对应于像素。边缘测量模块155-1设计成考虑居中位于第j点Pj上的对准的样本图像Icmp_al的一部分,在属于第i边缘Ci的m个点P1、P2、…Pm之中选择所述第j点Pj。假设所述部分是由获取的样本图像Icmp的r×c像素组成的r行和c列的矩阵,其中,所述矩阵居中位于所考虑的像素Pj上。更加特别地,矩阵的每行包括沿着样本轮胎的胎面的轴向方向的r个像素值,并且因此矩阵的每列包括沿着样本轮胎的胎面的圆周方向的像素值。继而,对于矩阵的每行而言,边缘测量模块155-1设计成计算代表该行的相应值的仅一个值;例如,所述仅一个值是所考虑的行的平均像素值。然后考虑尺寸向量r,该向量代表居中位于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘Ci的点Pj上的第j边缘测量轮廓Spmc-j。应发现的是,如先前所述的第j边缘测量轮廓Spmc-j的产生尤为有利,原因在于不仅考虑了第j点Pj,而且还考虑了沿着轴向方向毗邻其的点;以这种方式,减少了因伪像导致犯错误的可能性,伪像可能会产生对该对准的样本图像中的边缘的错误指示。
在矩阵居中位于第i边缘Ci的第j点Pj上的情况下,根据第一行的像素值计算第一平均值,然后根据第二行的像素值计算第二平均值,…等等,直到根据第n行的像素值计算第n平均值。然后获得代表居中位于具有恢复的可能缺陷的边缘图像Iedg_pd-r的边缘Ci的点Pj上的第j边缘测量轮廓Spmc-j(参见例如图5A至图5B)的向量。
优选地,针对从第i边缘Ci的m个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m中选择的第j边缘测量轮廓Spmc-j(j=1、2、…m),边缘测量模块155-1还构造成以便:
-计算所选择的第j边缘测量轮廓Spmc-j的中央部分SCpmc-j(参见图5A至图5B)的值的最小值Smin-j和最大值Smax-j;
-根据最小值Smin-j和最大值Smax-j之间的比较识别可能缺陷点Ppd-j;
-针对其它边缘测量轮廓Spmc-j,重复计算最小值Smin-j和最大值Smax-j并识别可能缺陷点,从而产生可能的其它可能缺陷点Ppd-j。
前述发现能够以类似的方式适用于对准的样本图像Icmp_al的其它边缘Ci,因此边缘测量模块155-1设计成在输出部产生测量边缘图像Ims_edg,所述测量边缘图像包含已经被边缘测量模块155-1确定为缺陷的边缘。
优选地,再一次考虑前述示例,由第一边缘C1产生m1个边缘测量轮廓Spmc-1、Spmc-2、…Spmc-m1。然后考虑第一边缘测量轮廓Spmc-1并且计算第一边缘测量轮廓Spmc-1的中央部分SCpmc-1的值的第一最小值Smin-1和第一最大值Smax-1。继而,计算代表第一边缘测量轮廓Spmc-1的侧部分SLSpmc-1、SLDpmc-1的值的第一值和第二值。最后,根据第一最小值Smin-1和第一最大值Smax-1之间相对于第一值和第二值的比较识别第一可能缺陷点Ppd-1。
针对第二边缘测量轮廓Spmc-2重复前述操作,以便可以产生第二可能缺陷点Ppd-2。
最后,针对第一边缘C1的所有其它边缘测量轮廓Spmc-3、…Spmc-m1重复前述操作,从而获得属于第一边缘C1的可能缺陷点Ppd1。
优选地,通过以下操作之一计算第一值和第二值:
-第j测量轮廓Spmc-j的侧部分SLSpmc-j、SLDpmc-j的值的平均值;
-第j测量轮廓Spmc-j的侧部分SLSpmc-j、SLDpmc-j的值的中值;
-第j测量轮廓Spmc-j的侧部分SLSpmc-j、SLDpmc-j的值的最频值(mode)。
有利地,基于不同标准,根据最小值Smin-j和最大值Smax-j之间相对于第一值和第二值的比较识别可能缺陷点Ppd-j。
用于识别可能缺陷点Ppd-j的第一标准如下:
-计算居中位于第i边缘Ci的第j点Pj上的第j边缘测量轮廓Spmc-j的中央部分SCpmc-j的值的最小值Smin-j并且存储相应的像素位置;
-计算第j边缘测量轮廓Spmc-j的中央部分SCpmc-j的值的最大值Smax-j并且存储对应的像素位置;
-验证对应于最大值Smax-j的像素位置是否位于对应于最小值Smin-j的像素位置之前:
▪如果对应于最大值Smax-j的像素位置位于对应于最小值Smin-j的像素位置之后,则边缘Ci的点Pj被识别为可能缺陷点Ppd-j;这种情况实际上发生在存在切口的情形下:首先确定非常低的光强度的存在,然后确定足够高的光强度的存在,如将参照图5A在下文更加详细解释的那样;
▪如果对应于最大值Smax-j的像素位置位于对应于最小值Smin-j的像素位置之前,则边缘Ci的点Pj不被识别为可能缺陷点Ppd-j;这种情况实际上发生在存在非缺陷元素的情形下:首先确定足够高的光强度的存在,然后确定足够低的光强度的存在,如将参照图5B在下文更加详细解释的那样。
例如,图5A示出了对应于最大值Smax-j的像素位于对应于最小值Smin-j的像素之后;因此,点Pj被识别为可能缺陷点Ppd-j。
不同地,图5B示出了对应于最大值Smax-j的像素位于对应于最小值Smin-j的像素之前;因此点Pj不被识别为可能缺陷点。
第二标准允许验证最小值Smin-j和最大值Smax-j的尺寸是否由可能的切口引起或者是否由图像获取工序的正常变化性引起。
用于识别可能缺陷点Ppd-j的第二标准如下:
-计算居中位于第i边缘Ci的第j点Pj上的第j边缘测量轮廓Spmc-j的中央部分SCpmc-j的值的最小值Smin-j;
-计算第j边缘测量轮廓Spmc-j的中央部分SCpmc-j的值的最大值Smax-j;
-计算代表第j边缘测量轮廓Spmc-j的侧部分SLSpmc-j、SLDpmc-j的值的第一值S1avg-j和第二值S2avg-j(例如,平均值);
-验证最小值Smin-j是否大于第一值S1avg-j和第一侧阈值之和且大于第二值S2avg-j和第二侧阈值之和:
▪在肯定的情况下,边缘Ci的点Pj不被识别为可能缺陷点,原因在于中央区域的最小值相对于侧区域的值不足够低;
▪在否定的情况下,边缘Ci的点Pj被识别为可能缺陷点Ppd-j,原因在于中央区域的最小值相对于侧区域的值足够低。
-验证最大值Smax-j是否小于第一值S1avg-j和第三侧阈值之和且是否小于第二值S2avg-j和第四侧阈值之和:
▪在肯定的情况下,边缘Ci的点Pj不被识别为可能缺陷点Ppd-j,原因在于中央区域的最大值相对于侧区域的值不足够高;
