摘要：轮胎的质量与道路交通安全有直接关系。因此，轮胎内部缺陷检测成为国内外轮胎制造企业的普遍关注的问题。本文重点介绍基于X光图像特征的橡胶轮胎内部缺陷技术，针对常见的橡胶轮胎内部缺陷特征探讨基于纹理提取的X光轮胎内部缺陷图像识别算法，经过应用分析证明算法的准确率均在98%以上，符合实际应用要求。

关键词：橡胶轮胎；橡胶轮胎内部缺陷；缺陷监测

图像检测算法橡胶轮胎内部缺陷的自动检测已成为国内外轮胎制造企业共同关注的问题随着数字图像处理领域研究的进展，X射线检测技术逐渐演变为一种新的轮胎缺陷检测方法。现阶段常用算法包括基于模板信息或小波变换的图像特征提取和识别算法[1]。主要识别对象是自然界的各种图像特征，识别效果较好。传统的橡胶轮胎内部缺陷检测主要采用上述算法，但橡胶轮胎图像缺陷特征比较复杂，这些算法的精度无法满足要求[2]。因此，开发适合我国橡胶轮胎实际生产情况的高性能、低成本、易操作的橡胶轮胎内部缺陷检测技术显得尤为迫切。

1橡胶轮胎内部缺陷检测流程

橡胶轮胎制造过程中经常出现各种缺陷，利用X光获取橡胶轮胎图像特征，通过模板比对或滤波变换达到检测缺陷的目的[3]。然而橡胶轮胎纹理特征变化较多同时不同规格的轮胎纹理差异很大，无法用固定模板提取所有橡胶轮胎的图像特征。此外，X射线信号往往会被噪声干扰，使得图像灰度特征产生失真。橡胶轮胎内部缺陷特征主要包括结构缺陷、灰度缺陷和局部缺陷三类。其中结构缺陷包括轮胎帘线结构的异常变形，这种缺陷可以通过几何信息，如帘线距离等图像编码来识别检测[4]。灰度缺陷主要包括轮胎气泡、杂质导致的图像灰度值出现偏差、反转等缺陷，灰度缺陷的检测依据是灰度特征分布，可以利用模板匹配或局部差分对比提取缺陷特征。局部缺陷是指帘线区间变化异常现象，如胎冠裂纹[5]。使用基于传统的图像特征提取方法通常难以检测到此类缺陷，需要基于图像域变换的投影曲线形态来识别缺陷图像特征。本次研究的橡胶轮胎内部缺陷检测算法主要根据以上三个缺陷类型进行分类设计，橡胶轮胎内部缺陷检测基本流程如图1所示。

2橡胶轮胎帘线缺陷检测算法

应该通过图像分割技术将轮胎帘线骨架分离出来，方便后续提取帘线结构。优质的帘线提取算法需要使轮胎帘线的横向结构连续不断，同时帘线之间还要保持合理距离。实践中常用OTSU阈值分割算法来隔离像素值深度较高的线点[6]。此算法可以简洁高效地分割图像，基于图像二值化理论对轮胎纹理进行特征分离，其基本原理是先将图像分类为前景类和背景类，并选择适当的阈值以最大化类之间的差异，该方法关键在于阈值参数的确定。如果图像的前景类和背景类的像素均值分别是10uu、，统计像素与图像像素总数的比值分别为10ww、，假设确定的阈值为u，则图像前景类和背景类之间的方差可通过下列公式计算211200σ−+−=uuwuuw)()(（2-1）可见，满足σ最大时的u就是最理想的阈值，针对离散图像采用迭代法求解。但实践中使用OTSU算法出现帘线结构图像不清晰的问题。由于帘线横向分布的不均匀性，该算法的全局阈值法误差较大，不能反映轮胎帘线的局部结构特征。因此，在执行二值化之前可用OTSU算法计算图像每列的最佳阈值，逐列提取轮胎帘线效果更好。此外还需要更准确地估计轮胎帘线和交叉点之间的距离，本次研究使用一种简单的灰度校正方法来测量以胎侧图像像素为中心的每个像素，首先假设图像窗口中的像素目标值为G，当前像素点P邻域窗口NM×内像素的平均值为u，则该窗口的乘性系数为uG，假设像素点P的原始像素值为0u，则修正像素值为uGu×0。按列迭代像素点P，重新赋值。在提取出帘线结构特征后，就能检测其中缺陷。例如可以扫描纵向间距以检测论坛帘线是否存在稀疏缺陷（图2）。为避免帘线提取过程中误差较大，需要将阈值设为倍数度量。

