CN112415015B - 一种轮胎带束层接头缺陷检测方法、装置、设备及介质 - Google Patents

一种轮胎带束层接头缺陷检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN112415015B
CN112415015B CN202011249188.5A CN202011249188A CN112415015B CN 112415015 B CN112415015 B CN 112415015B CN 202011249188 A CN202011249188 A CN 202011249188A CN 112415015 B CN112415015 B CN 112415015B
Authority
CN
China
Prior art keywords
joint
image
frame
segmented
frames
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
Application number
CN202011249188.5A
Other languages
English (en)
Other versions
CN112415015A (zh
Inventor
郑飞
周栋
田义举
付丽颖
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.)
Khorgas Qimiao Software Technology Co ltd
Original Assignee
Khorgas Qimiao Software Technology Co ltd
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 Khorgas Qimiao Software Technology Co ltd filed Critical Khorgas Qimiao Software Technology Co ltd
Priority to CN202011249188.5A priority Critical patent/CN112415015B/zh
Publication of CN112415015A publication Critical patent/CN112415015A/zh
Application granted granted Critical
Publication of CN112415015B publication Critical patent/CN112415015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • 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
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种轮胎带束层接头缺陷检测方法、装置、设备及介质。其中，该方法包括：根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和所述分块图像在待检测图像中的位置；将分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到分块图像中的接头框信息；其中，接头框信息包括接头位置、接头置信度和接头大小；根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框；根据接头位置，从候选接头框中查找满足对称要求的目标接头框；根据接头大小，基于预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。实现了对带束层接头缺陷的自动检测，提高检测效率和精度。

Description

一种轮胎带束层接头缺陷检测方法、装置、设备及介质
技术领域
本发明实施例涉及图像检测技术，尤其涉及一种轮胎带束层接头缺陷检测方法、装置、设备及介质。
背景技术
随着生活水平的上升，人们对轮胎的质量要求日益提高，轮胎缺陷的检测项目也随之增多，精度要求也顺应提高。
目前对轮胎接头缺陷的检测方法为提取轮胎的灰度特征，人工实现对接头区域的定位，再由工作人员对特征进行判断，确定接头缺陷。但是人工检测容易产生误判与漏判，浪费人力和时间，影响检测效率和检测精度。
发明内容
本发明实施例提供一种轮胎带束层接头缺陷检测方法、装置、设备及介质，以提高轮胎带束层接头检测效率和检测精度。
第一方面，本发明实施例提供了一种轮胎带束层接头缺陷检测方法，该方法包括：
根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和所述分块图像在待检测图像中的位置；
