JP2019143996A - タイヤ検査装置、タイヤ検査プログラム及びタイヤ検査方法 - Google Patents

Abstract

【課題】タイヤの側面の凹凸形状が複雑な場合でも、側面の凹凸欠陥（LRP欠陥）を高い精度で検出し得るタイヤ検査装置、タイヤ検査プログラム及びタイヤ検査方法を提供する。【解決手段】タイヤ検査装置100は、タイヤ側面の凹凸形状を示す測定波形データを出力する凹凸測定部113と、測定波形データと基準データとの比較に基づいて、凹凸欠陥の有無を判定する第１判定部115と、測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力する画像処理ブロック120と、複数の画像データを用いて、凹凸欠陥を含む欠陥有り画像P1の特徴と、凹凸欠陥を含まない欠陥無し画像P2の特徴とを学習する学習部160と、学習部160による学習結果に基づいて、第１判定部115によって凹凸欠陥有りと判定された測定波形データと対応する画像データに、凹凸欠陥が含まれるか否かを判定する第２判定部170とを備える。【選択図】図２

Description

本発明は、タイヤの側面の凹凸を測定し、前記側面の凹凸欠陥の有無を検査するタイヤ検査装置、タイヤ検査プログラム及びタイヤ検査方法に関する。

従来、空気入りタイヤ（以下、タイヤ）の側面、具体的には、サイドウォールのタイヤ幅方向における凹凸を測定し、サイドウォールのゴムの継ぎ目などに発生する凹凸欠陥（いわゆる、Lateral Runout Peak-to-Peak (LRP)欠陥）の有無を検査するタイヤ検査装置が知られている（特許文献１参照）。

具体的には、タイヤ検査装置は、タイヤの側面に対してレーザビームを出力する変位センサを備え、変位センサを用いてタイヤ側面の凹凸を測定し、測定した凹凸の形状を示す測定波形データを取得する。タイヤ検査装置は、測定波形データと基準データとの比較に基づいて凹凸欠陥（LRP欠陥）の有無を判定する。

特開平10-160453号公報

近年、タイヤのサイドウォールに形成される文字や模様についても、よりデザイン性の高いものが好まれるようになっている。このため、サイドウォールを含むタイヤの側面の凹凸形状もより複雑になっている。

上述したLRP欠陥は、タイヤ径方向に沿って発生することが一般的であるが、側面のデザイン性が高まるに連れて、側面のタイヤ径方向における何れの位置にも、何らかの文字や模様が形成されることが多い。

このため、従来のタイヤ検査装置では、特に複雑な文字部分の凹凸を、LRP欠陥（LRP）と誤判定してしまうケースが増加している。

そこで、本発明は、このような状況に鑑みてなされたものであり、タイヤの側面の凹凸形状が複雑な場合でも、側面の凹凸欠陥（LRP欠陥）を高い精度で検出し得るタイヤ検査装置、タイヤ検査プログラム及びタイヤ検査方法の提供を目的とする。

本発明の一態様は、タイヤ（タイヤ10）の側面の凹凸を測定し、前記側面の凹凸欠陥（LRP欠陥）の有無を検査するタイヤ検査装置（タイヤ検査装置100）であって、タイヤ周方向（タイヤ周方向Dc）に沿って前記側面のタイヤ幅方向における凹凸を測定し、測定した前記凹凸の形状を示す測定波形データを出力する凹凸測定部（凹凸測定部113）と、前記測定波形データと基準データとの比較に基づいて、前記凹凸欠陥の有無を判定する第１判定部（第１判定部115）と、前記測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力する画像処理部（画像処理ブロック120）と、複数の前記画像データを用いて、前記凹凸欠陥を含む欠陥有り画像（欠陥有り画像P1）の特徴と、前記凹凸欠陥を含まない欠陥無し画像（欠陥無し画像P2）の特徴とを学習する学習部（学習部160）と、前記学習部による学習結果に基づいて、前記第１判定部によって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データに、前記凹凸欠陥が含まれるか否かを判定する第２判定部（第２判定部170）とを備える。