▪在否定的情况下,边缘Ci的点Pj被识别为可能缺陷点Ppd-j,原因在于中央区域的最大值相对于侧区域的值足够高。
第三标准允许验证是否存在具有不可忽视的厚度、忽略划痕或者小独立孔的切口。
用于识别可能缺陷点Ppd-j的第三标准如下:
-计算具有小于第一值S1avg-j(例如,平均值)和第一厚度阈值之和的值并且具有小于第二值S2avg-j(在示例中,为平均值)和第一厚度阈值之和的值的第j边缘测量轮廓Spmc-j(居中位于第j点Pj上)的像素的数量;
-计算具有大于第一值S1avg-j和第二厚度阈值之和的值并且具有大于第二值S2avg-j和第二厚度阈值之和的值的第j边缘测量轮廓Spmc-j的像素的数量;
-如果在两个前述步骤中计算得到的像素之和小于第三厚度阈值,则边缘Ci的点Pj不被识别为可能缺陷点;
-如果在两个前述步骤中计算得到的像素之和大于或者等于第三厚度阈值,则边缘Ci的点Pj被识别为可能缺陷点Ppd-j。
可以单独地或者以任何组合使用上述三个标准;使用标准的组合能够提高缺陷(在考虑的示例中为切口)检测的可靠性。此外,可以由本领域技术人员根据本发明的指示和教导设计其它标准。
优选地,第二实施例的缺陷检测模块156还构造成产生代表标记为缺陷的边缘(即,包含在测量边缘图像Ims_edg中的边缘)的缺陷信号Idf。
优选地,在生产线1中存在的屏幕(例如,屏幕连接到控制站30或者作为设备100的位于控制站30内部的一部分)上显示测量边缘图像Ims_edg(可能叠置在对准的样本图像Icmp_al上);以这种方式,分配进行质量控制的操作员能够立即看见样本轮胎上缺陷(特别地,切口D1)的存在及其位置。在屏幕上显示的图像可以包含方形,所述方形包封其中检测到缺陷的区域,以便进一步有助于识别缺陷的位置。
可替代地,测量边缘图像Ims_edg被转换成文本文档,所述文本文档包含缺陷D1的存在及其位置和长度的指示。
优选地,缺陷阈值是所选择的第i边缘Ci的长度的百分比(例如,70%)。
参照图3F至3G,流程图200-2示出为根据本发明的第三实施例的用于在轮胎制造工序中检测轮胎上的缺陷的方法的一部分。
第三实施例用于参照轮胎和样本轮胎103的表面部分是包括多个块体的相应胎面的部分的情形,即,其中胎面包括由块体的位置形成的起伏部形式的特定设计,并且其中所述设计对于参照轮胎和样本轮胎103而言是相同的。
流程图200-2允许防止存在于样本轮胎的胎面上的凹槽被识别为缺陷和/或防止因凹槽自身的深度引起的可能亮度变化导致产生虚假边缘。
流程图200-2与第一实施例的流程图200-1的不同之处在于:还存在步骤206-1,替代步骤207存在步骤207-1,以及替代步骤212-2存在步骤212-2.1。
因此,第三变形的流程图200-2由该组图3F、3C和3G组成。
步骤206-1插置在步骤206和步骤207-1之间。
在步骤206-1中,产生通过填充代表存在于样本轮胎的胎面上的凹槽的对准的样本图像Icmp_al的部分而获得的填充的样本图像Icmp_rp,并且产生通过填充代表存在于参照轮胎的胎面上的凹槽的对准的参照图像Iref_al的部分而获得的填充的参照图像Iref_rp。
例如,通过用具有预定或者根据毗邻考虑的凹槽的像素的值计算的光强度值的像素替代代表凹槽的对准的样本图像Icmp_al的像素进行填充;以这种方式,简化计算程序并且通过缺陷检测模块156或者通过边缘测量模块155-1防止块体的边缘被识别为具有可能缺陷的边缘。
类似考虑能够适用于对准的参照图像Iref_al的像素的填充。
优选地,代表凹槽的像素被赋予等于0的光强度值(灰度级),该光强度值对应于黑色。
可替代地,代表凹槽的像素的值可以被赋予等于毗邻凹槽自身的像素的平均值的值。
在步骤207-1中,从填充的参照图像Iref_rp和填充的样本图像Icmp_rp提取边缘,并且分别产生:边缘参照图像Iref_edg,所述边缘参照图像包括包含在填充的参照图像中的边缘;和边缘样本图像Icmp_edg,所述边缘样本图像包括包含在填充的样本图像中的边缘。
在步骤212-2.1中,产生多个边缘测量轮廓,所述多个边缘测量轮廓分别居中位于属于所选择的边缘的多个不同点上,所述多个边缘测量轮廓与相应的多个光强度值相关联,所述相应的多个光强度值根据分别居中位于所述多个点上的填充的样本图像的相应部分的值计算。
图4C示出了根据本发明的第三实施例的处理单元150-2。
处理单元150-2执行软件程序,所述软件程序包括一个或者多个软件模块,所述一个或者多个软件模块执行由流程图200-2表示的用于检测轮胎上的缺陷的方法的步骤。
处理单元150-2与第二实施例的处理单元150-1不同之处在于还存在插置在对准模块151和边缘提取模块152之间的填充模块151-1。
填充模块151-1构造成接收对准的样本图像Icmp_al并且产生填充的样本图像Icmp_rp,通过填充代表存在于样本轮胎的胎面上的凹槽的对准的样本图像Icmp_al的部分获得所述填充的样本图像Icmp_rp。
类似地,填充模块151-1还构造成接收对准的参照图像Iref_rp并且产生填充的参照图像Iref_rp,通过填充代表存在于参照轮胎的胎面上的凹槽的对准的参照图像Iref_al的部分获得所述填充的参照图像Iref_rp。
应发现的是,已经考虑如下的情况,其中,通过对准模块153和填充模块159,在它们起作用期间,根据对准的参照图像Iref_al实时获得填充的参照图像Iref_rp。可替代地,在对准工序中对准的参照图像Iref_al保持固定的情况下,可以通过与填充模块151-1类似的处理在构造步骤中事先获得填充的参照图像Iref_rp;在这种情况下,填充的参照图像Iref_rp是边缘提取模块152的输入。
另外,第三实施例与第二实施例的不同之处在于:边缘提取模块152在输入部接收填充的样本图像Icmp_rp(而不是接收对准的样本图像Icmp_al)和填充的参照图像Iref_rp(而不是接收对准的参照图像Iref_al);因此,边缘提取模块152设计成从填充的样本图像Icmp_rp和填充的参照图像Iref_rp提取边缘。
最后,第三实施例与第二实施例不同之处在于:边缘测量模块155-1在输入部接收填充的样本图像Icmp_rp(而不是接收对准的样本图像Icmp_al);因此通过使用居中位于具有恢复的可能缺陷的边缘图像Iedg_pd-r的第i边缘Ci的第j点Pj周围的填充的样本图像Icmp_rp的部分计算第j边缘测量轮廓Spmc-j。
