CN117115082B - 一种轮胎搭接质量检测方法和设备 - Google Patents
一种轮胎搭接质量检测方法和设备 Download PDFInfo
- Publication number
- CN117115082B CN117115082B CN202310855827.XA CN202310855827A CN117115082B CN 117115082 B CN117115082 B CN 117115082B CN 202310855827 A CN202310855827 A CN 202310855827A CN 117115082 B CN117115082 B CN 117115082B
- Authority
- CN
- China
- Prior art keywords
- boundary
- region
- interest
- head
- tail
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000000463 material Substances 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 241000270295 Serpentes Species 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 26
- 238000001514 detection method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000000465 moulding Methods 0.000 description 5
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008407 joint function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种轮胎搭接质量检测方法和设备,按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定原始搭接图像的初始头部边界;对原始搭接图像进行灰度垂直投影,得到原始搭接图像的离散一维数组;基于一维数组确定原始搭接图像的左右边界,并根据左右边界确定第二搭接图像;基于初始头部边界获取第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于第一感兴趣区域与第二感兴趣区域确定第二搭接图像的头部边界与尾部边界;基于头部边界与尾部边界轮胎材料的搭接质量,从而精确的确定搭接图像的头部边界与尾部边界,确定头部与尾部之间的搭接量,实现对搭接质量的精准评估。
Description
技术领域
本申请涉及轮胎搭接技术领域,更具体地,涉及一种轮胎搭接质量检测方法和设备。
背景技术
我国全钢载重子午线轮胎成型机大约在 2000年才开始发展,起步晚,主要通过国外技术引进,并逐步实现国有化。经过20年时间发展,我国成型机已与国际最先进设备并驾齐驱。但由于我国成型机厂家迫切追求发展速度与效益,对于成型机上面临的诸多细节没有进行深入研究与探索,致使目前全钢成型机还存在大量难点亟待解决。比如,半制品胶料自动贴合、自动接头功能未实现,胎圈自动装载功能未实现等难点问题,这些问题的解决将对设备性能、生产、人力等方面产生重大影响。现代工业正逐步趋近无人化、智能化。但全钢成型机仍需3人进行高强度操作,导致人工成本浪费,并很大程度限制生产效率;对于自动贴合胶料,即使实现无人化操作,但是如果缺少视觉智能检测装置的话,必须人工观察判别是否合格,这限制了成型的效率和质量判别的可靠性。
因此,如何提供一种轮胎搭接质量检测方法和设备,实现对轮胎搭接质量的自动检测,并提高轮胎搭接质量的精准度,是目前有待解决的技术问题。
发明内容
本发明提供一种轮胎搭接质量检测方法和设备,用以解决现有技术轮胎搭接质量依赖人工测量,测量效率低且精准度不高的技术问题,所述方法包括:
按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;
对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;
基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;
基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;
基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量。
在其中一些具体实施例中,所述预设采集策略具体为所述3D相机与所述激光光源采集的起始位置在所述初始头部边界之前的预设距离处。
在其中一些具体实施例中,基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,具体为:
将所述离散一维数组通过最小二值法拟合为连续函数;