本発明の一態様は、タイヤの側面の凹凸を測定し、前記側面の凹凸欠陥の有無を検査するタイヤ検査プログラムであって、コンピュータに、タイヤ周方向に沿って前記側面のタイヤ幅方向における凹凸を測定し、測定した前記凹凸の形状を示す測定波形データを出力する凹凸測定処理と、前記測定波形データと基準データとの比較に基づいて、前記凹凸欠陥の有無を判定する第１判定処理と、前記測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力する画像処理と、複数の前記画像データを用いて、前記凹凸欠陥を含む欠陥有り画像の特徴と、前記凹凸欠陥を含まない欠陥無し画像の特徴とを学習する学習処理と、前記学習処理による学習結果に基づいて、前記第１判定処理によって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データに、前記凹凸欠陥が含まれるか否かを判定する第２判定処理とを実行させる。

本発明の一態様は、タイヤの側面の凹凸を測定し、前記側面の凹凸欠陥の有無を検査するタイヤ検査方法であって、タイヤ周方向に沿って前記側面のタイヤ幅方向における凹凸を測定し、測定した前記凹凸の形状を示す測定波形データを出力するステップと、前記測定波形データと基準データとの比較に基づいて、前記凹凸欠陥の有無を判定するステップと、前記測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力するステップと、複数の前記画像データを用いて、前記凹凸欠陥を含む欠陥有り画像の特徴と、前記凹凸欠陥を含まない欠陥無し画像の特徴とを学習するステップと、前記学習するステップによる学習結果に基づいて、前記凹凸欠陥の有無を判定するステップによって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データに、前記凹凸欠陥が含まれるか否かを判定するステップとを含む。

上述したタイヤ検査装置、タイヤ検査プログラム及びタイヤ検査方法によれば、タイヤの側面の凹凸形状が複雑な場合でも、側面の凹凸欠陥（LRP欠陥）を高い精度で検出し得る。

図１は、タイヤ検査装置100の全体概略構成図である。 図２は、タイヤ検査装置100の機能ブロック構成図である。 図３は、タイヤ検査装置100による合成画像の生成動作フロー図である。 図４は、タイヤ検査装置100によるLRP欠陥の判定動作フロー図である。 図５は、凹凸測定部113によって測定された測定波形データの一例を示す図である。 図６は、画像処理ブロック120による合成画像の生成処理の説明図である。 図７Ａは、欠陥有り画像P1の複数の例（４つ）を示す図である。 図７Ｂは、欠陥無し画像P2の複数の例（４つ）を示す図である。 図８Ａは、LRP欠陥を含む測定波形データの例を示す図である。 図８Ｂは、LRP欠陥を含む測定波形データに対してウェーブレット変換が実行されたウェーブレット変換処理画像データの例を示す図である。

以下、実施形態を図面に基づいて説明する。なお、同一の機能や構成には、同一または類似の符号を付して、その説明を適宜省略する。

（１）タイヤ検査装置の全体概略構成
図１は、タイヤ検査装置100の全体概略構成図である。図１に示すように、タイヤ検査装置100は、タイヤ10の側面、具体的には、サイドウォールの凹凸を測定する。タイヤ10の種類は、特に限定されない。つまり、タイヤ10は、乗用自動車、トラック、バス、または建設用車両などに装着される。また、タイヤ10は、基本的には、空気入りタイヤだが、必ずしも空気入りタイヤに限定されず、いわゆるソリッドタイヤなどでもよい。

本実施形態では、タイヤ10の側面は、デザイン性が高い文字及び模様による複雑な凹凸形状（タイヤ幅方向）を有している。

タイヤ検査装置100は、タイヤ10の側面における凹凸欠陥の有無を検査する。具体的には、タイヤ検査装置100は、サイドウォールのゴムの継ぎ目などに発生するタイヤ幅方向における凹凸欠陥、いわゆるLateral Runout Peak-to-Peak (LRP)欠陥（以下、LRP欠陥）の有無を検査する。

タイヤ検査装置100は、タイヤ10の側面のタイヤ径方向における所定位置に対してレーザビーム111を照射し、当該所定位置におけるタイヤ幅方向における凹凸（変位量）を検出する変位センサ110を備える。

