您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报 (工学版) ›› 2022, Vol. 52 ›› Issue (3): 9-17.doi: 10.6040/j.issn.1672-3961.0.2021.319

• • 上一篇    

基于穿线法的轮胎X光图像畸变检测

郝晋一1,2,3,李鹏程1,2,3,黄艺美1,2,3,李金屏1,2,3*   

  1. 1.济南大学信息科学与工程学院, 山东 济南 250022;2.山东省网络环境智能计算技术重点实验室(济南大学), 山东 济南 250022;3.山东省“十三五”高校信息处理与认知计算重点实验室(济南大学), 山东 济南 250022
  • 发布日期:2022-06-23
  • 作者简介:郝晋一(1996— ),男,山西忻州人,硕士研究生,主要研究方向为图像处理. E-mail:haojy2014@126.com. *通信作者简介:李金屏(1968— ),男,河南焦作人,教授,博士,主要研究方向为计算机视觉. E-mail:ise_lijp@ujn.edu.cn
  • 基金资助:
    山东省重点研发计划资助项目(2017CXGC0810);山东省高等学校科技发展计划资助项目(J18KA346和J18KA371)

Tire X-ray image distortion detection based on threading method

HAO Jinyi1,2,3, LI Pengcheng1,2,3, HUANG Yimei1,2,3, LI Jinping1,2,3*   

  1. 1. School of Information Science and Engineering, University of Jinan, Jinan 250022, Shandong, China;
    2. Shandong Provincial Key Laboratory of Network Based Intelligent Computing(University of Jinan), Jinan 250022, Shandong, China;
    3. Shandong College and University Key Laboratory of Information Processing and Cognitive Computing in 13th Five-Year(University of Jinan), Jinan 250022, Shandong, China
  • Published:2022-06-23

PDF (PC)

104

摘要： 针对X光机成像问题导致的轮胎顶部拉伸畸变图像,设计一种基于穿线预定位以及众数平滑提取特征的改进穿线法。分割胎侧区域,通过极值滤波消除水平帘线,利用垂直投影确定胎侧区域的粗边界;在胎侧区域进行预穿线确定最终穿线位置,并在选定位置利用众数平滑的方法提取线宽、线距等特征;根据提取的特征值计算线宽比、线距比以及均值、方差设计阈值进行畸变判断。在包含1000张正常图像与600张畸变图像的测试样本中进行试验,漏报率为2.3%,误报率为0%,相对于模板匹配等方法,检测结果更加准确检测、检测速率更快。

关键词: 子午线轮胎, 穿线法, 图像畸变, 顶部拉升, 图像分割

中图分类号: 

