基于卷积神经网络的轮胎X射线图像缺陷检测

为解决常用轮胎X射线图像缺陷检测方法难以获取准确的图像特征的问题,提出一种通过卷积神经网络获取图像特征的方法。对轮胎X射线图像进行数据增强,然后建立网络模型。训练算法获取图像缺陷特征,并用训练好的模型识别图像中的缺陷。首先将参数对应的神经元分为关键和非关键部分,然后采用局部关键点和动态学习率实现参数快速调节。试验结果表明,设计的网络模型不易过拟合,参数调节快,所需时间短,检测准确率高。     

基于图像处理的轮胎X光图像缺陷检测

在图像处理的基础上使用深度学习方法对轮胎X光图像缺陷进行自动检测。轮胎X光图像具有高分辨率、形状狭长、缺陷目标较小的特点,通过将每张X光图像按照640×640像素进行切割,对切割出的每个区域进行标注,把存在缺陷的区域划分到训练集,对训练集进行直方图均衡化以增强图像前景与背景的对比度,进而继续对训练集进行数据增强以提高模型的泛化能力,最后在Faster R-CNN深度学习缺陷检测模型上训练出最优权重。在模型推理阶段,完整的X光图像会被送入模型,缺陷范围被框出,重组为原始X光图像;若某个缺陷具有多个选框,则将所有邻近的选框合成为一个选框。该方法能够有效降低小缺陷目标的漏检率,提高检测的准确率,间接解决了原始X光图像特征丢失的问题。     

YLX-G3563型工程机械轮胎X射线检验机

介绍YLX-G3563型工程机械轮胎X射线检验机的工艺流程、主要技术参数、机械结构、控制系统和X射线与图像系统。该机采用X射线发生装置通过轮胎定位及旋转装置分3次定位对轮胎胎侧和胎面部位进行检测,检测图像由896像素的探测器接收传至数据采集系统,并对轮胎进行判级。该检验机能很好地检测出轮胎内部钢丝帘线排列不均、带束层钢丝帘布级差、气孔、裂缝、裂纹和杂质等质量缺陷。     

一种轮胎X光图像检测识别方法及系统

正由软控股份有限公司申请的专利(公开号CN 105335692A,公开日期2016-02-17)"一种轮胎X光图像检测识别方法及系统",涉及一种轮胎X光图像检测识别方法及系统,检测识别方法包括离线训练步骤和在线检测步骤。离线训练步骤包括:(1)建立训练样本;(2)对训练样本中的图像进行缺陷检测,计算出训练样本缺陷信息;     

轮胎X射线检验机图像影响因素探讨

通过对轮胎X射线检验机的X射线系统、探测器系统、系统结构等进行分析,探讨了影响其图像质量的因素,并结合实践经验给出轮胎X射线检验机图像相关参数的参考范围。     

基于图像处理的机械材料缺陷检测技术研究

针对传统机械材料检测数据冗杂,检测耗时的问题,结合机械材料的结构特点,提出一种基于图像的机械材料X射线检测技术。对X射线检测的基本原理进行具体介绍,设计一个基于图像的机械材料X射线检测系统;对采集的机械材料图像进行预处理和倾斜校正,并建立成像系统模型确定材料成像方位角;为验证提出方法的有效性,在Matlab2016b平台下进行仿真,选用5种机械材料进行缺陷对比试验,结果表明：提出的方法可以精准地检测到机械材料的缺陷,检测耗时较短,检测效率有所提升,可应用于机械材料的图像检测。     

基于图像处理的轮胎X光图像杂质检测技术

针对轮胎X光图杂质检测的难题,对杂质检测的技术进行了研究,提出一种新型的基于改进图像预处理方法和聚类分析的轮胎X光图像表面杂质检测方法。实验结果表明,该法有效地实现了轮胎X光图像表面缺陷(带束层杂质、胎圈杂质)的检测,将漏检率降低为0%,误报率控制到1.0%以下。     

用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备

<正>用于在轮胎制造工序中检测轮胎上的缺陷的方法和设备,该方法包括:接收基本无缺陷的参照轮胎的表面部分的参照图像;提供待分析的样本轮胎;用倾斜光源照射样本轮胎的表面部分;获取样本轮胎的被照射表面部分的样本图像;从参照图像和样本图像中提取边缘并且分别产生边缘参照图像和边缘样本图像;进行边缘参照     

COLLMANN2824轮胎检测X光机U形探测器及硬件升级

轮胎X射线检测机随着使用年限的增加,故障会逐步增多,维护费用和维护难度也在增长,特别是设备最核心的成像系统会出现电路板和传感器老化现象,使轮胎X射线图像出现模糊、区域过亮或过暗、黑条或白条(传感器整块宽度图像丢失)、竖线(传感器像素宽度图像丢失)等故障,导致检测效果变差甚至会出现检测盲区,最终出现漏检现象。     

工业X射线检测图像预处理的研究进展

X射线原始检测图像灰度区间窄、对比度低、噪声多、缺陷边缘不清晰、缺陷特征被淹没、存在较大的背景起伏等缺陷,进而影响了无损检测人员对工件的缺陷评定.介绍了X实时成像的降噪处理与对比度增强的方法.滤波方面,非线性中值滤波的降噪效果较好.对比度增强方面,直方图均衡化的对比度增强效果较好.