タイヤ10は、回転軸を中心として回転（図１のR方向）させられる。これにより、変位センサ110は、タイヤ径方向の当該所定位置において、タイヤ一周に亘って凹凸を検出することができる。

なお、レーザビーム111の照射数は、特に限定されないが、本実施形態では、各側面（サイドウォール）において２点（計４点）である。

また、図１に示すように、タイヤ検査装置100は、汎用のコンピュータシステム上においてソフトウェア（プログラム）を実行することによって実現される。当該コンピュータシステムは、プロセッサ、メモリ、入力デバイス、ディスプレイ及び外部インタフェースなどを備える。

（２）タイヤ検査装置の機能ブロック構成
図２は、タイヤ検査装置100の機能ブロック構成図である。図２に示すように、タイヤ検査装置100は、凹凸測定部113、第１判定部115、画像処理ブロック120、学習部160、第２判定部170及び判定結果出力部180を含む。

凹凸測定部113は、変位センサ110と接続される。凹凸測定部113は、変位センサ110を用いて、タイヤ周方向Dcに沿ってタイヤ10の側面のタイヤ幅方向における凹凸を測定する。凹凸測定部113は、測定した凹凸の形状を示す測定波形データを出力する。

図５は、凹凸測定部113によって測定された測定波形データの一例を示す。図５に示すように、測定波形データは、タイヤ10のタイヤ周方向Dcに沿った凹凸量（変位量）を示す。なお、図５に示す測定波形データは、文字部分などが存在せず、比較的複雑な凹凸が少ない例である。

第１判定部115は、測定波形データと基準データ（マスターデータ）との比較に基づいて、LRP欠陥の有無を判定する。具体的には、第１判定部115は、LRP欠陥を含まないタイヤ10の製品（つまり、検査合格品）の測定波形データをマスターデータとして用いる。

第１判定部115は、凹凸測定部113によって測定された測定波形データと、マスターデータとの差分を演算する。第１判定部115は、当該差分が所定範囲内であれば、LRP欠陥無しと判定し、当該差分が所定範囲外であれば、LRP欠陥有りと判定する。

画像処理ブロック120は、凹凸測定部113によって測定された測定波形データを用いて、各種の画像データを生成する。本実施形態において、画像処理ブロック120は、画像処理部を構成する。

画像処理ブロック120は、波形画像データ生成部131、ウェーブレット変換部133、差分画像データ生成部135、画像調整部140及び合成画像生成部150によって構成される。

波形画像データ生成部131は、測定波形データに基づいて、波形画像データを生成する。具体的には、波形画像データ生成部131は、凹凸測定部113によって測定された測定波形データ（図５参照）を用いて、当該測定波形データによる波形の形状を強調した波形画像データを生成する。

なお、波形画像データ生成部131は、凹凸測定部113によって測定された測定波形データではなく、外部インタフェースなどを経由してタイヤ検査装置100に読み込まれた測定波形データを用いてもよい。後述するウェーブレット変換部133及び差分画像データ生成部135も同様に、外部インタフェースなどを経由してタイヤ検査装置100に読み込まれた測定波形データを用いてもよい。

ここで、図６は、画像処理ブロック120による合成画像の生成処理の説明図である。図６に示すように、本実施形態では、波形画像データ生成部131は、当該測定波形の上部を塗りつぶした波形画像データを生成する。

ウェーブレット変換部133は、測定波形データに対してウェーブレット変換を実行する。具体的には、ウェーブレット変換部133は、凹凸測定部113によって測定された測定波形データ（図５参照）に対してウェーブレット変換を実行したウェーブレット変換処理画像データ（図６参照）を画像データとして出力する。

ウェーブレット変換処理画像データの横軸方向は、時間（つまり、実質的にタイヤ周方向Dc）と対応し、同縦軸方向は周波数と対応する。さらに後述するが、ウェーブレット変換処理画像データにおいて、LRP欠陥は、タイヤ10の側面に形成された文字部分などよりも低い周波数帯域に存在する。