根据第三实施例的变形(图中未示出),流程图200-2与第一实施例的流程图200不同之处在于:在步骤206之后还存在步骤206-1以及替代步骤207存在步骤207-1;换言之,根据第三实施例的变形,流程图不包括图3G中示出的步骤,而是包括在步骤206之后带有步骤206-1和用步骤207-1替代步骤207修改的图3A至图3B中的仅仅一些步骤。
另外,根据第三实施例的所述变形,处理单元150-2与第一实施例的处理单元150不同之处在于:还存在插置在对准模块151之间的填充模块151-1,并且边缘提取模块152在输入部接收填充的样本图像Icmp_rp(而不是接收对准的样本图像Icmp_al)和填充的参照图像Iref_rp(而不是接收对准的参照图像Iref_al)。
参照图5A,示出了第j边缘测量轮廓Spmc-j,所述第j边缘测量轮廓Spmc-j居中位于属于第i边缘Ci的第j点Pj上,从存在于样本轮胎103的胎面上的切口Di(例如,图6A至图6B中示出的切口D1的边缘CD1)获得所述第i边缘Ci。示出了所考虑的带的轮廓,所述带围绕轮胎的旋转轴线沿着构成了样本轮胎103的胎面的圆周表面的所获取的图像的一系列像素的一部分延伸。
在x轴上,指示相对于位于所考虑的带上的参照点沿着圆周表面的距离;特别地,x轴上的值代表所考虑的带的像素的坐标。
在y轴上,指示对应于所考虑的像素的灰度级光强度值。
图5A还示出了居中位于第j点Pj上的第j(j=1、2、…m)边缘测量轮廓SCpmc-j的中央部分SCpmc-j并且示出了毗邻中央部分SCpmc-j的两个对应侧部分SLSpmc-j、SLDpmc-j。
可以在图5A中发现边缘测量轮廓Spmc-j的光强度的以下趋势:
-包括在第一像素部分中的光强度值具有充分大于零的值(在图5A中,介于140和160之间);
-包括在第二像素部分中的光强度值具有以高斜率减小的趋势,直到获得最小值Smin-j为止(在图5A中,低于50);
-在最小值Smin-j之后,包括在第三像素部分中的光强度值具有以高斜率增加的趋势(在图5A中,从值Smin-j增加至接近255的值Smax-j);
-包括在第四像素部分中的光强度值具有充分大于零的值(在图5A中,大约160至220)。
因此,图5A的光强度的趋势表示,首先存在其中存在光的第一间隔(第一像素部分),然后存在其中光强度达到相当低的值(或者没有光,第二像素部分,直到最小值Smin-j)的间隔,随后再一次存在其中存在光的间隔(第三和第四像素部分);这表示存在切口,原因在于检测到这样的间隔,即,其中,光强度低得多(切口的空腔),并且检测到两个毗邻间隔,在所述两个毗邻间隔中存在光(毗邻切口的空腔的区域)。
应发现的是,可以通过由光源131发射的光辐射Rd的倾斜方向检测所述光强度的趋势,其允许照射毗邻切口的区域,而对应于切口的区域保持基本黑暗。
参照图5B,示出了居中位于属于第i边缘Ci的第j点Pj上的第j边缘测量轮廓Spmc-j,从存在于样本轮胎103的胎面上的非缺陷元素Ei(例如,毗邻扇段之间的连结线)获得所述第i边缘Ci。而且在这种情况下,示出了所考虑的带的轮廓,所述带围绕轮胎的旋转轴线沿着构成了样本轮胎103的胎面的圆周表面的所获取的图像的一系列像素的部分延伸。
可以在图5B中发现边缘测量轮廓Spmc-j的光强度的以下趋势:
-包括在第一部分中的光强度值充分大于零(在图5B中,介于170和255之间);
-包括在第二部分中的光强度值具有相当小的值,并且尤其是,它们在子部分中小得多(在图5B中,值大约等于120)。
因此,图5B的光强度的趋势首先表示存在其中存在具有充分高的光强度的光的间隔(第一像素部分),然后表示存在其中光强度相当低的间隔(第二像素部分);这表示存在起伏部形式的延伸元件,原因在于,由光源131发射的光辐射Rd的圆周倾斜方向仅仅允许照射位于起伏部形式的元素之前的表面区域,而位于起伏部元素之后的表面区域保持基本黑暗。这种元素不能归类为缺陷。
根据第一、第二或者第三实施例的第一变形,处理单元还包括用于过滤掉带颜色的文字和线条(图4A至图4C中没有示出)的模块,该模块插置在对准模块151和边缘提取模块152之间。另外,摄像机141设计成获取样本轮胎的部分的彩色图像,对准模块151设计成接收彩色参照图像。
已知轮胎可以包括带颜色的文字和线条,例如轮胎侧壁上的文字和/或印刷在胎面带上的带颜色的文字,以便在制造工序期间识别轮胎。所述带颜色的文字和线条可以为不同类型、具有不同颜色并且可以处于不同位置。
用于过滤掉带颜色的文字和线条的模块具有以下功能:识别和过滤掉存在于参照轮胎和样本轮胎两者上的所述带颜色的文字和线条,防止所述带颜色的文字和线条在处理单元的后续模块中被考虑,从而防止产生虚假警报指示。
因此,用于过滤掉带颜色的文字和线条的模块设计成在输入部接收对准的参照图像Iref_al并且设计成在输出部产生过滤的参照图像Iref_fl,通过过滤掉包含在对准的参照图像Iref_al中的带颜色的文字和线条或者通过标记包含所述带颜色的文字或线条的对准的参照图像Iref_al的部分而获得所述过滤的参照图像Iref_fl。
类似地,用于过滤掉带颜色的文字和线条的模块设计成在输入部接收对准的样本图像Icmp_al并且设计成在输出部产生过滤的样本图像Icmp_fl,通过过滤掉对准的样本图像Icmp_al中的带颜色的文字和线条或者通过标记包含所述带颜色的文字或线条的对准的样本图像Icmp_al的部分而获得所述过滤的样本图像Icmp_fl。
因此,边缘提取模块152设计成在输入部接收过滤的参照图像Iref_fl(而不是对准的参照图像Icmp_al)和过滤的样本图像Icmp_fl(而不是对准的样本图像Icmp_al),并且设计成以如上所述的那样从其提取边缘,区别在于边缘提取模块152设计成使得其不考虑已经由用于过滤掉带颜色的文字和线条的模块标记的部分。
例如,用于过滤掉带颜色的文字和线条的模块可以包括以下串联连接的子模块:
-第一子模块,所述第一子模块构造成进行过滤操作,例如,高斯型过滤操作;
-第二子模块,所述第二子模块构造成进行过滤,例如中值类型过滤,以便使得带颜色的文字或线条更加均匀;
-第三子模块,所述第三子模块构造成进行颜色空间的转换,例如,从RGB类型转换成HSV类型;
-第四子模块,所述第四子模块用以比较HSV空间的三个分量和三个相应的阈值;
-第五子模块,所述第五子模块构造成对离开第四子模块的图像进行腐蚀操作;
-第六子模块,所述第六子模块构造成对离开第五子模块的图像进行扩大操作;
-第七子模块,所述第七子模块构造成标记离开第六子模块的图像的部分。