将所述分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到所述分块图像中的接头框信息；其中，所述接头框信息包括接头位置、接头置信度和接头大小；
根据所述接头置信度，确定所述分块图像中满足预设接头置信度要求的候选接头框；
根据所述接头位置，从所述候选接头框中查找满足对称要求的目标接头框；
根据所述接头大小，基于预设的接头缺陷标准，确定所述目标接头框中接头的缺陷类型。
第二方面，本发明实施例还提供了一种轮胎带束层接头缺陷检测装置，该装置包括：
分块图像获得模块，用于根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和所述分块图像在待检测图像中的位置；
接头框信息获得模块，用于将所述分块图像输入预先训练的接头检测模型，得到所述分块图像中的接头框信息；其中，所述接头框信息包括接头位置、接头置信度和接头大小；
候选接头框确定模块，用于根据所述接头置信度，确定所述分块图像中满足预设接头置信度要求的候选接头框；
目标接头框确定模块，用于根据所述接头位置，从所述候选接头框中查找满足对称要求的目标接头框；
缺陷类型确定模块，用于根据所述接头大小，基于预设的接头缺陷标准，确定所述目标接头框中接头的缺陷类型
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意实施例所述的轮胎带束层接头缺陷检测方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的轮胎带束层接头缺陷检测方法。
本发明实施例通过对待检测图像进行分块，将分块图像输入接头检测模型中，得到每张分块图像中的接头信息，根据接头信息，判断接头是否有缺陷。对接头的接头框进行置信度筛选和对称查找，得到目标接头的接头框，根据预设的接头缺陷标准，确定目标接头矩形框中接头的缺陷类型。解决了现有技术中，人工对特征图像或X光图像进行检测的问题，节约人力和时间，避免人工的误判和漏判，提高轮胎带束层接头缺陷的检测效率和检测精度，实现自动化智能检测。
附图说明
图1是本发明实施例一中的一种轮胎带束层接头缺陷检测方法的流程示意图；
图2是本发明实施例一中的互为对称的接头框示意图；
图3是本发明实施例二中的一种轮胎带束层接头缺陷检测方法的流程示意图；
图4是本发明实施例三中的一种轮胎带束层接头缺陷检测装置的结构框图；
图5是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种轮胎带束层接头缺陷检测方法的流程示意图，本实施例可适用于检测轮胎带束层接头缺陷的情况，该方法可以由一种轮胎带束层接头缺陷检测装置来执行，具体包括如下步骤：
步骤110、根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和分块图像在待检测图像中的位置。
其中，待检测图像可以是轮胎带束层的灰度图像，可以按照预设的分块图像大小，对待检测图像进行分割，一张待检测图像可以划分为多张分块图像。例如，可以将待检测图像进行自上而下的切分，得到分块图像。在得到分块图像后，可以确定分块图像在待检测图像中的位置，可以采用直角坐标系表示分块图像的位置。
本实施例中，可选的，根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和分块图像在待检测图像中的位置，包括：根据待检测图像的大小和预设的分块图像的大小，确定分块图像的数量；根据分块图像的数量，确定分块图像的重叠区域的大小；根据待检测图像的大小和分块图像的重叠区域的大小，确定分块图像的在待检测图像中的位置。
具体的，轮胎图像可以是竖长型的矩形图像，预先设定分块图像的大小，例如，将分块图像的宽度与待检测图像的宽度设定为一致，只设定分块图像的长度。根据设定的分块图像的长度，对待检测图像进行分割，得到分块图像的数量。例如，待检测图像的长度为5000像素，分块图像的长度为1000像素，则可以将待检测图像划分为5张分块图像。若把待检测图像划分为5张，则每张分块图像之间没有重叠区域。分块图像之间也可以存在重叠区域，根据分块图像的数量，可以确定分块图像的重叠区域的大小。例如，可以将待检测图像划分为9张分块图像，则每张分块图像可以有一定的重叠区域，重叠区域的宽度与待检测图像的宽度一致，重叠区域的长度可以是500像素。可以通过如下公式确定重叠区域的长度：
其中，LP为重叠区域的长度，floor为向下取整函数，LN为分块图像的长度，NP为分块图像的数量，L为待检测图像的长度。
根据待检测图像的大小和分块图像的重叠区域的大小，可以确定分块图像在待检测图像中的位置。例如，可以以坐标的形式表示分块图像的四个顶点坐标，确定分块图像的位置。在划分第一张分块图像后，可以根据分块图像的长度和重叠区域的长度，确定从当前分块图像左上角顶点到下一张分块图像的左上角顶点之间的距离，即分割过程中的纵向滑动距离。可以根据如下公式确定纵向滑动距离：
