一种轮胎外观缺陷识别系统及方法与流程

1.本发明涉及缺陷识别技术领域，具体来说，涉及一种轮胎外观缺陷识别系统及方法。


背景技术：

2.在现有技术中，轮胎在生产过程中的外观识别是靠人眼视觉感知的人工筛选方法，这种方法费事费力，且因为时人工筛选，需要逐个轮胎观察及比对的繁琐工作流程，严重影响了轮胎的生产效率，且提高不了产品的合格率，仍然会出现大量带有缺陷的轮胎流通到消费者手上。
3.针对相关技术中的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.针对相关技术中的问题，本发明提出一种轮胎外观缺陷识别系统及方法，以克服现有相关技术所存在的上述技术问题。
5.为此，本发明采用的具体技术方案如下：一种轮胎外观缺陷识别系统，包括图像采集模块、识别提取模块、标定模块、计算模块、判别模块以及显示模块，所述图像采集模块与所述识别提取模块信号连接，所述识别提取模块分别与所述标定模块、判别模块信号连接，所述标定模块与所述计算模块信号连接，所述计算模块与所述判别模块信号连接，所述判别模块与所述显示模块信号连接。
6.根据本发明另一个方面，提供了一种轮胎外观缺陷识别方法，用于轮胎外观缺陷识别系统，包括以下步骤；通过图像采集模块中的工业相机确定标准轮胎的与待检轮胎的外观图像采集工作；图像采集模块将标准轮胎照片以及待检轮胎照片传输至识别提取模块内，识别提取模块对标准轮胎照片以及待检轮胎照片进行背景去除、轮胎外观面识别、轮胎外观面分割及轮胎外观面提取，分别形成标准轮胎外观面图像以及待检轮胎外观面图像；识别提取模块将待检轮胎外观面图像传输至计算模块中预先完成训练的yolov3-tiny模型中，得到缺陷区域数据，识别提取模块将标准轮胎外观面图像传输至判别模块内；判别模块将得到的缺陷区域数据与标准轮胎外观面图像的数据输入到预先完成训练的mobilenetv3模型中，得到缺陷分类数据，根据缺陷区域数据和缺陷分类数据对轮胎进行分级。
7.作为优选，所述yolov3-tiny模型通过以下方法训练:采集若干个轮胎图像，对单个轮胎图像中外观缺陷进行人工标定，用矩形框标注外观缺陷的区域和类型；将标定好的图像按照缺陷类型进行归类，用其中一部分图像作为训练集，剩余部分图像作为验证集，训练深度学习模型的yolov3进行缺陷检测；
对训练好的yolov3模型，通过知识蒸馏的方式训练yolov3-tiny模型。
8.作为优选，所述外观缺陷类型包括：胎圈宽窄不一、欠硫、胎里露线、胎里窝气、缺胶、裂口和重皮。
9.作为优选，采集八万张单个轮胎图像进行yolov3-tiny模型训练，将标定好的图像按照缺陷类型进行归类，用其中六万张图像作为训练集，两万张图像作为验证集，训练深度学习模型的yolo-v3进行缺陷检测。
10.作为优选，mobilenetv3模型通过以下方法训练：对yolov3-tiny检测出的缺陷区域数据，根据标注结果分类，训练mobilenetv3模型分类。
11.作为优选，根据缺陷区域数据和缺陷分类数据对轮胎进行分级具体为：汇总yolov3-tiny检测出的缺陷区域和mobilenetv3模型的缺陷分类结果，计算轮胎外观缺陷区域面积，调用轮胎级别对应表并利用所计算出的轮胎外观缺陷区域面积值和缺陷分类结果，查到对应的轮胎级别。
12.作为优选，预先设置轮胎外观级别对应表，所述轮胎外观级别对应表中，轮胎外观缺陷区域面积值、轮胎缺陷分类与轮胎级别存在一一对应关系。
13.作为优选，所述图像采集模块在同一光照条件下采集标准砖照片、以及待选砖照片。
14.本发明的有益效果为：运用深度学习的目标检测、图像分类、知识蒸馏等技术，能够有效识别轮胎表面缺陷，识别准确率高，识别类型全，大大提升了分选效率，减轻劳动强度，降低分选成本；相比于现阶段的轮胎质检工作采用依靠人眼视觉感知的人工筛选方法，利用计算机视觉技术等人工智能手段，对轮胎的色差进行智能识别及比对，实现智能化、自动化的轮胎批量选砖流程，避免了人工筛选方法需要逐个轮胎观察及比对的繁琐工作流程，提高了工作效率；另外，与人工筛选方法依靠人眼视觉的视觉感知定性评价相比，本发明采用的轮胎色差定量评价标准的判别结果离散型更小，判别结果的准确度更高。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，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。
16.图1是根据本发明实施例的一种轮胎外观缺陷识别系统的结构示意图；图2是根据本发明实施例的一种轮胎外观缺陷识别方法的步骤流程图。
具体实施方式
17.为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