将所述连续函数中一阶倒数大于预设边缘阈值且二阶倒数为零的点作为疑似边缘点;
筛除掉所述疑似边缘点中的干扰边缘点,基于筛选后的疑似边缘点确定所述原始搭接图像的左右边界;
将所述原始搭接图像缩小至左右边界范围,得到所述第二搭接图像。
在其中一些具体实施例中,基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界,具体为:
将所述初始头部边界的上方区域设置为所述第一感兴趣区域;
在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界;
基于所述头部区域拆分出初始尾部边界,并将所述初始尾部边界的下方区域作为所述第二感兴趣区域;
基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界。
在其中一些具体实施例中,在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界,具体为:
沿所述初始头部边界的法线方向将所述第一感兴趣区域拆分为多个子第一感兴趣区域;
通过高斯滤波对各所述子第一感兴趣区域进行图像去噪;
通过sobel算子计算各所述子第一感兴趣区域水平方向和竖直方向的梯度图;
根据所述梯度图获取所述头部边界的梯度与方向;
通过非极大值抑制方法获取满足预设梯度条件的像素点,所述预设梯度条件为该像素点的梯度在周围具有相同方向的像素点中为最大的;
基于最小函数值与最大函数值在所述像素点中筛选出边界点,并基于所述边界点获取各子第一感兴趣区域对应的头部边界。
在其中一些具体实施例中,基于最小函数值与最大函数值在所述像素点中筛选出边界点,并基于所述边界点获取各子第一感兴趣区域对应的头部边界,具体为:
将梯度高于所述最大函数值的像素点作为边界点,将梯度低于所述最小函数值的像素点去除;
若所述像素点的梯度低于所述最大函数值且高于最小函数值的像素点,则确定该像素点是否与所述边界点相连;
若是,则将该像素点作为边界点;
基于获取到的边界点得到各子第一感兴趣区域对应的头部边界。
在其中一些具体实施例中,基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界,具体为:
沿着所述初始尾部边界的法线方向将第二感兴趣区域拆分为多个子第二感兴趣区域;
通过预设测量矩获取各所述子第二感兴趣区域的边界位置;
将边界位置的中心点进行直线拟合,得到尾部每段区域的尾部边界。
在其中一些具体实施例中,基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量,具体为;
根据各子第一感兴趣区域的头部边界与对应的子第二感兴趣区域的尾部边界确定各区域的搭接量;
根据各搭接量确定最大搭接量、最小搭接量及平均搭接量,并根据最大搭接量、最小搭接量及平均搭接量生成轮胎材料的搭接质量。
在其中一些具体实施例中,所述方法还包括:
将所述第二搭接图像的上方与下方的角度区域去除,得到第二搭接图像的中间矩形区域;
将所述中间矩形区域从上至下拆分为多个子矩形区域;
设置每个子矩形区域的边缘梯度阈值和极性,并通过预设测量矩得到每个子矩形区域内的材料的左右坐标和宽度值;
根据每个子矩形区域内的材料的左右坐标和宽度值确定各子矩形区域的子中心点;
基于各子中心点与轮胎材料的中心点进行对比,判断各子矩形区域是否存在蛇形。
相应的,本发明还提出了一种轮胎搭接质量检测设备,所述设备包括:
第一确定模块,用于按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;
获取模块,用于对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;
第二确定模块,用于基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;
第三确定模块,用于基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;
第四确定模块,用于基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量。
通过应用以上技术方案,提出一种轮胎搭接质量检测方法,所述方法包括:按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量,从而精确的确定搭接图像的头部边界与尾部边界,进而确定头部与尾部之间的搭接量,实现对搭接质量的精准评估。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例提出的一种轮胎搭接质量检测方法的流程示意图;
图2示出了本发明实施例提出的一种轮胎搭接质量检测设备的结构示意图;
图3示出了本发明实施例提出的3D相机与激光光源的图像采集示意图;
图4示出了本发明实施例提出的原始搭接图像的效果示意图;
图5示出了本发明实施例提出的离散一维数组拟合为连续函数的示意图;
图6示出了本发明实施例提出的盲区部分的示意图
图7示出了本发明实施例提出的非极大值抑制的示意图
