張斌，林森，高書征

(軟控股份有限公司，山東 青島 266042)

基于圖像處理的輪胎X光圖像雜質(zhì)檢測技術

張斌，林森，高書征

(軟控股份有限公司，山東 青島 266042)

針對輪胎X光圖雜質(zhì)檢測的難題，對雜質(zhì)檢測的技術進行了研究，提出一種新型的基于改進圖像預處理方法和聚類分析的輪胎X光圖像表面雜質(zhì)檢測方法。實驗結果表明，該法有效地實現(xiàn)了輪胎X光圖像表面缺陷（帶束層雜質(zhì)、胎圈雜質(zhì)）的檢測，將漏檢率降低為0%，誤報率控制到1.0%以下。

X光圖像；雜質(zhì)檢測；圖像處理

子午線輪胎在生產(chǎn)過程中，受生產(chǎn)設備、現(xiàn)場環(huán)境及工藝流程等因素的影響，經(jīng)常會出現(xiàn)雜質(zhì)、鋼絲簾線交叉、搭接、氣泡和帶束層順線等質(zhì)量問題[1]，影響輪胎的使用，因此輪胎在出廠之前需要進行缺陷檢測。目前常用X光透射成像的方法對子午線輪胎進行缺陷檢測。輪胎的結構和各部分材料的差異使得X光透過輪胎時，每一部分對X光的吸收量也不同，這使得在探測器上接收到的透過輪胎的輻射量就不同，從而形成不同灰度等級的輪胎X光圖像。

雖然采用X光成像檢測輪胎缺陷的技術[28]開展比較早，而且部分國外廠商已經(jīng)研制出具有輪胎缺陷自動識別功能的檢測系統(tǒng)，但是由于國內(nèi)輪胎廠的加工工藝及加工環(huán)境等因素，這些輪胎缺陷識別系統(tǒng)并不能滿足國內(nèi)輪胎廠的需求。因此，國內(nèi)生產(chǎn)的X射線輪胎檢測設備還是以人工目視的方法進行缺陷檢測，容易由于視覺疲勞、人工檢測標準不統(tǒng)一等因素導致缺陷的錯檢和漏檢。

為了改善我國子午線輪胎X射線檢測現(xiàn)狀[2～10]，提高輪胎檢測設備的水平，針對輪胎的雜質(zhì)缺陷，提出了基于圖像處理和聚類分析的子午線輪胎雜質(zhì)檢測的方法。該方法分析輪胎X光圖像的雜質(zhì)特點，通過圖像處理算法對輪胎X光圖像進行預處理，然后使用聚類分析的方法對預處理之后的圖像進行缺陷檢測，使得輪胎X光雜質(zhì)檢測的誤報率和漏報率初步達到了工業(yè)應用的要求。

1 輪胎X光圖像檢測系統(tǒng)成像原理

輪胎X光圖像檢測系統(tǒng)通過X射線源發(fā)射X光，對透過的X光通過16 bit數(shù)字圖像轉換器在監(jiān)控主機上進行輪胎灰度圖成像，輪胎X光檢測系統(tǒng)成像原理[8]如圖1所示，采集的部分X光圖像如圖2所示。

圖1 輪胎X光檢測系統(tǒng)成像原理圖

圖2 輪胎X光灰度圖

2 輪胎表面雜質(zhì)檢測

由于輪胎每一部分的結構、材料、厚度和密度等不同，輪胎不同部分的X光灰度圖像會呈現(xiàn)不同的樣式，輪胎X光成像如圖3(a)所示,對應帶束層和胎圈的雜質(zhì)X光圖像如圖3(b)和圖3(c)所示。

圖3 輪胎X光圖像

分析輪胎X光圖像部分圖，發(fā)現(xiàn)不同部位的X光圖像樣式有著明顯差異，例如帶束層部分的X光圖像像素分布較為規(guī)律，而胎圈部分的X光圖像分布較為雜亂。而對于輪胎X光圖像中的所有部分，由于缺陷具有個體小、對比度低等特點，很難直接檢測出來。針對上述問題，本文提出的X光圖像處理流程如圖4所示。