差分画像データ生成部135は、測定波形データに基づいて、差分画像データを生成する。具体的には、差分画像データ生成部135は、測定波形データの時間軸上（つまり、実質的にタイヤ周方向Dc）における直前タイミングとの凹凸の差分（図５における凹凸量の差分）を順次示す差分画像データを生成する。

なお、「直前タイミング」（周期）は、測定波形データが有する時間幅、つまり、タイヤ10が回転軸を中心として回転（図１のR方向）させられる速度に応じて、適宜適切な値（例えば、4Hz）が設定される。

差分画像データ生成部135は、当該差分を順次演算し、当該差分の値を縦軸方向に対応させ、時間（タイヤ周方向Dc）を横軸方向に対応させた画像データを生成する。

また、測定波形データと同様に、差分画像データ生成部135は、当該差分による波形（差分波形）の形状を強調した差分画像データを生成する。本実施形態では、差分画像データ生成部135は、当該差分波形の上部を塗りつぶした画像データを生成する。

画像調整部140は、波形画像データ生成部131、ウェーブレット変換部133及び差分画像データ生成部135から出力された画像データ（波形画像データ、ウェーブレット変換処理画像データ及び差分画像データ）を調整する。

具体的には、画像調整部140は、波形画像データ生成部131から出力された波形画像データの所定の縦横サイズへの定型化を実行する（図６参照、以下、画像調整部140の説明において同様）。

ウェーブレット変換部133によって生成されたウェーブレット変換処理画像データは、カラー有りの画像データだが、画像調整部140は、当該画像のグレイ化を実行する。なお、白〜黒の階調は、ある程度多いこと（例えば、８階調）が好ましい。また、画像調整部140は、グレイ化したウェーブレット変換処理画像データの所定の縦横サイズへの定型化を実行する。

画像調整部140は、差分画像データ生成部135から出力された差分画像データの所定の縦横サイズへの定型化を実行する。

合成画像生成部150は、画像調整部140から出力された波形画像データ、ウェーブレット変換処理画像データ及び差分画像データに基づいて、波形画像、ウェーブレット変換処理画像データ及び差分画像が合成された合成画像を生成する。

具体的には、合成画像生成部150は、波形画像データ、ウェーブレット変換処理画像データ及び差分画像データを、赤色プレーン（R）、緑色プレーン（G）または青色プレーン（B）の何れかにそれぞれ割り当てることによって、合成画像を生成する（図６参照）。

本実施形態では、波形画像データがR、ウェーブレット変換処理画像データがG、差分画像データがBに割り当てられる。但し、各画像データと、R, G, Bとの割り当ては、このような割り当て以外でも構わない。

また、本実施形態では、当該合成画像として、各プレーン8ビットのRGB画像が用いられる。

合成画像生成部150は、波形画像データと、ウェーブレット変換処理画像データと、差分画像データとの合成画像（RGB画像）を画像データとして出力する。

学習部160は、合成画像生成部150から出力された複数の画像データを用いて、LRP欠陥を含む欠陥有り画像の特徴と、LRP欠陥を含まない欠陥無し画像の特徴とを学習する。

具体的には、学習部160は、複数の欠陥有り画像P1、及び複数の欠陥無し画像P2を、機械学習（Deep Learning）が可能な分類器（ネットワーク）に入力する。本実施形態では、当該ネットワークとして、Caffenetを用いることができる。Caffenetは、ImageNet Large Scale Visual Recognition Challenge 2012の分類タスクで優勝したAlexNetに、normalizationとpoolingの順番を変えるなどの変更を加えたものである。

図７Ａ及び図７Ｂは、欠陥有り画像P1及び欠陥無し画像P2の例を示す。具体的には、図７Ａは、欠陥有り画像P1の複数の例（４つ）を示す。図７Ｂは、欠陥無し画像P2の複数の例（４つ）を示す。なお、図７Ａ及び図７Ｂは、判別性を考慮し、ウェーブレット変換処理画像データの例を示しているが、実際には、本実施形態では、図６に示した合成画像が用いられる。