图8示出了本发明实施例提出的基于最小函数值与最大函数值在所述像素点中筛选出边界点的示意图;
图9示出了本发明实施例提出的头部边界的示意图;
图10示出了本发明实施例提出的初始尾部边界的示意图;
图11示出了本发明实施例提出的中间矩形区域的示意图;
图12示出了本发明实施例提出的轮胎搭接质量检测过程中检测设备的自动交互示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请提出了一种轮胎搭接质量检测方法,该方法包括以下步骤:
步骤S101,按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界。
本实施例中,3D相机与激光光源按照如图3所示的方式进行设置,并按照预设采集策略在轮胎材料搭接过程中采集成像,得到轮胎材料搭接过程中形成的原始搭接图像,并识别出原始搭接图像中的轮胎材料的初始头部边界。
为了更好的识别出轮胎材料的初始头部边界,在本申请的一些实施例中,所述预设采集策略具体为所述3D相机与所述激光光源采集的起始位置在所述初始头部边界之前的预设距离处。
本实施例中,由于成型机在搭接之后会出现头尾覆盖的情况,会导致搭接过后无法找到材料的部分头尾,位置,为解决这个问题,在设计成像方案的时候,采集的起始位置要放置到材料搭接到成型鼓之前一小段距离,这样材料的起始边界便可以比较好的成像出来,来避免头部被尾部覆盖无法识别的情况,即在轮胎材料搭接起始点之前就开始进行图像采集,可以有效识别出原始搭接图像的初始头部边界,该初始头部边界为初步确定的头部边界,后续需要对初始头部边界进行进一步处理,确定精准的头部边界,其中,原始搭接图像如图4所示,其中图像最上方的横线为采集的起始位置。
步骤S102,对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组。
本实施例中,由于材料和成型鼓之间存在很大的差异,此处采用了灰度垂直投影的方式来确定材料的左右边界,图像垂直投影为图像上i列的像素灰度和:
为了能够得到跟图像灰度范围稳定的一个相对投影值,对投影做了归一化处理,得到每列的相对投影值;
其中m为图像的宽度。
步骤S103,基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像。
本实施例中,根据步骤S102中生成的一维数组确定原始搭接图像的左右边界,并在确定好左右边界以后,对原始搭接图像进一步缩小其范围,即确定出其左右边界,生成对应的第二搭接图像,第二搭接图像即为已经确定好左右边界的原始搭接图像。
为了获取所述第二搭接图像,在本申请一些实施例中,基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,具体为:
将所述离散一维数组通过最小二值法拟合为连续函数;
将所述连续函数中一阶倒数大于预设边缘阈值且二阶倒数为零的点作为疑似边缘点;
筛除掉所述疑似边缘点中的干扰边缘点,基于筛选后的疑似边缘点确定所述原始搭接图像的左右边界;
将所述原始搭接图像缩小至左右边界范围,得到所述第二搭接图像。
本实施例中,如图5所示,将离散一维数组通过最小二值法拟合为连续函数,并确定出连续函数中一阶倒数大于预设边缘阈值且二阶倒数为零的点作为疑似边缘点,即如图5所示中的突变区域的点,并筛选出疑似边缘点中明显不符合要求的干扰边缘点,筛选后得到的疑似边缘点确定原始搭接图像的左右边界,将所述原始搭接图像缩小至左右边界范围,得到所述第二搭接图像。
步骤S104,基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界。
本实施例中,在确定好原始搭接图像的左右边界之后,需要进一步确定头部边界与尾部边界,并根据确定的头部边界与尾部边界确定搭接质量,具体的流程为设置第二搭接图像的头部区域的第一感兴趣区域以及尾部区域的第二感兴趣区域,根据第一感兴趣区域与第二感兴趣区域获取第二搭接图像的头部边界与尾部边界,该边界为最终得到的实际的头部边界与尾部边界。
为了确定所述第二搭接图像的头部边界与尾部边界,在本申请的一些实施例中,基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界,具体为:
将所述初始头部边界的上方区域设置为所述第一感兴趣区域;
在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界;
基于所述头部区域拆分出初始尾部边界,并将所述初始尾部边界的下方区域作为所述第二感兴趣区域;
基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界。
本实施例中,将头部边界上方设置为第一感兴趣区域,并对第一感兴趣区域的盲区区域进行滤除,去除盲区,示意图如图6所示,在对第一感兴趣区域进行盲区滤除后,由于边缘位置处于高频位置,使用canny检测算法对头部边界进行提取,在获取头部边界后,拆分出初始尾部边界,并将初始尾部边界的下方区域作为所述第二感兴趣区域,通过预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界,实现对头部边界与尾部边界的提取。