2.1 輪胎X光圖像預處理

如流程圖所示，采集到X光輪胎圖像之后，對輪胎圖像進行缺陷檢測之前，首先需要對輪胎X光圖像進行預處理，為后面的輪胎X光圖像雜質(zhì)檢測做準備。

本文對輪胎X光圖像雜質(zhì)檢測預處理流程如圖5所示。

圖4 輪胎X光處理流程

圖5 輪胎X光圖像雜質(zhì)檢測預處理

輪胎X光圖像預處理過程主要分為直方圖列均衡、傅里葉變換及低通濾波、二值化和閉操作四步，下面分別對每一步處理進行分析。直方圖均衡化是一種通過使用累積函數(shù)對灰度值進行調(diào)整以實現(xiàn)對比度增強的方法，通過直方圖均衡化處理以后，新圖像的灰度層次便由原來的分布不均勻，整體一片較暗色調(diào)的圖像，轉換成為一幅灰度層次比較適中的，變得更加清楚的圖像。帶束層X光圖像的灰度直方圖如圖6所示。

由帶束層X光圖像灰度直方圖可知，帶束層X光圖像的灰度值比較集中，難以進行處理，需要進行調(diào)整。由于輪胎X光圖像在列方向上的像素都處于相同的輪胎部分，而行方向會出現(xiàn)輪胎部分的變化，因此為保持輪胎不同部位之間的差異，采用直方圖列均衡對輪胎X光圖像進行處理。

圖6 帶束層X光圖像灰度直方圖

直方圖均衡化處理[20]是利用累積分布函數(shù)的原理進行變換。首先，假定變換函數(shù)為：，在這個函數(shù)中σ， 是積分變量，而就是x的累積分布函數(shù)，并且值從0到1單調(diào)增加，所以函數(shù)滿足關于T(X)在0≤x≤1的條件內(nèi)單調(diào)增加，并有0≤x≤1和0≤T(x)≤1兩個條件，對式中的x求導，則，得到下式：

從上面的推導結果能夠知道，經(jīng)過該變換處理以后，變量y的定義域內(nèi)，概率密度是均勻分布的。從這點也可以知道，用累積分布函數(shù)能夠將一副灰度級分布非均勻的圖像變得比較均勻。直方圖均衡化處理通過映射圖像的灰度值來使圖像更加的逼近均勻分布，這樣改善了圖像的對比度。

直方圖列均衡后效果如圖7所示。

圖7 直方圖列均衡化后帶束層部分圖像

經(jīng)過直方圖列均衡處理之后，圖像中缺陷與背景對比度明顯加強，但是從圖中可以看出圖像中存在著一些噪聲的影響。針對這個問題，提出采用傅里葉變換將圖像從空間域轉換到頻率域，然后進行低通濾波的方法進行圖像平滑，消除噪聲。

傅立葉變換的物理意義是將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，傅立葉逆變換是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)。

一維傅立葉變換公式如下：

二維的傅立葉變換公式是由一維傅里葉變換公式變換而來：

通過傅立葉變換將輪胎X光圖像的灰度分布函數(shù)轉換為圖像的頻率分布函數(shù)，然后通過低通濾波器對輪胎X光圖像進行平滑，去除高頻部分。

經(jīng)過傅立葉變換及低通濾波之后，輪胎X光圖像變得平滑，而且部分雜質(zhì)被消除，但是圖像中雜質(zhì)與背景的對比度仍然不強，為了將雜質(zhì)與圖像背景進行區(qū)分，增強對比度，提出采用二值化對圖像進行處理。二值化處理之后圖像如圖8所示。

圖8 二值化之后胎圈部分X光圖像

由圖8可知，經(jīng)過二值化之后圖像中雜質(zhì)與背景的對比度有了明顯加強，但是還是存在著一些噪聲干擾，而且雜質(zhì)中在進行二值化處理過程中出現(xiàn)一些空洞導致雜質(zhì)變小，加大了檢測難度。為降低檢測難度，提出采用閉操作來消除雜質(zhì)中的空洞，同時去除噪聲。