根据第一、第二或者第三实施例的第二变形,处理单元还包括前置过滤边缘模块(图4A至图4C中未示出),所述前置过滤边缘模块插置在边缘提取模块152和比较模块154之间。
前置过滤边缘模块具有识别和消除代表不被归类为缺陷的样本轮胎的若干元素的边缘样本图像Icmp_edg的边缘的功能,例如:
-由于存在空气出口而引起的圆形(或弧形)形式的起伏部;
-由清洁模具引起的表面瑕疵,所述表面瑕疵产生了非常小的边缘。
以这种方式,防止在处理单元的后续模块中考虑由上述元素产生的边缘,从而防止产生虚假缺陷表示。
根据第一、第二或者第三实施例的第三变形,处理单元还包括后置过滤模块(图4A至图4C中没有示出),所述后置过滤模块连接到恢复模块155的输出部。
后置过滤模块具有识别和消除代表非缺陷元素(毗邻扇段之间的连结线,具有圆形或弧形形式的起伏部、胎面连结部、表面瑕疵)的(具有恢复的可能缺陷的边缘图像Iedg_pd-r的)边缘的功能,通过恢复模块155添加所述边缘。
实际上,如上所述,恢复模块155设计成恢复(在具有恢复的可能缺陷的边缘图像Iedg_pd-r中)代表从扩大和比较操作被部分地消除的缺陷的边缘的存在,但是恢复模块也可以设计成(在具有恢复的可能缺陷的边缘图像Iedg_pd-r中)再一次添加代表非缺陷元素的边缘(所述边缘在先前已经通过比较模块154消除)。
通过后置过滤模块,再一次消除了代表非缺陷元素的边缘,从而防止其被缺陷检测模块156错误地认为是具有可能缺陷的边缘。
根据第一、第二或者第三实施例的第四变形,处理单元还包括补偿模块(图4A至图4C中未示出),所述补偿模块插置在对准模块151和边缘提取模块152之间。
补偿模块具有补偿对准的样本图像Icmp_al的光的功能;以这种方式,增强了对准的样本图像Icmp_al的对比,从而获得了改善的图像,以便边缘提取模块152的后续处理。
优选地,根据样本轮胎的表面部分的类型进行不同的补偿:
-例如,在胎面的表面部分的情况下,其为基本平坦的,因此由光源131发射的光辐射的强度在胎面的整个表面部分上基本恒定;因此,关于对准的样本图像Icmp_al的光强度,可以以恒定值进行倍增,所述恒定值就所有像素而言是相等的;
-然而,在胎肩的表面部分的情况下,其是弯曲的,因此由光源131发射的光辐射的强度趋于随着表面与摄像机141的距离而成比例地减小;因此,关于对准的样本图像Icmp_al的光强度,可以以两个值之间的插值函数(例如,指数)进行倍增。
根据第一、第二或者第三实施例的第五变形,处理单元还包括过滤模块(图4A至图4C中未示出),所述过滤模块插置在对准模块151和边缘提取模块152之间。过滤模块具有进行过滤的功能,例如具有进行高斯类型的过滤的功能,以便消除高频噪音。
有利地,待分析的表面部分的表面宽度被分成多条基本环形的带,所述多条基本环形的带围绕样本轮胎的旋转轴线沿着待分析的圆周表面的一部分或者沿着待分析的整个圆周表面延伸并且具有基本恒定宽度;以这种方式,可以加速图像的获取和所获取的图像的处理,以便允许进行样本轮胎的在线控制。因此,特别地通过考虑该方法,其还包括将所述部分的表面的宽度被细分成多条基本环形的带,所述多条基本环形的带具有基本恒定宽度并且针对多条带的每条带重复用于检测缺陷的方法的步骤。
优选地,两条连续带至少部分地沿着圆周方向相互叠置,即,它们沿着由切向于带的圆周表面的切线限定的方向叠置。
优选地,待分析的表面部分围绕轮胎的旋转轴线沿着成品轮胎(例如,在胎面的情况下)或生轮胎(例如,胎面处的外表面)的整个圆周表面延伸,并且因此多条带围绕样本轮胎的旋转轴线沿着成品轮胎或者生轮胎的整个圆周表面延伸。
现在将还参照图1A、2、3A、3C、3D、3E、4B、5A-5B描述根据本发明的第二实施例的轮胎生产线1的操作。
为了解释本发明的目的,假设分析样本成品轮胎103的胎面,所述胎面具有切口D1、划痕D2和三个非缺陷元件E1、E2、E3,如图6A所示;更特别地,为了简化起见,假设获取胎面的仅仅一条带的图像,其中,该带围绕轮胎的旋转轴线沿着胎面的整个圆周表面延伸。
还假设仅仅使用一个摄像机141和照射器131,用于获取安装在机器人臂102上的待控制的样本轮胎的图像。
当加工站10完成生轮胎的构建时,模制与固化站20接收生轮胎并且开始进行轮胎的模制和固化。
由此产生样本成品轮胎103。
控制站30接收离开模制与固化站20的成品样本轮胎103,并且开始控制该成品轮胎,以为了检测胎面上缺陷的存在。
特别地,待分析的样本轮胎103抵靠在支撑与运动构件101上并且开始围绕其旋转轴线旋转;同时,光源131产生光辐射Rd,所述光辐射照射样本轮胎103的胎面的带,然后摄像机141接收从带反射的辐射并且获取胎面的带的图像,同时样本轮胎103围绕其旋转轴线旋转一整圈。
处理单元150如上文第二实施例所述的那样处理所获取的胎面的带的图像并且检测切口D1的存在。
特别地,处理单元150计算如图5A所示的围绕切口Di=D1的边缘测量轮廓并且计算如图5B所示的非缺陷元素Ei=E1(或者Ei=E2和Ei=E3)周围的边缘测量轮廓。
继而,处理单元150产生指示样本轮胎103有缺陷的测试结果信号Set1并且产生代表所获取的样本轮胎的图像Icmp的缺陷信号Idf,用方形包封的切口D1的表示叠置在该所获取的样本轮胎的图像上。
应发现的是,为了简化起见,已经示出了关于样本轮胎103的胎面的表面的仅仅一条带的操作,但是更一般而言,样本轮胎103的胎面的表面的宽度被细分成多条带。在这种情况下,样本轮胎103围绕其旋转轴线旋转一整圈,并且在旋转结束时,已经获取了样本轮胎103的胎面的所有带的图像。继而,处理单元150进行所获取的图像的处理,并由此产生多个图像,每个图像对应于一个带。继而,对于带的每个图像,处理单元150进行如上所述的处理。可替代地,可以由多个摄像机11并行地进行计算。
当然,这种示例可以概括为分析成品轮胎和/或生轮胎的外表面的任何部分。
Claims (16)
1.一种用于在轮胎制造工序中检测轮胎上的缺陷的方法(200),所述方法包括:
a)接收(202)基本无缺陷的参照轮胎的表面部分的参照图像(Iref);
b)提供(203)待分析的样本轮胎;
c)用倾斜光源照射(204)样本轮胎的表面部分;
d)获取(205)样本轮胎的被照射表面部分的样本图像(Icmp);
e)从所述参照图像和所述样本图像中提取(207)边缘并且分别产生:边缘参照图像(Iref_edg),所述边缘参照图像包括包含在所述参照图像中的边缘;和边缘样本图像(Icmp_edg),所述边缘样本图像包括包含在所述样本图像中的边缘;