为了获取头部边界,在本申请的一些实施例中,在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界,具体为:
沿所述初始头部边界的法线方向将所述第一感兴趣区域拆分为多个子第一感兴趣区域;
通过高斯滤波对各所述子第一感兴趣区域进行图像去噪;
通过sobel算子计算各所述子第一感兴趣区域水平方向和竖直方向的梯度图;
根据所述梯度图获取所述头部边界的梯度与方向;
通过非极大值抑制方法获取满足预设梯度条件的像素点,所述预设梯度条件为该像素点的梯度在周围具有相同方向的像素点中为最大的;
基于最小函数值与最大函数值在所述像素点中筛选出边界点,并基于所述边界点获取各子第一感兴趣区域对应的头部边界。
本实施例中,沿所述初始头部边界的法线方向将所述第一感兴趣区域拆分为多个子第一感兴趣区域,提取每个子区域的头部边界以及尾部边界后,确定每一个子区域的搭接质量,可以精准确定材料的搭接情况,其中,canny提取过程具体为1. 高斯滤波图像去噪
使用高斯滤波进行图像去噪,处理后的图像与原始图像相比稍微有些模糊。这样单独的一个像素噪声在经过高斯滤波的图像上变得几乎没有影响。
2. 计算图像梯度
Canny算法的基本思想是找寻一幅图相中灰度强度变化最强的位置。所谓变化最强,即指梯度方向。对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数[图像梯度][和]。根据得到的这两幅梯度图(和)找到边界的梯度和方向。如下所示:
梯度的方向一般总是与边界垂直。梯度方向被归为四类:垂直,水平,和两个对角线。
3. 非极大值抑制
在获得梯度的方向和大小之后,应该对整幅图像做一个扫描,去除那些非边界上的点。对每一个像素进行检查,看这个点的梯度是不是周围具有相同梯度方向的点中最大的。如图7所示为非极大值抑制的示意图。图中的数字代表了像素点的梯度强度,箭头方向代表了梯度方向。以第二排第三个像素点为例,由于梯度方向向上,则将这一点的强度[7]与其上下两个像素点的强度[5和4]比较,由于这一点强度最大,则保留。
4. 滞后阈值
现在要确定那些边界才是真正的边界。这时我们需要设置两个阈值:minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界,那些低于minVal的边界会被抛弃。如果介于两者之间的话,就要看这个点是否与某个被确定为真正的边界点相连,如果是就认为它也是边界点,如果不是就抛弃。如图8所示,A高于阈值maxVal所以是真正的边界点,C虽然低于maxVal但高于minVal并且与A相连,所以也被认为是真正的边界点。而B就会被抛弃,因为它不仅低于maxVal而且不与真正的边界点相连。所以选择合适的maxVal和minVal对于能否得到好的结果非常重要。在这一步一些小的噪声点也会被除去,因为我们假设边界都是一些长的线段。
根据设置的材料角度值和斜边大于直角边,筛选得到头部边界,如图9所示。
为了获取各子第一感兴趣区域对应的头部边界,在本申请的一些实施例中,基于最小函数值与最大函数值在所述像素点中筛选出边界点,并基于所述边界点获取各子第一感兴趣区域对应的头部边界,具体为:
将梯度高于所述最大函数值的像素点作为边界点,将梯度低于所述最小函数值的像素点去除;
若所述像素点的梯度低于所述最大函数值且高于最小函数值的像素点,则确定该像素点是否与所述边界点相连;
若是,则将该像素点作为边界点;
基于获取到的边界点得到各子第一感兴趣区域对应的头部边界。
为了获取尾部边界,在本申请的一些实施例中,基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界,具体为:
沿着所述初始尾部边界的法线方向将第二感兴趣区域拆分为多个子第二感兴趣区域;
通过预设测量矩获取各所述子第二感兴趣区域的边界位置;
将边界位置的中心点进行直线拟合,得到尾部每段区域的尾部边界。
本实施例中,根据头部边界,自动拆分尾部边界,获取尾部的第二感兴趣区域,沿着初始尾部边界的法线方向拆分成多个测量区域,在生成的ROI区域内,使用测量矩得到每个区域的边界位置,将边界位置的中心点进行直线拟合,得到尾部每段区域的尾部边界。
步骤S105,基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量。
为了确定轮胎材料的搭接质量,在本申请的一些实施例中,基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量,具体为;
根据各子第一感兴趣区域的头部边界与对应的子第二感兴趣区域的尾部边界确定各区域的搭接量;
根据各搭接量确定最大搭接量、最小搭接量及平均搭接量,并根据最大搭接量、最小搭接量及平均搭接量生成轮胎材料的搭接质量。
本实施例中,在确定好各区域的头部边界与尾部边界后,计算每个区域的搭接量,并统计整个材料的最大搭接量、最小搭接量及平均搭接量,并根据上述信息确定最终的搭接质量,若最大搭接量超出预设范围过多,或出现过多区域的搭接量不符合要求等,说明材料整个搭接质量不好,向用户发送综合预警信号等提醒用户该材料的搭接状况。