上述したように、ウェーブレット変換処理画像データにおいて、LRP欠陥は、タイヤ10の側面に形成された文字部分などよりも低い周波数帯域（欠陥有り画像P1の縦軸方向における下方）に存在する。なお、LRP欠陥を含む欠陥有り画像P1については、さらに後述する。

欠陥有り画像P1及び欠陥無し画像P2は、測定波形データに対してウェーブレット変換を実行したものである。つまり、図７Ａ及び図７Ｂに示す欠陥有り画像P1及び欠陥無し画像P2は、実際にはカラー有りの画像である。

第２判定部170は、学習部160による学習結果に基づいて、画像データにLRP欠陥が含まれるか否かを判定する。本実施形態では、第２判定部170は、合成画像生成部150から出力された画像データ（合成画像）にLRP欠陥が含まれるか否かを判定する。

第２判定部170は、学習部160による学習結果に基づいて、第１判定部115によってLRP欠陥有りと判定された測定波形データと対応する画像データに、LRP欠陥が含まれるか否かを判定する。本実施形態では、第２判定部170は、合成画像生成部150から出力された画像データ（合成画像）にLRP欠陥が含まれるか否かを判定する。

また、第２判定部170は、学習部160による学習結果に基づいて、第１判定部115によってLRP欠陥有りと判定された測定波形データと対応する画像データのうち、LRP欠陥が含まれ得る周波数帯域を限定することができる。

第２判定部170は、限定した当該周波数帯域において、LRP欠陥が含まれるか否かを判定することができる。上述したように、LRP欠陥は、タイヤ10の側面に形成された文字部分などよりも低い周波数帯域に存在するため、第２判定部170は、学習部160による欠陥有り画像P1の学習結果に基づいて、当該周波数帯域を限定できる。

判定結果出力部180は、第２判定部170によって判定されたLRP欠陥が含まれるか否かの判定結果を出力する。

具体的には、判定結果出力部180は、第２判定部170から出力されたLRP欠陥の有無の判定結果に基づいて、合成画像生成部150から出力された画像データ（合成画像）にLRP欠陥が含まれるか否かを示す情報を出力する。

なお、判定結果出力部180は、単純にLRP欠陥の有無の情報のみを示してもよいし、ウェーブレット変換処理画像データに基づく画像とともに、LRP欠陥の有無の情報を示してもよい。

（３）タイヤ検査装置の動作
次に、タイヤ検査装置100の動作について説明する。具体的には、図８に示した合成画像を生成する動作、及びLRP欠陥の判定動作について説明する。

（３．１）合成画像の生成
図３は、タイヤ検査装置100による合成画像の生成動作フロー図である。図３に示すように、タイヤ検査装置100は、測定波形データ（図５参照）に基づいて、波形画像データ（塗りつぶし）を生成する（S10）。具体的には、タイヤ検査装置100は、図６に示したように、当該測定波形の上部を塗りつぶした波形画像データを生成する。

また、タイヤ検査装置100は、当該測定波形データのウェーブレット変換処理画像データを生成する（S20）。具体的には、タイヤ検査装置100は、図６に示したように、当該測定波形データに対してウェーブレット変換を実行し、ウェーブレット変換処理画像データを出力する。

さらに、タイヤ検査装置100は、当該測定波形データに基づいて、差分画像データを生成する（S30）。具体的には、タイヤ検査装置100は、図６に示したように、当該測定波形データの時間軸上における直前タイミングとの凹凸の差分を順次示す差分画像データを生成する。なお、ステップS10〜S30の処理は、並行して実行されてもよい。

タイヤ検査装置100は、ウェーブレット変換処理画像データのグレイ化処理を実行する（S40）。具体的には、タイヤ検査装置100は、カラー有りの画像データであるウェーブレット変換処理画像データに基づいて、当該画像のグレイ化を実行する。

さらに、タイヤ検査装置100は、波形画像データ、グレイ化されたウェーブレット変換処理画像データ、及び差分画像データの所定の縦横サイズへの定型化を実行する（S50〜S70）。なお、ステップS50〜S70の処理も、並行して実行されてもよい。