f)进行所述边缘参照图像(Iref_edg)的所述边缘的扩大(208)并且由其产生扩大的边缘参照图像(Iref_edg_dl);
g)相对于所述扩大的边缘参照图像(Iref_edg_dl)比较(209)所述边缘样本图像(Icmp_edg),并且产生具有可能缺陷的边缘图像(Iedg_pd),所述具有可能缺陷的边缘图像包括包含在所述边缘样本图像中、但不包含在所述扩大的边缘参照图像中的边缘;
h)将包含在所述具有可能缺陷的边缘图像中的边缘识别为可能缺陷。
2.根据权利要求1所述的方法,其中,所述方法还包括:
i)从所述具有可能缺陷的边缘图像(Iedg_pd)中选择(210)第一边缘(C’D1),在所述边缘样本图像(Icmp_edg)中识别对应于所选择的第一边缘的第一对应边缘,并且验证所述边缘样本图像(Icmp_edg)中第二边缘的至少一个部分的存在,其中,所述第二边缘的一部分位于所述第一对应边缘的至少一个部分附近;
j)产生(211)具有恢复的可能缺陷的边缘图像(Iedg_pd-r),所述具有恢复的可能缺陷的边缘图像包括所述具有可能缺陷的边缘图像的边缘而且还包括被识别的第二边缘;
k)针对所述具有可能缺陷的边缘图像的其它第一边缘重复(213)前述步骤i)至j);
l)将包含在所述具有恢复的可能缺陷的边缘图像中的边缘识别(214)为缺陷。
3.根据权利要求2所述的方法,其中,在步骤i)中,计算所述第一对应边缘和所述第二边缘的接近度包括:
-通过测量属于所述第一对应边缘的点和属于所述第二边缘的点之间的距离而测量多个距离;
-识别所测量的多个距离之中的最小距离;
并且其中,在步骤i)中,如果所述最小距离小于或者等于距离阈值,则进行所述第二边缘的存在的所述验证。
4.根据权利要求3所述的方法,其中,步骤i)包括:
i1)使被限定为基本垂直于所考虑的边缘的平均方向的方向的取向与所述边缘样本图像的每个第一对应边缘相关联;
i2)使被限定为基本垂直于所考虑的边缘的平均方向的方向的取向与所述边缘样本图像的每个第二边缘相关联;
i3)验证所述第一对应边缘的取向是否基本平行于所选择的第二边缘的取向;
并且其中,如果步骤i3)中的验证是肯定的,则执行步骤j)中的所述产生。
5.根据权利要求2至4中的任一项所述的方法,其中,所述方法在步骤k)之后还包括以下步骤:
-接收所述具有恢复的可能缺陷的边缘图像;
-在所述具有恢复的可能缺陷的边缘图像中识别非缺陷元素的存在;
-消除被识别的非缺陷元素。
6.根据权利要求2至4中的任一项所述的方法,其中,步骤l)包括:
l1)从所述具有恢复的可能缺陷的边缘图像中选择(212-1)边缘并且产生(212-2)分别居中位于属于所选择的边缘的多个不同点上的多个边缘测量轮廓,所述多个边缘测量轮廓与相应的多个值相关联,根据分别居中位于所述多个不同点上的所述样本图像(Icmp)的相应部分的光强度值计算所述相应的多个值;
l2)从所述多个边缘测量轮廓选择(212-3)边缘测量轮廓并且根据所选择的边缘测量轮廓的趋势识别(212-4)可能缺陷点;
l3)针对所选择的边缘的其它边缘测量轮廓重复(212-5,212-6)步骤l2);
l4)针对所述具有恢复的可能缺陷的边缘图像的其它边缘重复(212-7,212-8)步骤l1)至l3);
l5)从所述具有恢复的可能缺陷的边缘图像(Iedg_pd-r)中选择(212-9)边缘并且计算(212-10)属于所选择的边缘的可能缺陷点的数量;
l6)如果所述可能缺陷点的数量大于缺陷阈值,则将所选择的边缘标记(212-11)为缺陷;
l7)针对从所述具有恢复的可能缺陷的边缘图像(Iedg_pd-r)中选择的其它边缘重复(212-12,212-13)步骤l5)至l6);
l8)产生(212-14)测量边缘图像(Ims_edg),所述测量边缘图像包括被标记为缺陷的边缘;
l9)将包含在所述测量边缘图像中的边缘识别(212-15)为缺陷。
7.根据权利要求6所述的方法,其中,所述方法在步骤d)和e)之间包括以下步骤d1):产生(206-1)填充的样本图像(Icmp_rp),通过填充代表存在于样本轮胎的胎面上的凹槽的所述样本图像的部分而获得所述填充的样本图像;和产生填充的参照图像(Iref_rp),通过填充代表存在于参照轮胎的胎面上的凹槽的所述参照图像的部分而获得所述填充的参照图像,
并且其中,步骤e)进行从所述填充的参照图像和所述填充的样本图像提取边缘的操作并且分别产生包括包含在所述填充的参照图像中的边缘的所述边缘参照图像和包括包含在所述填充的样本图像中的边缘的所述边缘样本图像,
并且其中,步骤l1)包括产生分别居中位于属于所选择的边缘的多个不同点上的多个边缘测量轮廓,所述多个边缘测量轮廓与相应的多个值相关联,根据分别居中位于所述多个不同点上的所述填充的样本图像的相应部分的光强度值计算所述相应的多个值。
8.根据权利要求7所述的方法,其中,在步骤l1)中,根据分别居中位于所述多个不同点上的所述填充的样本图像(Icmp_rp)的相应部分的光强度值计算(212-2.1)与所计算的相应多个值相关联的所述多个边缘测量轮廓。
9.根据权利要求6所述的方法,其中,所述缺陷阈值等于从所述具有恢复的可能缺陷的边缘图像中选择的边缘的长度的百分比。
10.根据权利要求1-4、7-9中的任一项所述的方法,其中,所述缺陷是基本一维切口,
并且其中,从以下之一选择参照轮胎的表面部分和样本轮胎的表面部分:
-胎面;
-外胎肩。
11.一种用以在轮胎生产线中检测轮胎上的缺陷的设备(100),所述设备包括:
-支撑与运动构件(101),所述支撑与运动构件具有支撑件,所述支撑件适于支撑样本轮胎并且使样本轮胎围绕其旋转轴线旋转;
-光源(131),所述光源构造成发射光辐射(Rd),用于在样本轮胎旋转期间倾斜照射样本轮胎的表面的一部分;
-至少一个摄像机(141),所述摄像机构造成获取在样本轮胎旋转期间样本轮胎的被照射表面部分的样本图像(Icmp);
-存储器(140),所述存储器构造成存储基本无缺陷的参照轮胎的表面部分的参照图像(Iref);
-处理单元(150),所述处理单元构造成:
▪接收样本轮胎的被照射表面部分的所述样本图像(Icmp);
▪从所述参照图像和所述样本图像中提取边缘并且分别产生:边缘参照图像(Iref_edg),所述边缘参照图像包括包含在所述参照图像中的边缘;和边缘样本图像(Icmp_edg),所述边缘样本图像包括包含在所述样本图像中的边缘;
▪进行所述边缘参照图像(Iref_edg)的边缘的扩大并且由其产生扩大的边缘参照图像(Iref_edg_dl);