LS＝LN-LP；
其中，LS为纵向滑动距离。
根据纵向滑动距离，可以得到第i张分块图像的左上角顶点坐标，待检测图像为矩形图像，左上角顶尖坐标为(0，0)，横坐标方向为自左向右，纵坐标方向为自上向下，待检测图像和分块图像可以位于第一象限。可以根据如下公式确定左上角顶点坐标：
Xi＝0；
Yi＝(i-1)×LS；
其中，Xi为分块图像的左上角顶点横坐标，Yi为第i张分块图像的左上角顶点纵坐标。
这样设置的有益效果在于，对待检测图像进行分割，可以使分块图像满足后续接头检测模型的输入格式要求，避免图像处理失误，并能够确定图像中的接头特征在待检测图像中的位置，提高接头缺陷检测的效率和精度。
本实施例中，可选的，根据待检测图像的大小和预设的分块图像的大小，确定分块图像的数量，包括：根据如下公式计算分块图像的数量：
其中，NP表示分块图像的数量，floor表示向下取整函数，待检测图像的长为L，宽为W，分块图像的长为LN，宽为WN，W和WN相同。
具体的，对L除以LN向下取整后加2，可以保证待检测图像的每一个部分都被划分，避免待检测图像的内容被遗漏，有效提高检测精度。
步骤120、将分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到分块图像中的接头框信息；其中，接头框信息包括接头位置、接头置信度和接头大小。
其中，接头检测模型为预先训练，用于检测图像中的接头，可以将接头以接头框的形式进行表示，接头框可以是矩形框。将分块图像输入到接头检测模型中后，可以输出接头框信息，接头框信息可以包括接头位置、接头置信度和接头大小。可以确定分块图像中是否含有接头，若有，则以矩形框进行显示。可以通过接头置信度表示矩形框中是否是接头，接头置信度即为接头框中的内容是接头的概率。接头置信度越高，接头框中是接头的可能性就越高。根据分块图像在待检测图像中的位置，可以确定接头的位置，可以通过接头框的顶点坐标表示接头的位置。还可以表示接头的大小，可以将接头框的大小作为接头的大小，例如，可以将接头框的长度作为接头的长度。
在得到接头框之后，根据接头框的位置，确定同一张分块图像中是否存在相交的接头框，即是否存在两个接头框中有同一个接头。若存在相交的接头框，则比较相交的接头框的接头置信度大小，保留接头置信度大的接头框。对于不相交的接头框，无论置信度高低，都进行保留。通过对接头框进行筛选，避免接头重复检测，减少接头缺陷检测的工作量，提高接头缺陷检测的效率和精度。
步骤130、根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框。
其中，一张分块图像上可以有多个接头框，在得到接头框的接头置信度之后，确定是否存在满足预设接头置信度要求的接头框，若存在，则该接头框为候选接头框。预设接头置信度为预先设置的数值，例如，可以是0.9，可以将接头置信度等于或大于0.9的接头框作为候选接头框。也可以预设接头置信度要求为将接头置信度大于所得到的接头置信平均值的接头框作为候选接头框，则先计算所得到的接头置信度的平均值，再将每个接头置信度与平均值进行比较，确定候选接头框。
本实施例中，可选的，根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框，包括：将分块图像中接头框的接头置信度与预设接头置信度进行比较；若分块图像中接头框的接头置信度等于或大于预设接头置信度，则确定分块图像中的接头框为候选接头框。
具体的，将每张分块图像中的每个接头框的接头置信度与预设接头置信度进行比较，若分块图像中接头框的接头置信度等于或大于预设接头置信度，则确定分块图像中的接头框为候选接头框。这样设置的有益效果在于，对接头框再次进行筛选，减少缺陷检测的计算量，淘汰可能不是接头的接头框，提高接头检测的精度和效率。
步骤140、根据接头位置，从候选接头框中查找满足对称要求的目标接头框。
其中，轮胎带束层的接头分布具有左右对称性，在确定接头框的位置后，确定在同一张分块图像上满足接头置信度要求的候选接头框中，是否存在满足对称要求的接头框，若存在，则确定满足对称要求的接头框为目标接头框。接头可以分为左接头和右接头。可以预先设置对称要求，对称要求可以是要求找出左右对称的接头框，互为对称的左接头接头框和右接头接头框都是目标接头框。
本实施例中，可选的，根据接头位置，从候选接头框中查找满足对称要求的目标接头框，包括：根据接头位置，确定候选接头框在分块图像中的接头位置类型；接头位置类型包括左接头和右接头；根据对称要求，从候选接头框中查找互为对称的左接头的接头框和右接头的接头框，将互相对称的左接头的接头框和右接头的接头框确定为目标接头框。