經(jīng)過以上圖像預處理之后的輪胎X光圖像如圖9所示。

2.2 基于區(qū)域生長聚類的輪胎X光圖像缺陷檢測

輪胎X光圖像預處理[32]之后，圖像對比度有了明顯增強，可以基于處理后的圖像進行缺陷檢索了。從圖中可以看出，經(jīng)過預處理之后，輪胎X光圖像中仍然存在一些影響缺陷檢測的因素，為排除這些因素對X光圖像缺陷檢測的影響，提出采用區(qū)域生長聚類分析的方式進行缺陷檢測。

圖9 預處理后輪胎X光圖像

區(qū)域生長[33]是選擇種子點，從種子點的集合開始，將與這些種子點具有相似性質(zhì)（例如：灰度值、紋理顏色等）的像素合并到此區(qū)域。針對預處理之后X光圖像的特點，采用隨機選取像素值為0的像素作為種子點對8鄰域內(nèi)像素值為0的像素進行聚類。

預處理后圖像部分區(qū)域像素值矩陣如表1。

表1 預處理后圖像部分區(qū)域像素值矩陣

通過對像素值為0的像素進行8鄰域聚類，則圖中像素值為0的部分為一類，統(tǒng)計每一類的像素數(shù)目進行排列，取數(shù)目最多的兩類，則標定為雜質(zhì)報警區(qū)域。

3 實驗結果與分析

本文對隨機抽取的1 000幅輪胎X光圖像進行檢測，其中包含60幅帶束層部分存在雜質(zhì)的圖像，40幅胎圈部分存在雜質(zhì)的圖像。本文的實驗方法是首先將輪胎X光圖像各部分進行分割，然后對帶束層和胎圈部分分別進行檢測，統(tǒng)計誤報率和漏報率。

胎圈部分X光圖像缺陷檢測過程分別如圖10所示。

輪胎帶束層部分和胎圈部分的缺陷檢測情況統(tǒng)計及與其他方法對比情況如表2、表3。

表2 輪胎帶束層部分的缺陷檢測情況統(tǒng)計

表3 輪胎胎圈的缺陷檢測情況統(tǒng)計

對比表2、表3可以看出，算法的漏報率已經(jīng)達到了應用要求的0%，而誤報率也降低到了0.5%以下。其他兩種方法雖然也有較低的誤報率和漏報率，但是并不能滿足工業(yè)應用的需要。

圖10 對原始輪胎X光圖像進行預處理的過程

4 結論

本文針對目前輪胎X光圖像雜質(zhì)檢測困難的問題，提出一種基于數(shù)字圖像處理和聚類分析的輪胎X光雜質(zhì)檢測方法，降低了輪胎X光圖像雜質(zhì)檢測的漏報率和誤報率，滿足了輪胎工廠的X光圖像雜質(zhì)檢測的要求，能有效推動輪胎X光缺陷自動檢測技術的發(fā)展及應用。

[1] 王曉明，陳軍芳.輪胎內(nèi)部缺陷微波無損檢測方法[J]輪胎工業(yè),2004,24(7):428～431.

[2] 吳紹林.X-RA 型 X 射線探傷機在全鋼子午線輪胎生產(chǎn)中的應用[J].橡膠技術與設備,1994,3:49～54.

[3] 粟定華.當今的輪胎 X 光檢測[J].現(xiàn)代橡膠技術,2003,29(3):35～37.

[4] 何清濱，姬新生，趙松善，等.全鋼載重子午線輪胎 X 光檢測線[J].輪胎工業(yè),2003,23(8):478～482.

[5] 金向寧.子午線輪胎 X 射線檢測設備的開發(fā)與研制[J].橡膠技術與裝備,24(6):47～49.

[6] 王同波.全鋼載重子午線輪胎 X 光檢驗缺陷原因分析[J].輪胎工業(yè),2008,28(12):750.

[7] 曾祥照，簡志良.X 射線實時成像在液化氣鋼瓶焊縫探傷中的應用[J].無損檢測,1999,21(2):61～64.

[8] 鄭世才.我國射線檢測技術近年的發(fā)展[J].無損檢測,2004,26(4):163～169.

[9] 梁鈺.X 射線熒光光譜分析基礎[M].北京:科學出版社,2007.

[10] 周玉，武高輝.材料分析測試技術[M],材料 X 射線衍射與電子顯微分析[M].哈爾濱:哈爾濱工業(yè)大學出版社,2007.