本实施例中,假设头尾每个区域的边界位置信息,假设头部区域1的边界线段为HS1,尾部区域的边界线段为BS1,根据当前搭接的的材料为第几层,每层的厚度,成型鼓的直径,可以得到当前材料搭接完全吻合的。
为了进一步保证搭接质量,在本申请的一些实施例中,所述方法还包括:
将所述第二搭接图像的上方与下方的角度区域去除,得到第二搭接图像的中间矩形区域;
将所述中间矩形区域从上至下拆分为多个子矩形区域;
设置每个子矩形区域的边缘梯度阈值和极性,并通过预设测量矩得到每个子矩形区域内的材料的左右坐标和宽度值;
根据每个子矩形区域内的材料的左右坐标和宽度值确定各子矩形区域的子中心点;
基于各子中心点与轮胎材料的中心点进行对比,判断各子矩形区域是否存在蛇形。
本实施例中,在搭接过程中材料易出现蛇形形变,因此需要检测蛇形情况,得到左右边界以后,由于材料头尾会存在斜角,如图6所示,根据材料宽度和角度值,可以把材料的头尾角度位置去掉,然后根据粗略边界从上往下拆分为多个区域,如图11的矩形框内区域所示,设置每个区域的边缘梯度阈值和极性(边缘从亮到暗或者边缘从暗到亮),采用测量矩便可以得到每个区域内的材料的左右坐标和宽度值,假设每个区域的左边界为,右边界/>,宽度值为/>,/>为测量区域的索引,N为测量区域的数量,则材料的宽度为:
材料蛇形指的是每段测量区域中心点的偏差超过材料中心的公差,则认为材料出现蛇形,假设每段测量区域的中心点为,材料的中心为/>,假设公差为/>,当出现
则认为材料在局部出现了蛇形。
相应的,本方案还可以通过检测设备的自动交互,进一步实现搭接质量的检测,如图12所示,在检测之前,设备将当前一段和二段的成型鼓的直径,材料的厚度等产品信息发送给检测系统,检测系统接收到这些信息后,通过PLC控制电机的移动,将3D传感器和激光器移动到指定位置,在一段和二段位置检测完成后,设备给出融合信号和当前材料的barCode,上位机接受到信号后,将一段和二段的检测结果进行融合并绑定barCode,发送给设备,闭环完成整个检测过程。
通过应用以上技术方案,提出一种轮胎搭接质量检测方法,所述方法包括:按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量,从而精确的确定搭接图像的头部边界与尾部边界,进而确定头部与尾部之间的搭接量,实现对搭接质量的精准评估。
本申请实施例还提出了一种轮胎搭接质量检测设备,如图2所示,具体为:
第一确定模块10,用于按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;
获取模块20,用于对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;
第二确定模块30,用于基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;
第三确定模块40,用于基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;
第四确定模块50,用于基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量。
综上,本方案的技术原理为:由于在材料搭接过程中,如果出现搭接过量的时候,便会头尾覆盖的问题,当覆盖以后会导致头或者尾的边界有一部分无法直接测量,因此在成像做了起始位置的处理以后,将头部边界在开始采集的时候就获取到,由于成型鼓是圆柱形,当材料完成搭接以后,找到材料的头部边界和尾部边界,通过测量和尾之间的距离,再减去成像鼓的周长,便可以得到搭接的结果,但由于材料的搭接量在横向方向是会存在差异的,因此对头部边界进行多区域拆分,每个区域都测量对应的搭接结果,然后对搭接的结果进行统计得到,最大搭接量,最小搭接量,和平均搭接量。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种轮胎搭接质量检测方法,其特征在于,所述方法包括:
按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;
对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;
基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;
基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;
基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量;
其中,基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界,具体为:
将所述初始头部边界的上方区域设置为所述第一感兴趣区域;
在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界;
基于所述头部区域拆分出初始尾部边界,并将所述初始尾部边界的下方区域作为所述第二感兴趣区域;