タイヤ検査装置100は、定型化された波形画像データ、ウェーブレット変換処理画像データ及び差分画像データを、赤色プレーン（R）、緑色プレーン（G）または青色プレーン（B）にそれぞれ割り当てる（S80）。本実施形態では、上述したように、波形画像データがR、ウェーブレット変換処理画像データがG、差分画像データがBに割り当てられる。

タイヤ検査装置100は、波形画像データ、ウェーブレット変換処理画像データ及び差分画像データを、赤色プレーン（R）、緑色プレーン（G）または青色プレーン（B）にそれぞれ割り当てることによって生成した合成画像を（RGB画像）を画像データとして出力する（S90）。

なお、図３に示した合成画像の生成動作フローは、学習部160に与えられる欠陥有り画像P1及び欠陥無し画像P2の生成時、及び後述するLRP欠陥の判定時の両方において用いられる。

（３．２）LRP欠陥の判定
図４は、タイヤ検査装置100によるLRP欠陥の判定動作フロー図である。図４に示すように、タイヤ検査装置100は、検査対象のタイヤ10の側面の凹凸を測定した測定波形データを取得する（S110）。

ここで、図８Ａ及び図８Ｂは、LRP欠陥を含む測定波形データの例、及び当該測定波形データに対してウェーブレット変換が実行されたウェーブレット変換処理画像データの例をそれぞれ示す。

図８Ａは、図５と対応している。図８Ａに示す測定波形データは、図５に示した測定波形データと比較すると、文字部分A1及びLRP欠陥部分A2を含んでいる。つまり、図８Ａは、図７Ａに示した欠陥有り画像P1と同様である。

図８Ｂに示すウェーブレット変換処理画像データでは、縦軸方向は周波数と対応するため、文字部分A1’と、LRP欠陥部分A2’とが明確に分離されて示されている。上述したように、LRP欠陥部分A2’は、文字部分A1’などよりも低い周波数帯域に存在するためである。

タイヤ検査装置100は、取得した測定波形データに基づいて第１判定処理を実行する（S120, S130）。具体的には、タイヤ検査装置100は、測定波形データと基準データ（マスターデータ）との比較に基づいて、LRP欠陥の有無を判定する。

LRP欠陥有りと判定した場合、タイヤ検査装置100は、LRP欠陥有りと判定された測定波形データを用いて合成画像（図６参照）を生成する（S140）。

本実施形態では、タイヤ検査装置100は、図３に示した合成画像の生成動作フローに基づいて、波形画像データ、ウェーブレット変換処理画像データ及び差分画像データを、赤色プレーン（R）、緑色プレーン（G）または青色プレーン（B）にそれぞれ割り当てることによって生成した合成画像を（RGB画像）を画像データとして生成する。

タイヤ検査装置100は、生成した画像データ（合成画像）に基づいて第２判定処理を実行する（S150, S160）。具体的には、タイヤ検査装置100は、複数の欠陥有り画像P1、及び複数の欠陥無し画像P2による学習結果に基づいて、ステップS130においてLRP欠陥有りと判定された測定波形データと対応する当該画像データに、LRP欠陥が含まれるか否かを判定する。

第２判定処理においてLRP欠陥有りと判定した場合、タイヤ検査装置100は、LRP欠陥有りを出力する（S170）。一方、第１判定処理及び第２判定処理において、LRP欠陥無しと判定した場合、タイヤ検査装置100は、LRP欠陥無しを出力する（S180）。

なお、ステップS180においてタイヤ検査装置100がLRP欠陥無しを出力した場合、さらに、検査員に目視によってタイヤ10の側面にLRP欠陥が有るか否かを判定してもよい。

（４）作用・効果
上述した実施形態によれば、以下の作用効果が得られる。具体的には、タイヤ検査装置100によれば、まず、タイヤ10の側面の凹凸の形状を示す測定波形データと、基準データ（マスターデータ）との比較に基づいて、LRP欠陥の有無が判定（第１判定処理）される。