具体的，根据接头框的位置，可以确定接头的位置类型，接头位置类型可以包括左接头和右接头，可以比较两个接头框左上角顶点的横坐标，横坐标较小的接头框为左接头的接头框，横坐标较大的接头框为右接头的接头框。在确定左接头和右接头时，分别确定每一张分块图像中的左接头和右接头，将互为对称的候选接头框确定为目标接头框。可以预先设置对称要求，例如，对称要求可以是左右两个接头框的左上角顶点纵坐标一致，则可以将候选接头框中左上角顶点纵坐标一致左右两个接头框作为目标接头框。图2为互为对称的接头框示意图。图2中左边的虚线框为左接头的接头框，右边的虚线框为右接头的接头框，左接头接头框与右接头接头框的左上角顶点纵坐标一致，因此，图2中左接头的接头框与右接头的接头框互为对称。这样设置的有益效果在于，由于轮胎带束层的接头具有左右对称性，因此，可以找出具有对称性的接头框，如果某一接头框没有对称接头框，则说明该接头框可能不是接头的接头框，可以有效淘汰错误的接头框，减少后续接头缺陷检测的工作量，避免出现错误识别，提高检测精度和检测效率。
本实施例中，可选的，根据对称要求，从候选接头框中查找互为对称的左接头的接头框和右接头的接头框，包括：将候选接头框中左接头的接头框向右平移，平移至左接头的接头框的中心点与右接头的接头框的中心点为同一横坐标；若平移后左接头的接头框与右接头的接头框存在重叠区域，则确定左接头的接头框与右接头的接头框对称。
具体的，对称要求可以设置为，当左接头的接头框的中心点与右接头的接头框的中心点为同一横坐标时，左接头的接头框与右接头的接头框存在重叠区域。因此，可以将左接头向右接头方向平移，或将右接头向左接头方向平移，平移至左接头与右接头的中心点横坐标相同。若平移后左接头的接头框与右接头的接头框存在重叠区域，则确定左接头的接头框与右接头的接头框对称，该左接头的接头框和右接头的接头框为目标接头框。这样设置的有益效果在于，通过接头框的坐标位置，可以准确判断左接头的接头框与右接头的接头框是否存在重叠，进而挑选出对称的接头框，避免遗漏互为对称的接头框，提高接头缺陷检测的效率和精度。若存在接头框没有对称接头框，则不对该接头框进行接头缺陷检测，减少缺陷检测的工作量。
步骤150、根据接头大小，基于预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。
其中，确定每一张分块图像中的目标接头框，根据预设的接头缺陷标准，确定目标接头框中的接头是否存在缺陷，以及缺陷类型。例如，可以将接头缺陷标准设置为：若接头长度在最大阈值及最小阈值之内，则接头正常；若接头长度大于最大阈值，则接头缺陷为过长；若接头长度小于最小阈值，则接头缺陷为过短。将接头缺陷的检测结果和对应的接头位置进行显示，便于工作人员进一步查看。
本实施例的技术方案，通过对待检测图像进行分块，将分块图像输入接头检测模型中，得到每张分块图像中的接头信息，根据接头信息，判断接头是否有缺陷。对接头的接头框进行置信度筛选和对称查找，得到目标接头的接头框，根据预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。解决了现有技术中，人工对特征图像或X光图像进行检测的问题，节约人力和时间，避免人工的误判和漏判，提高轮胎带束层接头缺陷的检测效率和检测精度，实现自动化智能检测。
实施例二
图3为本发明实施例二所提供的一种轮胎带束层接头缺陷检测方法的流程示意图，本实施例以上述实施例为基础进行进一步的优化，该方法可以由一种轮胎带束层接头缺陷检测装置来执行。如图3所示，该方法具体包括如下步骤：
步骤210、根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和分块图像在待检测图像中的位置。
步骤220、将分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到分块图像中的接头框信息；其中，接头框信息包括接头位置、接头置信度和接头大小。
步骤230、根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框。
步骤240、根据接头位置，从候选接头框中查找满足对称要求的目标接头框。
步骤250、若候选接头框中存在没有对称接头框的左接头或右接头，则根据接头位置，从接头置信度小于预设接头置信度的接头框中查找与候选接头框中没有对称接头框的左接头或右接头，相对称的接头框；将相对称的左接头的接头框和右接头的接头框确定为目标接头框。
其中，在从候选接头框中找出目标接头框后，若候选接头框中存在没有对称接头框的接头框，则从不满足预设接头置信度要求的接头框中进行查找，将不满足预设接头置信度要求的接头框称作备选接头框。确定候选接头框中没有对称接头框的待对称接头框，从备选接头框中查找与待对称接头框互为对称的接头框，可以通过预设对称要求确定接头框是否对称。若备选接头框中存在与待对称接头框对称的接头框，则将该待对称接头框和查找出来的对称的接头框，确定为目标接头框，对步骤240找到的目标接头框进行更新。若备选接头框中没有待对称接头框的对称接头框，则淘汰该待对称接头框，不对该待对称接头框进行接头缺陷检测。