基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界。
2.根据权利要求1所述的方法,其特征在于,所述预设采集策略具体为所述3D相机与所述激光光源采集的起始位置在所述初始头部边界之前的预设距离处。
3.根据权利要求1所述的方法,其特征在于,基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,具体为:
将所述离散一维数组通过最小二值法拟合为连续函数;
将所述连续函数中一阶倒数大于预设边缘阈值且二阶倒数为零的点作为疑似边缘点;
筛除掉所述疑似边缘点中的干扰边缘点,基于筛选后的疑似边缘点确定所述原始搭接图像的左右边界;
将所述原始搭接图像缩小至左右边界范围,得到所述第二搭接图像。
4.根据权利要求1所述的方法,其特征在于,在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界,具体为:
沿所述初始头部边界的法线方向将所述第一感兴趣区域拆分为多个子第一感兴趣区域;
通过高斯滤波对各所述子第一感兴趣区域进行图像去噪;
通过sobel算子计算各所述子第一感兴趣区域水平方向和竖直方向的梯度图;
根据所述梯度图获取所述头部边界的梯度与方向;
通过非极大值抑制方法获取满足预设梯度条件的像素点,所述预设梯度条件为该像素点的梯度在周围具有相同方向的像素点中为最大的;
基于最小函数值与最大函数值在所述像素点中筛选出边界点,并基于所述边界点获取各子第一感兴趣区域对应的头部边界。
5.如权利要求4所述的方法,其特征在于,基于最小函数值与最大函数值在所述像素点中筛选出边界点,并基于所述边界点获取各子第一感兴趣区域对应的头部边界,具体为:
将梯度高于所述最大函数值的像素点作为边界点,将梯度低于所述最小函数值的像素点去除;
若所述像素点的梯度低于所述最大函数值且高于最小函数值的像素点,则确定该像素点是否与所述边界点相连;
若是,则将该像素点作为边界点;
基于获取到的边界点得到各子第一感兴趣区域对应的头部边界。
6.如权利要求4所述的方法,其特征在于,基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界,具体为:
沿着所述初始尾部边界的法线方向将第二感兴趣区域拆分为多个子第二感兴趣区域;
通过预设测量矩获取各所述子第二感兴趣区域的边界位置;
将边界位置的中心点进行直线拟合,得到尾部每段区域的尾部边界。
7.如权利要求6所述的方法,其特征在于,基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量,具体为;
根据各子第一感兴趣区域的头部边界与对应的子第二感兴趣区域的尾部边界确定各区域的搭接量;
根据各搭接量确定最大搭接量、最小搭接量及平均搭接量,并根据最大搭接量、最小搭接量及平均搭接量生成轮胎材料的搭接质量。
8.如权利要求3所述的方法,其特征在于,所述方法还包括:
将所述第二搭接图像的上方与下方的角度区域去除,得到第二搭接图像的中间矩形区域;
将所述中间矩形区域从上至下拆分为多个子矩形区域;
设置每个子矩形区域的边缘梯度阈值和极性,并通过预设测量矩得到每个子矩形区域内的材料的左右坐标和宽度值;
根据每个子矩形区域内的材料的左右坐标和宽度值确定各子矩形区域的子中心点;
基于各子中心点与轮胎材料的中心点进行对比,判断各子矩形区域是否存在蛇形。
9.一种轮胎搭接质量检测设备,其特征在于,所述设备包括:
第一确定模块,用于按照预设采集策略通过3D相机及激光光源采集轮胎材料搭接过程中形成的原始搭接图像,并确定所述原始搭接图像的初始头部边界;
获取模块,用于对所述原始搭接图像进行灰度垂直投影,得到所述原始搭接图像的离散一维数组;
第二确定模块,用于基于所述离散一维数组确定所述原始搭接图像的左右边界,并根据所述左右边界确定第二搭接图像,所述第二搭接图像为已确定所述左右边界的原始搭接图像;
第三确定模块,用于基于所述初始头部边界获取所述第二搭接图像的头部区域的第一感兴趣区域及尾部区域的第二感兴趣区域,并基于所述第一感兴趣区域与所述第二感兴趣区域确定所述第二搭接图像的头部边界与尾部边界;
第四确定模块,用于基于所述头部边界与所述尾部边界确定所述轮胎材料的搭接质量;
其中,所述第三确定模块具体用于:将所述初始头部边界的上方区域设置为所述第一感兴趣区域;
在对所述第一感兴趣区域进行盲区滤除后,基于canny监测算法对所述第一感兴趣区域进行边界提取,获取所述头部边界;
基于所述头部区域拆分出初始尾部边界,并将所述初始尾部边界的下方区域作为所述第二感兴趣区域;
基于预设测量矩对所述第二感兴趣区域进行边界提取,获取所述尾部边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310855827.XA CN117115082B (zh) | 2023-07-12 | 2023-07-12 | 一种轮胎搭接质量检测方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310855827.XA CN117115082B (zh) | 2023-07-12 | 2023-07-12 | 一种轮胎搭接质量检测方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115082A CN117115082A (zh) | 2023-11-24 |