また、タイヤ検査装置100によれば、測定波形データのウェーブレット変換処理画像データを画像データとして用いて、LRP欠陥を含む欠陥有り画像P1の特徴と、LRP欠陥を含まない欠陥無し画像P2の特徴とが学習される。さらに、タイヤ検査装置100によれば、当該学習結果に基づいて、第１判定処理においてLRP欠陥有りと判定された当該測定波形データと対応する画像データ（合成画像）に、LRP欠陥が含まれるか否かが判定（第２判定処理）される。

このため、タイヤ10の側面に文字部分などが存在せず、比較的複雑な凹凸が少ない場合には、第１判定処理による迅速な検査が可能である。一方、タイヤ10の側面に文字部分A1（図８Ａ参照）など、複雑な凹凸が形成されている場合には、文字部分A1が仮にLRP欠陥と誤判定された場合でも、第２判定処理によって、LRP欠陥の有無を正確に判定し得る。

特に、上述した分類器（ネットワーク）を用いて機械学習（Deep Learning）させる場合、測定波形データのような信号系のデータは適していないが、当該測定波形データと対応する画像データ（合成画像）に変換することによって、学習効果を得やすい。

すなわち、タイヤ検査装置100によれば、タイヤ10の側面の凹凸形状が複雑な場合でも、当該側面のLRP欠陥を高い精度で検出し得る。つまり、タイヤ検査装置100によれば、従来のタイヤ検査装置（コンピュータ機能）の改良を図り得る。

本実施形態では、タイヤ検査装置100は、波形画像データと、ウェーブレット変換処理画像データと、差分画像データとの合成画像（RGB画像）を画像データとして出力することができる。このため、ウェーブレット変換処理画像データにLRP欠陥が含まれる場合、波形画像データと差分画像データによって、LRP欠陥の位置と、ウェーブレット変換処理画像データとの関係を補完的に示唆することが可能となる。これにより、LRP欠陥をさらに高い精度で検出し得る。

本実施形態では、タイヤ検査装置100は、ウェーブレット変換処理画像データ、波形画像データ及び前記差分画像データを、赤色プレーン、緑色プレーンまたは青色プレーンの何れかにそれぞれ割り当てることによって、合成画像を生成することができる。このため、三種類の画像データが合成された合成画像を容易に生成できる。また、各画像データへの分離も容易である。これにより、コスト及び処理負荷を抑制しつつ、当該合成画像を生成できる。

本実施形態では、タイヤ検査装置100は、LRP欠陥が含まれ得る周波数帯域を限定し、当該周波数帯域において、LRP欠陥が含まれるか否かを判定することができる。このため、LRP欠陥の判定処理をさらに高速化し得る。

（５）その他の実施形態
以上、実施例に沿って本発明の内容を説明したが、本発明はこれらの記載に限定されるものではなく、種々の変形及び改良が可能であることは、当業者には自明である。

例えば、上述した実施形態では、波形画像データは、当該測定波形の上部を塗りつぶされていた（図６参照）が、波形画像データは、必ずしも当該測定波形の上部を塗りつぶしたものでなくてもよい。例えば、当該測定波形の線を太くする、或いは、当該測定波形を二重線で表現するなど、当該波形が強調されていればよい。これにより、学習部160による欠陥有り画像P1及び欠陥無し画像P2のDeep Learningによる学習時に、画像データの差異を認識し易くなる。

また、上述した実施形態では、波形画像データと、ウェーブレット変換処理画像データと、差分画像データとの合成画像が用いられていたが、当該合成画像は、ウェーブレット変換処理画像データと、波形画像データとのみを合成したものでもよい。

つまり、タイヤ検査装置100（画像処理ブロック120）は、ウェーブレット変換処理画像データと、波形画像データとの合成画像のみを、画像データとして出力してもよい。さらに、タイヤ検査装置100（画像処理ブロック120）はウェーブレット変換処理画像データのみを用いて、第２判定部170による判定処理（第２判定処理）を実行してもよい。

上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。

10 タイヤ
100 タイヤ検査装置
110 変位センサ
111 レーザビーム
113 凹凸測定部
115 第１判定部
120 画像処理ブロック
131 波形画像データ生成部
133 ウェーブレット変換部
135 差分画像データ生成部
140 画像調整部
150 合成画像生成部
160 学習部
170 第２判定部
180 判定結果出力部