若在备选接头框中找不到待对称接头框的对称接头框，则说明该待对称接头中的内容并不是接头，通过对目标接头框的二次查找，可以避免对错误的接头框进行缺陷检测，节约检测时间，并避免对正确的接头框的遗漏，提高接头缺陷的检测精度和检测效率。
步骤260、根据接头大小，基于预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。
本发明实施例通过对待检测图像进行分块，将分块图像输入接头检测模型中，得到每张分块图像中的接头信息，根据接头信息，判断接头是否有缺陷。对接头的矩形框进行置信度筛选和对称查找，得到目标接头的矩形框，避免对接头的遗漏。根据预设的接头缺陷标准，确定目标接头矩形框中接头的缺陷类型。解决了现有技术中，人工对特征图像或X光图像进行检测的问题，节约人力和时间，避免人工的误判和漏判，提高轮胎带束层接头缺陷的检测效率和检测精度，实现自动化智能检测。
实施例三
图4为本发明实施例三所提供的一种轮胎带束层接头缺陷检测装置的结构框图，可执行本发明任意实施例所提供的一种轮胎带束层接头缺陷检测方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置具体包括：
分块图像获得模块401，用于根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和分块图像在待检测图像中的位置；
接头框信息获得模块402，用于将分块图像输入预先训练的接头检测模型，得到分块图像中的接头框信息；其中，接头框信息包括接头位置、接头置信度和接头大小；
候选接头框确定模块403，用于根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框；
目标接头框确定模块404，用于根据接头位置，从候选接头框中查找满足对称要求的目标接头框；
缺陷类型确定模块405，用于根据接头大小，基于预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。
可选的，分块图像获得模块401，包括：
数量确定单元，用于根据待检测图像的大小和预设的分块图像的大小，确定分块图像的数量；
重叠确定单元，用于根据分块图像的数量，确定分块图像的重叠区域的大小；
位置确定单元，用于根据待检测图像的大小和分块图像的重叠区域的大小，确定分块图像的在待检测图像中的位置。
可选的，数量确定单元，具体用于：
根据如下公式计算分块图像的数量：
其中，NP表示分块图像的数量，floor表示向下取整函数，待检测图像的长为L，宽为W，分块图像的长为LN，宽为WN，W和WN相同。
可选的，候选接头框确定模块403，包括：
置信度比较单元，用于将分块图像中接头框的接头置信度与预设接头置信度进行比较；
候选框确定单元，用于若分块图像中接头框的接头置信度等于或大于预设接头置信度，则确定分块图像中的接头框为候选接头框。
可选的，目标接头框确定模块404，包括：
接头类型确定单元，用于根据接头位置，确定候选接头框在分块图像中的接头位置类型；接头位置类型包括左接头和右接头；
接头框查找单元，用于根据对称要求，从候选接头框中查找互为对称的左接头的接头框和右接头的接头框，将互相对称的左接头的接头框和右接头的接头框确定为目标接头框。
可选的，接头框查找单元，具体用于：
将候选接头框中左接头的接头框向右平移，平移至左接头的接头框的中心点与右接头的接头框的中心点为同一横坐标；
若平移后左接头的接头框与右接头的接头框存在重叠区域，则确定左接头的接头框与右接头的接头框对称。
可选的，该装置还包括：
目标框确定模块，用于若候选接头框中存在没有对称接头框的左接头或右接头，则根据接头位置，从接头置信度小于预设接头置信度的接头框中查找与候选接头框中没有对称接头框的左接头或右接头，相对称的接头框；
将相对称的左接头的接头框和右接头的接头框确定为目标接头框。
本发明实施例通过对待检测图像进行分块，将分块图像输入接头检测模型中，得到每张分块图像中的接头信息，根据接头信息，判断接头是否有缺陷。对接头的矩形框进行置信度筛选和对称查找，得到目标接头的矩形框，根据预设的接头缺陷标准，确定目标接头矩形框中接头的缺陷类型。解决了现有技术中，人工对特征图像或X光图像进行检测的问题，节约人力和时间，避免人工的误判和漏判，提高轮胎带束层接头缺陷的检测效率和检测精度，实现自动化智能检测。
实施例四