CN117115082B true CN117115082B (zh) | 2024-04-05 |
Family
ID=88797370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310855827.XA Active CN117115082B (zh) | 2023-07-12 | 2023-07-12 | 一种轮胎搭接质量检测方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115082B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297263A (zh) * | 2014-11-06 | 2015-01-21 | 萨驰华辰机械(苏州)有限公司 | 一种带束层搭接检测分析系统 |
CN105069749A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 一种轮胎模具图像的拼接方法 |
CN109961065A (zh) * | 2017-12-25 | 2019-07-02 | 中国科学院沈阳自动化研究所 | 一种海面舰船目标检测方法 |
CN110310262A (zh) * | 2019-06-19 | 2019-10-08 | 上海理工大学 | 一种用于检测轮胎缺陷的方法、装置及系统 |
CN111626145A (zh) * | 2020-05-08 | 2020-09-04 | 西安工业大学 | 一种简捷有效的残缺表格识别及跨页拼接方法 |
CN112024448A (zh) * | 2020-08-28 | 2020-12-04 | 浙江中烟工业有限责任公司 | 一种基于机器视觉的卷烟搭口异物的检测方法 |
CN112233067A (zh) * | 2020-09-21 | 2021-01-15 | 武汉钢铁有限公司 | 一种热轧钢卷端面质量检测方法及系统 |
CN112365439A (zh) * | 2020-09-24 | 2021-02-12 | 南昌大学 | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 |
CN113579467A (zh) * | 2021-07-30 | 2021-11-02 | 李伟明 | 一种用于焊接机器人的焊缝识别方法、装置及存储介质 |
CN116152236A (zh) * | 2023-04-18 | 2023-05-23 | 钛玛科(北京)工业科技有限公司 | 一种锂电池胶带视觉检测方法及系统 |
CN116358417A (zh) * | 2023-03-01 | 2023-06-30 | 钛玛科(北京)工业科技有限公司 | 一种通过菲涅尔衍射原理判断物体边沿位置的装置及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1879553B (zh) * | 2005-06-15 | 2010-10-06 | 佳能株式会社 | 在胸部图像中检测边界的方法及装置 |
CN106164654B (zh) * | 2014-04-02 | 2018-11-20 | 株式会社普利司通 | 接合状态判断方法及成型装置 |
-
2023
- 2023-07-12 CN CN202310855827.XA patent/CN117115082B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297263A (zh) * | 2014-11-06 | 2015-01-21 | 萨驰华辰机械(苏州)有限公司 | 一种带束层搭接检测分析系统 |
CN105069749A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 一种轮胎模具图像的拼接方法 |
CN109961065A (zh) * | 2017-12-25 | 2019-07-02 | 中国科学院沈阳自动化研究所 | 一种海面舰船目标检测方法 |
CN110310262A (zh) * | 2019-06-19 | 2019-10-08 | 上海理工大学 | 一种用于检测轮胎缺陷的方法、装置及系统 |
CN111626145A (zh) * | 2020-05-08 | 2020-09-04 | 西安工业大学 | 一种简捷有效的残缺表格识别及跨页拼接方法 |
CN112024448A (zh) * | 2020-08-28 | 2020-12-04 | 浙江中烟工业有限责任公司 | 一种基于机器视觉的卷烟搭口异物的检测方法 |
CN112233067A (zh) * | 2020-09-21 | 2021-01-15 | 武汉钢铁有限公司 | 一种热轧钢卷端面质量检测方法及系统 |