Claims (7)

1. タイヤの側面の凹凸を測定し、前記側面の凹凸欠陥の有無を検査するタイヤ検査装置であって、
   タイヤ周方向に沿って前記側面のタイヤ幅方向における凹凸を測定し、測定した前記凹凸の形状を示す測定波形データを出力する凹凸測定部と、
   前記測定波形データと基準データとの比較に基づいて、前記凹凸欠陥の有無を判定する第１判定部と、
   前記測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力する画像処理部と、
   複数の前記画像データを用いて、前記凹凸欠陥を含む欠陥有り画像の特徴と、前記凹凸欠陥を含まない欠陥無し画像の特徴とを学習する学習部と、
   前記学習部による学習結果に基づいて、前記第１判定部によって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データに、前記凹凸欠陥が含まれるか否かを判定する第２判定部と
   を備えるタイヤ検査装置。
2. 前記画像処理部は、前記測定波形データによる波形の形状を強調した波形画像データと、前記ウェーブレット変換処理画像データとの合成画像を、前記画像データとして出力する請求項１に記載のタイヤ検査装置。
3. 前記画像処理部は、前記波形画像データと、前記ウェーブレット変換処理画像データと、前記測定波形データの時間軸上における直前タイミングとの前記凹凸の差分を順次示す差分画像データとの合成画像を前記画像データとして出力する請求項２に記載のタイヤ検査装置。
4. 前記画像処理部は、前記ウェーブレット変換処理画像データ、前記波形画像データ及び前記差分画像データを、赤色プレーン、緑色プレーンまたは青色プレーンの何れかにそれぞれ割り当てることによって、前記合成画像を生成する請求項３に記載のタイヤ検査装置。
5. 前記第２判定部は、前記学習部による学習結果に基づいて、前記第１判定部によって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データのうち、前記凹凸欠陥が含まれ得る周波数帯域を限定し、前記周波数帯域において、前記凹凸欠陥が含まれるか否かを判定する請求項１乃至４の何れか一項に記載のタイヤ検査装置。
6. タイヤの側面の凹凸を測定し、前記側面の凹凸欠陥の有無を検査するタイヤ検査プログラムであって、
   コンピュータに、
   タイヤ周方向に沿って前記側面のタイヤ幅方向における凹凸を測定し、測定した前記凹凸の形状を示す測定波形データを出力する凹凸測定処理と、
   前記測定波形データと基準データとの比較に基づいて、前記凹凸欠陥の有無を判定する第１判定処理と、
   前記測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力する画像処理と、
   複数の前記画像データを用いて、前記凹凸欠陥を含む欠陥有り画像の特徴と、前記凹凸欠陥を含まない欠陥無し画像の特徴とを学習する学習処理と、
   前記学習処理による学習結果に基づいて、前記第１判定処理によって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データに、前記凹凸欠陥が含まれるか否かを判定する第２判定処理と
   を実行させるタイヤ検査プログラム。
7. タイヤの側面の凹凸を測定し、前記側面の凹凸欠陥の有無を検査するタイヤ検査方法であって、
   タイヤ周方向に沿って前記側面のタイヤ幅方向における凹凸を測定し、測定した前記凹凸の形状を示す測定波形データを出力するステップと、
   前記測定波形データと基準データとの比較に基づいて、前記凹凸欠陥の有無を判定するステップと、
   前記測定波形データに対してウェーブレット変換を実行したウェーブレット変換処理画像データを画像データとして出力するステップと、
   複数の前記画像データを用いて、前記凹凸欠陥を含む欠陥有り画像の特徴と、前記凹凸欠陥を含まない欠陥無し画像の特徴とを学習するステップと、
   前記学習するステップによる学習結果に基づいて、前記凹凸欠陥の有無を判定するステップによって前記凹凸欠陥有りと判定された前記測定波形データと対応する前記画像データに、前記凹凸欠陥が含まれるか否かを判定するステップと
   を含むタイヤ検査方法。