(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210229337.4 (22)申请日 2022.03.09 (71)申请人 佛山市南海区广工大 数控装备协同 创新研究院 地址 528200 广东省佛山市南海高新区佛 高科技智库中心 A座4楼 (72)发明人 魏登明　李泽辉　杨海东　杨标　 (74)专利代理 机构 广州科沃园专利代理有限公 司 44416 专利代理师 李晓伟 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06V 10/26(2022.01) G06V 10/28(2022.01)G06V 10/34(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于X光轮胎内部缺陷检测方法 (57)摘要 本发明提供一种基于X光轮胎内部缺陷检测 方法， 包括如下步骤： 步骤S1： 获得轮胎X光图像， 进行图像预处理； 步骤S2： 对所述步骤S1中的预 处理完成后的图像进行分割， 提取钢丝圈区域图 像； 步骤S3： 训练目标检测神经网络模型； 步骤 S4： 将所述步骤S2中得到的钢丝圈 区域图像输入 所述步骤S3中的训练模 型中， 进行缺陷的定位和 分类； 步骤S5： 缺陷结果输 出； 本发明可以快速的 检测出轮胎内部钢丝圈位置的质量缺陷， 形成适 用生产状态下的子午线轮胎缺陷自动检测系统， 从而保证 轮胎的生产质量， 杜绝 不良品的流出。 权利要求书1页 说明书3页 附图1页 CN 114596284 A 2022.06.07 CN 114596284 A 1.一种基于X光轮胎内部缺陷检测方法， 其特 征在于， 包括如下步骤： 步骤S1： 获得轮胎X光图像， 进行图像预处 理； 步骤S2： 对所述 步骤S1中的预处 理完成后的图像进行分割， 提取钢丝圈区域图像； 步骤S3： 训练目标检测 神经网络模型； 步骤S4： 将所述步骤S2中得到的钢丝圈区域图像输入所述步骤S3中的训练模型中， 进 行缺陷的定位和分类； 步骤S5： 缺陷结果输出。 2.根据权利要求1所述的一种基于X光轮胎内部缺陷检测方法， 其特征在于： 所述步骤 S2中通过二值化和形态学运算确定钢丝圈最外层的包布层与轮胎侧边的边界， 提取轮胎的 钢丝圈区域图像。 3.根据权利要求1所述的一种基于X光轮胎内部缺陷检测方法， 其特征在于： 所述步骤 S3中的具体步骤为： 步骤S301： 收集带有钢丝圈缺陷的钢丝圈区域图像， 并针对钢丝圈缺陷进行标注缺陷 位置和标签， 构建一个 基于钢丝圈缺陷的目标检测数据集； 步骤S302： 将目标检测数据集中钢丝圈区域 图像进行翻转和自适应裁切扩充样本， 增 加目标检测数据集的样本数量； 步骤S303： 用目标检测数据集对目标检测神经网络模型进行训练， 最终获得训练后的 神经网络模型。 4.根据权利要求3所述的一种基于X光轮胎内部缺陷检测方法， 其特征在于： 所述步骤 S301中钢丝圈缺陷包括钢丝圈帘线层中出现的帘线打折缺陷、 帘线开裂缺陷以及杂质缺 陷。 5.根据权利要求3所述的一种基于X光轮胎内部缺陷检测方法， 其特征在于： 所述步骤 S303中， 对目标检测神经网络模型训练时将网络的共享卷积层进行前层特征融合， 保证了 特征图在拥有较高层次特 征的同时又拥有较大分辨 率特征。 6.一种基于X光轮胎内部缺陷检测的系统， 其特征在于， 包括图像处理单元、 图像分割 单元、 模型训练单 元、 缺陷分类单 元； 所述图像处理单元， 用于接收轮胎X光图像， 进行图像预处理， 消除图像的数据冗余度 并提高图像对比度； 所述图像分割单元， 用于分割所述图像处理单元处理完成后的图像， 提取轮胎的钢丝 圈区域图像； 所述模型训练单 元， 用于训练目标检测数据集， 并形成目标检测 神经网络模型； 所述缺陷分类单元， 用于将钢丝圈区域图像输入目标检测神经网络模型输出钢丝圈缺 陷类型。权　利　要　求　书 1/1 页 2 CN 114596284 A 2一种基于X光轮胎内部缺陷检测方 法 技术领域 [0001]本发明涉及轮胎 内部缺陷检测方法， 具体涉及为一种基于X光轮胎 内部缺陷检测 方法。 背景技术 [0002]随着国内汽车保有量逐年的增加， 伴随而来的是人们对汽车的行驶安全的重视， 轮胎作为汽车 的重要组成部件， 其质量直接决定着汽车行驶的安全， 为避免因轮胎内部出 现质量问题而给汽车的行驶带来安全隐患， 轮胎在出厂前的质量检测成为汽车制造厂商要 求的关键生产环节。 由于轮胎内部无法直观的检测， 所以如何更加精准的检测轮胎的内部 结构质量成为目前检测的重点和难点。 [0003]目前的无损检测主要有超声、 磁粉和X射线检测， 前两种由于其对材料的限制， 在 轮胎材质下的成像和检测效果较差。 而 X射线检测无法对钢丝圈部 分的缺陷进 行检测， 导致 产品质量下降。 发明内容 [0004]为解决上述现有技术的不足， 本 发明提供一种基于X光轮胎内部缺陷检测方法， 具 体的技术方案为： [0005]一种基于X光轮胎内部缺陷检测方法， 包括如下步骤： [0006]步骤S1： 获得轮胎X光图像， 进行图像预处 理； [0007]步骤S2： 对所述 步骤S1中的预处 理完成后的图像进行分割， 提取钢丝圈区域图像； [0008]步骤S3： 训练目标检测 神经网络模型； [0009]步骤S4： 将所述步骤S2中得到的钢丝圈区域图像输入所述步骤S3中的训练模型 中， 进行缺陷的定位和分类； [0010]步骤S5： 缺陷结果输出。 [0011]进一步地， 所述步骤S2中通过二值化和形态学运算确定钢丝圈最外层的包布层与 轮胎侧边的边界， 提取轮胎的钢丝圈区域图像。 [0012]进一步地， 所述步骤S3中的具体步骤为： [0013]步骤S301： 收集带有钢丝圈缺陷的钢丝圈区域图像， 并针对钢丝圈缺陷进行标注 缺陷位置和标签， 构建一个 基于钢丝圈缺陷的目标检测数据集； [0014]步骤S302： 将目标检测数据集中钢丝圈区域图像进行翻转和自适应裁切扩充样 本， 增加目标检测数据集的样本数量； [0015]步骤S303： 用目标检测 数据集对目标检测神经网络模型进行训练， 最终获得训练 后的神经网络模型。 [0016]进一步地， 所述步骤S301中钢丝圈缺陷包括钢丝圈帘线层中出现的帘线打折缺 陷、 帘线开裂缺陷以及杂质缺陷。 [0017]进一步地， 所述步骤S303中， 对目标检测神经网络模型训练时将网络的共享卷积说　明　书 1/3 页 3 CN 114596284 A 3