图5是本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备500的框图。图5显示的计算机设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机设备500以通用计算设备的形式表现。计算机设备500的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备500典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备500访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。计算机设备500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备500也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该计算机设备500交互的设备通信，和/或与使得该计算机设备500能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且，计算机设备500还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器512通过总线503与计算机设备500的其它模块通信。应当明白，尽管图5中未示出，可以结合计算机设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种轮胎带束层接头缺陷检测方法，包括：
根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和分块图像在待检测图像中的位置；
将分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到分块图像中的接头框信息；其中，接头框信息包括接头位置、接头置信度和接头大小；
根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框；
根据接头位置，从候选接头框中查找满足对称要求的目标接头框；
根据接头大小，基于预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种轮胎带束层接头缺陷检测方法，包括：
根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和分块图像在待检测图像中的位置；
将分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到分块图像中的接头框信息；其中，接头框信息包括接头位置、接头置信度和接头大小；
根据接头置信度，确定分块图像中满足预设接头置信度要求的候选接头框；
根据接头位置，从候选接头框中查找满足对称要求的目标接头框；
根据接头大小，基于预设的接头缺陷标准，确定目标接头框中接头的缺陷类型。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种轮胎带束层接头缺陷检测方法，其特征在于，包括：
根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和所述分块图像在待检测图像中的位置；
将所述分块图像和分块图像在待检测图像中的位置输入预先训练的接头检测模型，得到所述分块图像中的接头框信息；其中，所述接头框信息包括接头位置、接头置信度和接头大小；
根据所述接头置信度，确定所述分块图像中满足预设接头置信度要求的候选接头框；
根据所述接头位置，从所述候选接头框中查找满足对称要求的目标接头框，包括：根据所述接头位置，确定候选接头框在分块图像中的接头位置类型；所述接头位置类型包括左接头和右接头；根据对称要求，从候选接头框中查找互为对称的左接头的接头框和右接头的接头框，将互相对称的左接头的接头框和右接头的接头框确定为目标接头框；
根据所述接头大小，基于预设的接头缺陷标准，确定所述目标接头框中接头的缺陷类型。
2.根据权利要求1所述的方法，其特征在于，根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和所述分块图像在待检测图像中的位置，包括：
根据待检测图像的大小和预设的分块图像的大小，确定所述分块图像的数量；
根据所述分块图像的数量，确定所述分块图像的重叠区域的大小；
根据所述待检测图像的大小和所述分块图像的重叠区域的大小，确定所述分块图像的在待检测图像中的位置。
3.根据权利要求2所述的方法，其特征在于，根据待检测图像的大小和预设的分块图像的大小，确定所述分块图像的数量，包括：
根据如下公式计算分块图像的数量：
其中，NP表示分块图像的数量，floor表示向下取整函数，待检测图像的长为L，宽为W，分块图像的长为LN，宽为WN，W和WN相同。
4.根据权利要求1所述的方法，其特征在于，根据所述接头置信度，确定所述分块图像中满足预设接头置信度要求的候选接头框，包括：
将所述分块图像中接头框的接头置信度与预设接头置信度进行比较；
若所述分块图像中接头框的接头置信度等于或大于预设接头置信度，则确定所述分块图像中的接头框为候选接头框。