▪相对于所述扩大的边缘参照图像(Iref_edg_dl)比较所述边缘样本图像(Icmp_edg)并且产生具有可能缺陷的边缘图像(Iedg_pd),所述具有可能缺陷的边缘图像包括包含在所述边缘样本图像中、但不包含在所述扩大的边缘参照图像中的边缘;
▪将包含在所述具有可能缺陷的边缘图像中的边缘识别为可能缺陷。
12.根据权利要求11所述的设备,其中,所述处理单元(150)还构造成:
▪从所述具有可能缺陷的边缘图像(Iedg_pd)中选择第一边缘(C’D1),在所述边缘样本图像(Icmp_edg)中识别对应于所选择的第一边缘的第一对应边缘,并且验证所述边缘样本图像(Icmp_edg)中第二边缘(CD1)的至少一个部分的存在,其中,所述第二边缘的一部分位于所述第一对应边缘的至少一个部分附近;
▪产生具有恢复的可能缺陷的边缘图像(Iedg_pd-r),所述具有恢复的可能缺陷的边缘图像包括所述具有可能缺陷的边缘图像的边缘而且还包括被识别的第二边缘;
▪针对所述具有可能缺陷的边缘图像的其它第一边缘重复第一边缘的所述选择、所述识别、所述验证和所述产生;
▪将包含在所述具有恢复的可能缺陷的边缘图像中的边缘识别为缺陷。
13.根据权利要求12所述的设备,其中,所述处理单元还构造成:
▪从所述具有恢复的可能缺陷的边缘图像中选择边缘并且产生分别居中位于属于所选择的边缘的多个不同点上的多个边缘测量轮廓,所述多个边缘测量轮廓与相应的多个值相关联,根据分别居中位于所述多个不同点上的所述样本图像(Icmp_al)的相应部分的光强度值计算所述相应的多个值;
▪从所述多个边缘测量轮廓选择边缘测量轮廓并且根据所选择的边缘测量轮廓的趋势识别可能缺陷点;
▪针对所选择的边缘的其它边缘测量轮廓重复可能缺陷点的识别;
▪针对所述具有恢复的可能缺陷的边缘图像的其它边缘重复可能缺陷点的识别;
▪从所述具有恢复的可能缺陷的边缘图像中选择边缘并且计算属于所选择的边缘的可能缺陷点的数量;
▪如果所述可能缺陷点的数量大于缺陷阈值,则将所选择的边缘标记为缺陷;
▪针对从所述具有恢复的可能缺陷的边缘图像中选择的其它边缘重复所述可能缺陷点的数量的计算和所选择的边缘的标记;
▪产生测量边缘图像(Ims_edg),所述测量边缘图像包括被标记为缺陷的边缘;
其中,所述设备包括屏幕,所述屏幕构造成显示被标记为缺陷的边缘的表示。
14.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序包括软件代码部分,当所述程序在至少一台计算机上运行时,所述软件代码部分适于执行根据权利要求2至9中的任一项所述的方法的至少步骤e)至l)。
15.一种用于制造轮胎的工艺,所述工艺包括:
-构建生轮胎;
-模制和硫化所述生轮胎;
-根据权利要求1至10中的任一项所述的方法控制所述生轮胎和/或被硫化的轮胎。
16.一种轮胎生产线(1),所述轮胎生产线包括:
-加工站(10);
-模制与固化站(20);
-控制站(30),所述控制站包括根据权利要求11、12或13所述的用以在轮胎生产线中检测轮胎上的缺陷的设备(100)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ITMI20142212 | 2014-12-22 | ||
ITMI2014A002212 | 2014-12-22 | ||
PCT/IB2015/059771 WO2016103131A1 (en) | 2014-12-22 | 2015-12-18 | Method and apparatus for detecting defects on tyres in a tyre production process |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108093647A CN108093647A (zh) | 2018-05-29 |
CN108093647B true CN108093647B (zh) | 2019-03-05 |
Family
ID=52597074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580074725.8A Active CN108093647B (zh) | 2014-12-22 | 2015-12-18 | 用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10006836B2 (zh) |
EP (1) | EP3237876B1 (zh) |
JP (1) | JP6279163B1 (zh) |
CN (1) | CN108093647B (zh) |
BR (1) | BR112017013330B1 (zh) |
MX (1) | MX361397B (zh) |
RU (1) | RU2640673C1 (zh) |
WO (1) | WO2016103131A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8967737B2 (en) | 2010-06-30 | 2015-03-03 | Camoplast Solideal Inc. | Wheel of a track assembly of a tracked vehicle |
US8985250B1 (en) | 2010-12-14 | 2015-03-24 | Camoplast Solideal Inc. | Track drive mode management system and methods |
CA2978482C (en) | 2015-03-04 | 2020-05-26 | Camso Inc. | Track system for traction of a vehicle |
EP3313717B1 (en) | 2015-06-29 | 2020-10-14 | Camso Inc. | Systems and methods for monitoring a track system for traction of a vehicle |