3橡胶轮胎胎冠裂纹检测算法

轮胎胎冠裂纹缺陷往往出现在等狭长区域，轮胎X光图像的部分像素点数值会沿裂纹方向突变。近年来，学术界基于裂纹形态学提出基于图像域变换的投影曲线理论，分析投影曲线形态，从而提取图像特征。因此，结合胎冠裂纹线性特征，如识别出线性结构就可以确定存在胎冠裂纹。识别直线常用Radon变换函数[7]。Radon变换表示函数yxf),(在一条直线l，xcosθ+ysinθ=t方向的平行投影。t表示从原点到直线的垂直距离，θ表示直线与水平轴之间的夹角。Radon变换函数可以通过Dirac函数δ)(⋅进行恒等变换：（3-1）因此，如果直线l的方向为θ，则tR)(θ是参数t的积分函数，将其用于离散图像灰度值空间yxf),(，得到沿θ方向的像素值累加值。一旦中心像素点被固定到图像的局部窗口就可以使用投影变换的这个属性得到距离区域中心点所有方向上的投影曲线，根据轮胎胎冠裂纹对应的图像像素值波动大这一规律，投影曲线在裂纹处产生跳变，根据波峰．波谷理论就可以确定裂纹边缘，通过投影变换将复杂的轮胎图像特征识别问题转换为投影曲线形态问题，通过近似直线),(''tlθ确定轮胎胎冠裂纹位置。xcos'θ+ysin'θ='t（3-2）'θ表示投影密度最大时的直线l与坐标x轴的夹角方向。't表示投影密度最大时的原点到直线l的垂线距离，利用该算法检测胎冠裂纹缺陷的实际效果见图3。

4橡胶轮胎气泡缺陷检测算法

由于起泡缺陷的灰度值相对较高，在图像高亮显示，而且通常出现在轮胎胎侧和胎肩部位。包含气泡的轮胎的X光图像显示气泡的对比度低于图像的其余部分。所以可以先过滤图像的最大值，以减少图像其他部分对气泡图像的干扰[8]。选择阈值进行二值化处理，从轮胎X光图像中提取气泡缺陷图像特征，进行图像开运算，去除白噪声，使缺陷的图像特征更清晰，图4为橡胶轮胎气泡缺陷的图像化检测流程。首先，将橡胶轮胎的X光图像分为大小为NM×的H个子图像，并且对于所有子图像执行最大过滤[9]。首先在核函数中对所有像素灰度值进行排序，将锚点处的像素值替换为其最大值。经最大值滤波后图像的平均灰度值为T。取两个阈值21,MM,如果图像中像素点a(x,y)的灰度值满足关系a(x,Y)>1M,2),(MTyxa>−，则表示轮胎存在气泡缺陷。为了更好地表征气泡缺陷，需要选择合适的阈值，对其进行二值化，对图像进行开运算，去除图像中的白噪声，突出缺陷区域。气泡缺陷的图像处理流程如图5所示。遍历图像寻找限速为255的区域，判断区域面积是否大于阈值，如果大于阈值则表示存在气泡缺陷。由于脱层缺陷的图像特征与气泡缺陷类似，因此气泡缺陷检测算法也可以用于轮胎脱层缺陷检测。

5橡胶轮胎内部缺陷检测算法的应用分析

不同的橡胶轮胎内部缺陷对应的检测算法不同，因此，需要结合多种算法，集成到缺陷检测系统中，以有效检测橡胶轮胎内部缺陷。系统运行环境决定了这些检测算法的时间复杂度要求。本研究在分析缺陷特征类型的基础上，提出了一套实际应用于橡胶轮胎内部缺陷检测系统的图像识别算法，具体检测项目、检测区域、检测算法描述如表1所示。在实验室环境完成上述检测算法的设计后，需要考虑将该算法应用于各种轮胎图像数据的效果。本次研究主要评价算法的两个指标：检测准确度和检测执行时间。为了评价检测算法的准确性，系统对本地存储的150张具有不同缺陷特征的轮胎图像进行采样，并统计每个算法的正误检测和平均执行时间。测试结果表明，在设定的测试参数下各种缺陷检测算法的准确率均超过98%，执行时间小于0.3s，满足实际应用要求。

6结论

综上所述，本文主要研究内容是缺陷检测算法的设计和验证，提出基于橡胶轮胎内部缺陷特征分类的缺陷缺陷流程，以满足不同轮胎图像内部缺陷实时检测算法要求。详细介绍基于纹理特征提取的胎侧代码结构缺陷检测算法和基于密度投影变换的胎冠裂纹检测算法，并从不同方向给出系统算法的设计过程。实验结果表明，这些算法的检测准确率均达到98%以上，可以有效检测适橡胶轮胎的各种内部缺陷

   内容摘自https://www.21ks.net/lunwen/jcjslw/190395.html