5.根据权利要求1所述的方法，其特征在于，根据对称要求，从候选接头框中查找互为对称的左接头的接头框和右接头的接头框，包括：
将候选接头框中所述左接头的接头框向右平移，平移至左接头的接头框的中心点与右接头的接头框的中心点为同一横坐标；
若平移后所述左接头的接头框与所述右接头的接头框存在重叠区域，则确定所述左接头的接头框与所述右接头的接头框对称。
6.根据权利要求1所述的方法，其特征在于，在根据所述接头位置，从所述候选接头框中查找满足对称要求的目标接头框之后，还包括：
若所述候选接头框中存在没有对称接头框的左接头或右接头，则根据所述接头位置，从接头置信度小于预设接头置信度的接头框中查找与候选接头框中没有对称接头框的左接头或右接头，相对称的接头框；
将相对称的左接头的接头框和右接头的接头框确定为目标接头框。
7.一种轮胎带束层接头缺陷检测装置，其特征在于，包括：
分块图像获得模块，用于根据预设的分块图像大小，将待检测图像进行分块，得到至少两张分块图像和所述分块图像在待检测图像中的位置；
接头框信息获得模块，用于将所述分块图像输入预先训练的接头检测模型，得到所述分块图像中的接头框信息；其中，所述接头框信息包括接头位置、接头置信度和接头大小；
候选接头框确定模块，用于根据所述接头置信度，确定所述分块图像中满足预设接头置信度要求的候选接头框；
目标接头框确定模块，用于根据所述接头位置，从所述候选接头框中查找满足对称要求的目标接头框；
缺陷类型确定模块，用于根据所述接头大小，基于预设的接头缺陷标准，确定所述目标接头框中接头的缺陷类型；
其中，所述目标接头框确定模块，包括：
接头类型确定单元，用于根据接头位置，确定候选接头框在分块图像中的接头位置类型；接头位置类型包括左接头和右接头；
接头框查找单元，用于根据对称要求，从候选接头框中查找互为对称的左接头的接头框和右接头的接头框，将互相对称的左接头的接头框和右接头的接头框确定为目标接头框。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的轮胎带束层接头缺陷检测方法。
9.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的轮胎带束层接头缺陷检测方法。
CN202011249188.5A 2020-11-10 2020-11-10 一种轮胎带束层接头缺陷检测方法、装置、设备及介质 Active CN112415015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011249188.5A CN112415015B (zh) 2020-11-10 2020-11-10 一种轮胎带束层接头缺陷检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011249188.5A CN112415015B (zh) 2020-11-10 2020-11-10 一种轮胎带束层接头缺陷检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112415015A CN112415015A (zh) 2021-02-26
CN112415015B true CN112415015B (zh) 2023-12-05

Family

ID=74781315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011249188.5A Active CN112415015B (zh) 2020-11-10 2020-11-10 一种轮胎带束层接头缺陷检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112415015B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1705556A (zh) * 2002-09-03 2005-12-07 康蒂南特马博-轮胎工业股份有限公司 纺织帘子布层中接头搭接公差的自动控制和监视系统
JP2011137656A (ja) * 2009-12-25 2011-07-14 Sharp Corp 画像処理方法、画像処理装置、プログラムおよび記録媒体
CN106483136A (zh) * 2016-10-13 2017-03-08 青岛软控机电工程有限公司 带束层缺陷检测方法及系统
CN108550135A (zh) * 2018-03-07 2018-09-18 天津工业大学 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法
CN110083719A (zh) * 2019-03-29 2019-08-02 杭州电子科技大学 一种基于深度学习的工业制品病疵检测方法