IT201700016046A1 (it) | 2017-02-14 | 2018-08-14 | Tekna Automazione E Controllo S R L | Apparato per il rilevamento e la verifica di difetti superficiali di un pneumatico al termine di un processo di produzione |
WO2018229805A1 (en) * | 2017-06-12 | 2018-12-20 | Pirelli Tyre S.P.A. | Method for checking tyres |
EP3721200B1 (en) | 2017-12-08 | 2023-11-29 | Camso Inc. | Track for traction of a vehicle |
WO2020041899A1 (en) * | 2018-08-30 | 2020-03-05 | Camso Inc. | Systems and methods for monitoring vehicles with tires |
US10475179B1 (en) * | 2018-10-12 | 2019-11-12 | Velocity Image Processing LLC | Compensating for reference misalignment during inspection of parts |
CN110705560A (zh) * | 2019-10-14 | 2020-01-17 | 上海眼控科技股份有限公司 | 轮胎文本的获取方法及装置、轮胎规格的检测方法 |
WO2023150445A1 (en) * | 2022-02-03 | 2023-08-10 | Bridgestone Bandag, Llc | Auto skive filling system |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0536705A2 (en) * | 1991-10-11 | 1993-04-14 | Bridgestone Corporation | Method and apparatus for video imaging of tire ground contact patch |
EP1477765A1 (en) * | 2002-02-21 | 2004-11-17 | Kabushiki Kaisha Bridgestone | Method of detecting object of detection and device therefor, and method of inspecting object of inspection and device therefor |
CN101896865A (zh) * | 2007-12-19 | 2010-11-24 | 米其林技术公司 | 用于评价轮胎表面的设备 |
CN102203578A (zh) * | 2008-11-07 | 2011-09-28 | 米其林技术公司 | 通过主动立体观察来对轮胎表面的凸纹的评定 |
CN103649989A (zh) * | 2011-04-18 | 2014-03-19 | 米其林企业总公司 | 轮胎外表面的数字图像的分析和伪测量点的处理 |
CN103649995A (zh) * | 2011-05-19 | 2014-03-19 | 米其林企业总公司 | 用于确定轮胎表面上凸纹中的元素的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007047089A (ja) * | 2005-08-11 | 2007-02-22 | Bridgestone Corp | 空気のう外観検査装置及び空気のう外見検査方法 |
FR2925687B1 (fr) * | 2007-12-19 | 2010-02-12 | Soc Tech Michelin | Methode d'evaluation par comparaison d'une image acquise avec une image de reference. |
FR2966246B1 (fr) * | 2010-10-19 | 2012-12-14 | Michelin Soc Tech | Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique |
JP5726045B2 (ja) * | 2011-11-07 | 2015-05-27 | 株式会社神戸製鋼所 | タイヤ形状検査方法、及びタイヤ形状検査装置 |
FR3007174B1 (fr) * | 2013-06-13 | 2016-09-09 | Michelin & Cie | Methode de traitement de l'image numerique de la surface d'un pneumatique en vue de la detection d'une anomalie |
GB201318824D0 (en) * | 2013-10-24 | 2013-12-11 | Wheelright Ltd | Tyre condition analysis |
JP6289283B2 (ja) | 2014-06-20 | 2018-03-07 | 株式会社ブリヂストン | 円環状回転体の表面形状データの補正方法、及び、円環状回転体の外観検査装置 |
-
2015
- 2015-12-18 EP EP15825850.9A patent/EP3237876B1/en active Active
- 2015-12-18 MX MX2017008040A patent/MX361397B/es active IP Right Grant
- 2015-12-18 US US15/537,863 patent/US10006836B2/en active Active
- 2015-12-18 JP JP2017532624A patent/JP6279163B1/ja active Active
- 2015-12-18 RU RU2017126219A patent/RU2640673C1/ru active
- 2015-12-18 CN CN201580074725.8A patent/CN108093647B/zh active Active