  • TP391
[1] 邵明红. 轮胎缺陷检测的处理和算法研究[D]. 济南:山东大学控制科学与工程系, 2012. SHAO Minghong. Treatment and algorithm research of tires defects detection[D]. Jinan: Department of Control Science and Engineering, Shandong University, 2012.
[2] 李杰. 基于轮胎质量检测成像与常见故障识别算法研究[D]. 沈阳:东北大学机械工程与自动化系, 2012. LI Jie. Research on the image of tyres quality test and common fault recognition algorithms[D]. Shenyang: Department of Mechanical Engineering and Automation, Northeastern University, 2012.
[3] QI Xinwei, MIAO Ligang. A template matching method for multi-scale and rotated images using ring projection vector conversion[C] //Processdings of ICIVC 2018. Chongqing: IEEE, 2018.
[4] ORON S, DEKEL T, XUE T, et al. Best-buddies similarity: robust template matching using mutual nearest neighbors[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018, 40(8): 1799-1813.
[5] 王刚,施忠臣,尚洋,等. 结合模板匹配和梯度峰值的对角标志自动提取方法[J]. 光学学报, 2018, 38(8): 156-163. WANG Gang, SHI Zhongchen, SHANG Yang, et al. Automatic extraction of diagonal markers based on template matching and peaks of gradient histogram[J].Acta Optica Sinica, 2018, 38(8): 156-163.
[6] 于向茹,丁健配,李金屏. 基于形态学与投影直方图的轮胎杂质缺陷检测[J]. 中国科学技术大学学报, 2019, 49(1): 49-54. YU Xiangru, DING Jianpei, LI Jinping. Tire impurity defect detection based on morphology and projection histogram[J]. Journal of University of Science and Technology of China, 2019, 49(1): 49-54.
[7] ZHOU Zhihua, XIN Geng. Projection functions for eye detection[J]. Pattern Recognition, 2004, 37(5): 1049-1056.
[8] GHOSH M, GUHA R, MONDAL R, et al. Feature selection using histogram-based multi-objective GA for handwritten devanagari numeral recognition[M]. Singapore: Springer, 2018: 471-479.
[9] 郑修楠, 张潘杰, 李金屏. 基于穿线法的轮胎帘线弯曲缺陷检测[J]. 济南大学学报(自然科学版), 2018, 32(4): 286-290. ZHEN Xiunan, ZHANG Panjie, LI Jinping. Bending defect detection of tire cord based on threading method[J]. Journal of University of Jinan(Science and Technology), 2018, 32(4): 286-290.
[10] LIU Ying, YAN Haoyang, LIM K P. Study on rotation-invariant texture feature extraction for tire pattern retrieval[J]. Multidimensional Systems and Signal Processing, 2017, 28(2): 757-770.
[11] 卞国龙, 李勇, 戚顺青,等. 基于卷积神经网络的轮胎X射线图像缺陷检测[J]. 轮胎工业, 2019, 39(4): 247-251. BIAN Guolong, LI Yong, QI Shunqing, et al. Defect detection of tire by X ray image based on convolutional neural network[J]. Tire Industry, 2019, 39(4): 247-251.
[12] ZHAO Guo, QIN Shiyin. High-precision detection of defects of tire texture through X-ray imaging based on local inverse difference moment features[J]. Sensors, 2018, 18(8): 2524.
[13] WANG Ren, GUO Qiang, LU Shanmei, et al. Tire defect detection using fully convolutional network[J]. IEEE Access, 2019, 7: 43502-43510.
[14] INDOLIA S, GOSWAMI A K, MISHRA S P, et al. Conceptual understanding of convolutional neural network-a deep learning approach[J]. Procedia Computer Science, 2018, 132: 679-688.
[15] LIU Weibo, WANG Zidong, LIU Xiaohui, et al. A survey of deep neural network architectures and their applications[J]. Neurocomputing, 2017, 234: 11-26.
[16] JI Zhong, SUN Yuxin, YU Yunlong, et al.Attribute-guided network for cross-modal zero-shot hashing[J]. IEEE Transactions on Neural Networks and Learning Systems, 2020, 31(1): 321-330.
[17] REZATOFIGHI H, TSOI N, GWAK J Y, et al. Generalized intersection over union: a metric and a loss for bounding box regression[C] //Processdings of CVPR 2019. Long Beach, USA: IEEE, 2019: 658-666.
[18] KONG T, SUN F, LIU H, et al. Foveabox: beyound anchor-based object detection[J]. IEEE Transactions on Image Processing, 2020, 29: 7389-7398.
[19] REN S, HE K, GIRSHICK R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 39(6): 1137-1149.
[20] CUI Xuehong, LIU Yun, ZHANG Yan, et al. Tire defects classification with multi-contrast convolutional neural networks[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2018, 32(4): 18500.
[1] 董新宇,陈瀚阅,李家国,孟庆岩,邢世和,张黎明. 基于多方法融合的非监督彩色图像分割[J]. 山东大学学报 (工学版), 2019, 49(2): 96-101.
[2] 黄劲潮. 基于快速区域建议网络的图像多目标分割算法[J]. 山东大学学报(工学版), 2018, 48(4): 20-26.
[3] 李璐,范文涛,杜吉祥. 基于Markov随机场的Student's t混合模型的脑MR图像分割[J]. 山东大学学报(工学版), 2017, 47(3): 49-55.
[4] 胡金戈,唐雁. 基于视觉中心转移的视觉显著性检测方法[J]. 山东大学学报(工学版), 2017, 47(3): 27-33.
[5] 樊淑炎, 丁世飞. 基于多尺度的改进Graph cut算法[J]. 山东大学学报(工学版), 2016, 46(1): 28-33.
[6] 于海晶1,2, 李桂菊1*. 基于差分盒维数的彩色烟雾图像识别[J]. 山东大学学报(工学版), 2014, 44(1): 35-40.
[7] 戚世乐,王美清. 自适应分割弱边缘的活动轮廓模型[J]. 山东大学学报(工学版), 2013, 43(6): 17-20.
[8] 管燕,李存华*,仲兆满,孙兰兰. 化学分子结构图分割算法[J]. 山东大学学报(工学版), 2012, 42(5): 65-70.
[9] 张新明, 毛文涛, 李振云. 二阶广义概率的二维Otsu阈值分割[J]. 山东大学学报(工学版), 2012, 42(1): 25-33.
[10] 王丽娅, 潘振宽, 魏伟波*, 刘存良, 张志梅, 王钰. 多相图像分割的交替凸松弛优化及其Split Bregman算法[J]. 山东大学学报(工学版), 2011, 41(2): 40-45.
[11] 王新沛1,刘常春1*,白曈2. 基于均值距离的图像分割方法[J]. 山东大学学报(工学版), 2010, 40(4): 36-41.
[12] 冯显英 张成梁 杨丙生 李蕾. 基于RGB颜色空间的异性纤维识别检测算法[J]. 山东大学学报(工学版), 2009, 39(5): 68-72.
[13] 周广通，尹义龙，郭文鹃，任春晓. 基于协同训练的指纹图像分割算法[J]. 山东大学学报(工学版), 2009, 39(1): 22-26.
[14] 牛新生,叶华,王亮 . 彩色图像中的人脸检测方法[J]. 山东大学学报(工学版), 2007, 37(4): 0-0 .
[15] 马志强,常发亮,田伟,赵瑶 . 彩色图像中的人脸检测方法[J]. 山东大学学报(工学版), 2007, 37(4): 19-22 .
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发