CN110619623A (zh) * 2019-08-08 2019-12-27 广东工业大学 一种变电设备接头发热的自动识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3128312B1 (en) * 2014-04-02 2018-09-05 Bridgestone Corporation Joining state determination method and shaping device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1705556A (zh) * 2002-09-03 2005-12-07 康蒂南特马博-轮胎工业股份有限公司 纺织帘子布层中接头搭接公差的自动控制和监视系统
JP2011137656A (ja) * 2009-12-25 2011-07-14 Sharp Corp 画像処理方法、画像処理装置、プログラムおよび記録媒体
CN106483136A (zh) * 2016-10-13 2017-03-08 青岛软控机电工程有限公司 带束层缺陷检测方法及系统
CN108550135A (zh) * 2018-03-07 2018-09-18 天津工业大学 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法
CN110083719A (zh) * 2019-03-29 2019-08-02 杭州电子科技大学 一种基于深度学习的工业制品病疵检测方法
CN110619623A (zh) * 2019-08-08 2019-12-27 广东工业大学 一种变电设备接头发热的自动识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于深度学习网络Ｕ－Ｎｅｔ的轮胎带束层分割算法研究;吴则举;青岛大学学报（自然科学版）;第32卷(第4期);第22-29, 35页 *
基于轮胎X光图像的0号带束层缺陷检测算法研究;林佳佳;中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)(第1期);全文 *

Also Published As

Publication number Publication date
CN112415015A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN109726661B (zh) 图像处理方法及装置、介质和计算设备
CN104715249A (zh) 物体跟踪方法和装置
WO2020133442A1 (zh) 一种识别文本的方法及终端设备
CN112396122B (zh) 基于顶点距离与交并比多重优化目标检测器的方法与系统
CN112906823B (zh) 目标对象识别模型训练方法、识别方法及识别装置
CN114463603B (zh) 图像检测模型的训练方法、装置、电子设备及存储介质
CN112232354A (zh) 一种文字识别方法、装置、设备及存储介质
CN110688873A (zh) 多目标追踪方法及人脸识别方法
CN103837135B (zh) 工件检测方法及其系统
CN112989768B (zh) 连线题批改方法、装置、电子设备及存储介质
CN113506288A (zh) 基于transform注意力机制的肺结节检测方法及装置
CN114359161A (zh) 一种缺陷检测方法、装置、设备和存储介质
CN112415015B (zh) 一种轮胎带束层接头缺陷检测方法、装置、设备及介质
CN113887481A (zh) 一种图像处理方法、装置、电子设备及介质
WO2024041443A9 (zh) 显示界面的测试方法及装置、存储介质、电子设备
CN112857746A (zh) 一种灯光检测仪的追踪方法、装置、电子设备及存储介质
CN109934185B (zh) 数据处理方法及装置、介质和计算设备
CN115511819B (zh) 一种x射线焊缝边界识别方法、装置、设备及存储介质
CN113762455A (zh) 检测模型训练方法、单字检测方法、装置、设备及介质
CN107330470B (zh) 识别图片的方法和装置
CN114283343B (zh) 基于遥感卫星图像的地图更新方法、训练方法和设备
CN113469086B (zh) 建筑平面图中的区域划分方法、装置、设备及介质
CN114114457B (zh) 基于多模态测井数据的裂缝表征方法、装置及设备
CN113807416B (zh) 一种模型训练方法、装置、电子设备以及存储介质
CN114220011A (zh) 货物数量识别方法、装置、电子设备和存储介质

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