- 2015-12-18 BR BR112017013330-0A patent/BR112017013330B1/pt active IP Right Grant
- 2015-12-18 WO PCT/IB2015/059771 patent/WO2016103131A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0536705A2 (en) * | 1991-10-11 | 1993-04-14 | Bridgestone Corporation | Method and apparatus for video imaging of tire ground contact patch |
EP1477765A1 (en) * | 2002-02-21 | 2004-11-17 | Kabushiki Kaisha Bridgestone | Method of detecting object of detection and device therefor, and method of inspecting object of inspection and device therefor |
CN101896865A (zh) * | 2007-12-19 | 2010-11-24 | 米其林技术公司 | 用于评价轮胎表面的设备 |
CN102203578A (zh) * | 2008-11-07 | 2011-09-28 | 米其林技术公司 | 通过主动立体观察来对轮胎表面的凸纹的评定 |
CN103649989A (zh) * | 2011-04-18 | 2014-03-19 | 米其林企业总公司 | 轮胎外表面的数字图像的分析和伪测量点的处理 |
CN103649995A (zh) * | 2011-05-19 | 2014-03-19 | 米其林企业总公司 | 用于确定轮胎表面上凸纹中的元素的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2016103131A1 (en) | 2016-06-30 |
MX2017008040A (es) | 2017-10-20 |
WO2016103131A9 (en) | 2017-08-03 |
US10006836B2 (en) | 2018-06-26 |
US20170350794A1 (en) | 2017-12-07 |
JP6279163B1 (ja) | 2018-02-14 |
BR112017013330A2 (pt) | 2018-02-20 |
BR112017013330B1 (pt) | 2022-11-22 |
MX361397B (es) | 2018-12-04 |
RU2640673C1 (ru) | 2018-01-11 |
CN108093647A (zh) | 2018-05-29 |
JP2018506707A (ja) | 2018-03-08 |
EP3237876B1 (en) | 2019-02-20 |
EP3237876A1 (en) | 2017-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108093647B (zh) | 用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备 | |
US10346971B2 (en) | Optimized method for analyzing the conformity of the surface of a tire | |
US9835524B2 (en) | Method for segmenting the surface of a tyre and apparatus operating according to said method | |
CN107771341B (zh) | 用于分析轮胎的表面的方法和设备 | |
CN108337900B (zh) | 用于检测轮胎的表面上的缺陷的方法和设备 | |
US10989628B2 (en) | Method and line for checking tyres for vehicle wheels | |
US10267710B2 (en) | Method and apparatus for detecting defects on tyres in a tyre production process | |
CN103020970B (zh) | 玉米果穗图像籽粒分割方法 | |
US20110013823A1 (en) | Method of Evaluation by Comparison of an Acquired Image with a Reference Image | |
CN107750371B (zh) | 用于检测轮胎的表面上的缺陷的方法和设备 | |
KR20140001205A (ko) | 타이어의 트레드 구성을 형성하는 기초 패턴의 식별 및 지정 방법 | |
JP2005331274A (ja) | タイヤ凹凸図形の検査方法、および、タイヤ凹凸図形検査装置 | |
CN103168220A (zh) | 用于识别和定义形成轮胎胎面设计的基本花纹的方法 | |
RU2696343C2 (ru) | Способ и устройство для контроля шин на производственной линии | |
JP7058170B2 (ja) | タイヤ金型サイドプレートの検査方法 | |
CN115452844B (zh) | 一种基于机器视觉的注塑件检测方法及系统 | |
KR102589480B1 (ko) | Ai 딥러닝을 이용한 자동차 타이어 외관 자동검사방법 | |
KR20150137474A (ko) | 컬러 이미지 분리를 이용한 비전검사 방법 | |
JP5567951B2 (ja) | タイヤのマスター画像生成方法及びマスター画像生成装置 | |
WO2023119086A1 (en) | Method and apparatus for checking tyres |
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 |