18.根据本发明的实施例，提供了一种轮胎外观缺陷识别系统及方法。
19.实施例一；如图1-2所示，根据本发明实施例的轮胎外观缺陷识别系统，包括图像采集模块1、识别提取模块2、标定模块3、计算模块4、判别模块5以及显示模块6，所述图像采集模块1与所述识别提取模块2信号连接，所述识别提取模块2分别与所述标定模块3、判别模块5信号连接，所述标定模块3与所述计算模块4信号连接，所述计算模块4与所述判别模块5信号连接，所述判别模块5与所述显示模块6信号连接。
20.实施例二；根据本发明另一个方面，提供了一种轮胎外观缺陷识别方法，用于轮胎外观缺陷识别系统，包括以下步骤；通过图像采集模块1中的工业相机确定标准轮胎的与待检轮胎的外观图像采集工作；图像采集模块1将标准轮胎照片以及待检轮胎照片传输至识别提取模块2内，识别提取模块2对标准轮胎照片以及待检轮胎照片进行背景去除、轮胎外观面识别、轮胎外观面分割及轮胎外观面提取，分别形成标准轮胎外观面图像以及待检轮胎外观面图像；识别提取模块2将待检轮胎外观面图像传输至计算模块4中预先完成训练的yolov3-tiny模型中，得到缺陷区域数据，识别提取模块2将标准轮胎外观面图像传输至判别模块5内；判别模块5将得到的缺陷区域数据与标准轮胎外观面图像的数据输入到预先完成训练的mobilenetv3模型中，得到缺陷分类数据；根据缺陷区域数据和缺陷分类数据对轮胎进行分级。
21.在一个实施例中，所述yolov3-tiny模型通过以下方法训练:采集若干个轮胎图像，对单个轮胎图像中外观缺陷进行人工标定，用矩形框标注外观缺陷的区域和类型；将标定好的图像按照缺陷类型进行归类，用其中一部分图像作为训练集，剩余部分图像作为验证集，训练深度学习模型的yolov3进行缺陷检测；对训练好的yolov3模型，通过知识蒸馏的方式训练yolov3-tiny模型。
22.在一个实施例中，所述外观缺陷类型包括：胎圈宽窄不一、欠硫、胎里露线、胎里窝气、缺胶、裂口和重皮。
23.在一个实施例中，采集八万张单个轮胎图像进行yolov3-tiny模型训练，将标定好的图像按照缺陷类型进行归类，用其中六万张图像作为训练集，两万张图像作为验证集，训练深度学习模型的yolo-v3进行缺陷检测。
24.在一个实施例中，mobilenetv3模型通过以下方法训练：对yolov3-tiny检测出的缺陷区域数据，根据标注结果分类，训练mobilenetv3模型分类。
25.在一个实施例中，根据缺陷区域数据和缺陷分类数据对轮胎进行分级具体为：汇总yolov3-tiny检测出的缺陷区域和mobilenetv3模型的缺陷分类结果，计算轮胎外观缺陷区域面积，调用轮胎级别对应表并利用所计算出的轮胎外观缺陷区域面积值和缺陷分类结果，查到对应的轮胎级别。
26.在一个实施例中，预先设置轮胎外观级别对应表，所述轮胎外观级别对应表中，轮胎外观缺陷区域面积值、轮胎缺陷分类与轮胎级别存在一一对应关系，所述图像采集模块1
在同一光照条件下采集标准砖照片、以及待选砖照片。
27.实施例三；如图2所示，根据本发明的实施例，还提供了一种轮胎外观缺陷识别方法，用于轮胎外观缺陷识别系统，包括以下步骤；步骤s101，通过图像采集模块1中的工业相机确定标准轮胎的与待检轮胎的外观图像采集工作；步骤s103，图像采集模块1将标准轮胎照片以及待检轮胎照片传输至识别提取模块2内，识别提取模块2对标准轮胎照片以及待检轮胎照片进行背景去除、轮胎外观面识别、轮胎外观面分割及轮胎外观面提取，分别形成标准轮胎外观面图像以及待检轮胎外观面图像；步骤s105，当识别提取模块2将待检轮胎外观面图像传输至计算模块4中预先完成训练的yolov3-tiny模型中，得到缺陷区域数据，识别提取模块2将标准轮胎外观面图像传输至判别模块5内；步骤s107，判别模块5将得到的缺陷区域数据与标准轮胎外观面图像的数据输入到预先完成训练的mobilenetv3模型中，得到缺陷分类数据，根据缺陷区域数据和缺陷分类数据对轮胎进行分级。
28.综上所述，借助于本发明的上述技术方案，运用深度学习的目标检测、图像分类、知识蒸馏等技术，能够有效识别轮胎表面缺陷，识别准确率高，识别类型全，大大提升了分选效率，减轻劳动强度，降低分选成本；相比于现阶段的轮胎质检工作采用依靠人眼视觉感知的人工筛选方法，利用计算机视觉技术等人工智能手段，对轮胎的色差进行智能识别及比对，实现智能化、自动化的轮胎批量选砖流程，避免了人工筛选方法需要逐个轮胎观察及比对的繁琐工作流程，提高了工作效率；另外，与人工筛选方法依靠人眼视觉的视觉感知定性评价相比，本发明采用的轮胎色差定量评价标准的判别结果离散型更小，判别结果的准确度更高。
29.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。