[11] 黃戰(zhàn)華，劉正，羅文斌，等.基于頻譜濾波的多紋理提取算法[J].光電工程,2008,35(8):51～55.

[12] 黃戰(zhàn)華，劉正，張振，等.基于矢量化方法的紋理缺陷快速檢測[J].儀器儀表學報,2008,29(4)增I:181～184.

[13] 陳勤，王濤，劉茵.輪胎透視圖的一種整體區(qū)域分割方法[J].計算機工程與科學,2007,29(4):42～44.

[14] 原培新，張曉慧.數(shù)字圖像處理在汽車輪胎射線檢測中的應用[J].CT 理論與93天津大學博士學位論文應用研究,2007,16(2):48～51.

[15] 李瑞棠.X 射線探傷檢驗技術[M].北京:烴加工出版社,1985.

[16] 中國機械工程學會無損檢測分會[J].射線檢測,北京:機械工業(yè)出版社,2004.

[17] 鄭世才.射線檢測[M].北京:機械工業(yè)出版社,2004.

[18] 劉德鎮(zhèn).現(xiàn)代射線檢測技術[M].北京:中國標準出版社,1999,2000重印.

[19] 胡武軍.數(shù)字 X 線探測器[J].上海生物醫(yī)學工程,1998,19(1):21～23.

[20] 吳世法.近代成像技術與圖像處理[M].北京:國防工業(yè)出版社,1997.

[21] 陳樹越,路宏年.X 射線數(shù)字成像噪聲特性及噪聲消除方法研究[J].無損檢測,2001,23 (1):9～14.

[22] 薛玉利.基于 Gabor 變換的特征提取及其應用 [碩士學位論文],濟南:山東大學,2007.

[23] 朱振峰.基于 Gabor 變換的特征分析及其應用 [博士學位論文],北京:中國科學院,2005.

[24] 王孔茂.輪胎X射線檢驗機圖像 集與預處理技術[M].天津大學,2012.

[25] 石柯，李軍.輪胎超聲波無損檢測裝置及其檢測方法:中國,CN102043013A[P].2011.

[26] 石柯，李軍,陳利華,葉浩明.輪胎超聲波無損檢測裝置及其檢測方法:中國,CN102043013B[P].2013.

[27] 李忠.輪胎針孔檢測機:中國,CN201229313[P],2009-04-29.

[28] 王曉明，陳軍芳.輪胎內(nèi)部缺陷微波無損檢測方法[J].輪胎工業(yè),2004,7: 428～431.

[29] 陳婧.基于嵌入式的子午線輪胎質(zhì)量檢測系統(tǒng)的研宄與實現(xiàn)[M].天津大學,2010.

[30] 袁曄.X光輪胎缺陷自動檢測系統(tǒng)的研究[M].天津大學,2008.

[31] 應崎偉.汽車輪胎瑕疵的計算機視覺識別系統(tǒng)[M].杭州電子科技大學,2012.

[32] 邵明紅.輪胎缺陷檢測的處理和算法研究[M].山東大學,2012.

[33] 原培新,張曉慧.數(shù)字圖像處理在汽車輪胎X射線檢測中的應用[J].CT理論與應用研究,2007,16(2): 48～51.

Tire X-ray image impurity detection based on image processing technology

Zhang Bin，Lin Sen，Gao Shuzheng
（MESNAC Co., Ltd., Qingdao 266042,Shandong,China)

For detecting impurities in X-Ray images, impurity detection techniques are studied. A new detection method based on improved image pretreatment and cluster analysis has been proposed. As result, using this method can effectively detect the defects in the tire X-Ray images, which means impurities detection rate is 100% and wrong detection rate is below 1%.

x-ray images; impurity detection; image processing

TQ330.493

1009-797X(2016)09-0050-05

B

10.13520/j.cnki.rpte.2016.09.011

張斌（1978—），男，中級工程師，2003年畢業(yè)于哈爾濱工業(yè)大學，主要從事于輪胎制造機械裝備的研發(fā)工作，擁有豐富的電氣設計、軟件控制、識別技術相關理論知識經(jīng)驗。

2015-10-14