CN112365439A (zh) * | 2020-09-24 | 2021-02-12 | 南昌大学 | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 |
CN113579467A (zh) * | 2021-07-30 | 2021-11-02 | 李伟明 | 一种用于焊接机器人的焊缝识别方法、装置及存储介质 |
CN116358417A (zh) * | 2023-03-01 | 2023-06-30 | 钛玛科(北京)工业科技有限公司 | 一种通过菲涅尔衍射原理判断物体边沿位置的装置及方法 |
CN116152236A (zh) * | 2023-04-18 | 2023-05-23 | 钛玛科(北京)工业科技有限公司 | 一种锂电池胶带视觉检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
吴则举 等.基于深度学习网络U-Net的轮胎带束层分割算法研究.《青岛大学学报(自然科学版)》.2019,第32卷(第4期),第22-29+35页. * |
基于傅里叶描述子的轮胎标识点形状识别;王勇;郭慧;沈霞;;科学技术与工程(34);第241-244+258页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115082A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2789970B1 (en) | Tire shape inspection method and tire shape inspection apparatus | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
EP2500686B1 (en) | Device and method for inspecting tyre shape | |
CN107437243B (zh) | 基于x光图像的轮胎杂质检测方法及装置 | |
JP5302701B2 (ja) | タイヤ形状検査方法,タイヤ形状検査装置 | |
CN115797358B (zh) | 基于机器视觉的金属壳体自动化焊接缺陷检测方法 | |
CN110858395B (zh) | 一种卷装长丝的污丝缺陷检测方法 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN104101600A (zh) | 连铸坯断面微小裂纹检测方法及装置 | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
EP2851650B1 (en) | Tire shape inspection method and tire shape inspection device | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN115375686A (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
EP2985566B1 (en) | Data generation method and data generation apparatus | |
KR20070005968A (ko) | 용접부 결함 검출 방법 및 장치 | |
CN117115082B (zh) | 一种轮胎搭接质量检测方法和设备 | |
KR101902068B1 (ko) | 타이어 완제품의 트레드 프로파일 편차 분석방법 | |
KR20170127883A (ko) | 영상 기반의 용접 비드 검출 방법 | |
CN115330770B (zh) | 一种布匹区域类疵点识别方法 | |
CN113165041A (zh) | 圆钢的缺陷磨削方法和钢材的制造方法 | |
US11880969B2 (en) | Belt examination system and computer-readable non-transitory recording medium having stored belt examination program | |
CN115690089A (zh) | 一种微弱缺陷检测用的图像增强前处理方法及系统 | |
CN110857919A (zh) | 一种卷装长丝的尾丝缺陷检测方法 | |
US11768159B2 (en) | Belt examination system and computer-readable non-transitory recording medium having stored belt examination program | |
CN110857921A (zh) | 一种卷装长丝的毛丝缺陷检测方法 |
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 |