, ,

(濟(jì)南大學(xué) a.信息科學(xué)與工程學(xué)院，b.山東省網(wǎng)絡(luò)環(huán)境智能計(jì)算技術(shù)重點(diǎn)實(shí)驗(yàn)室， c.“十三五”山東省高等學(xué)校信息處理與認(rèn)知計(jì)算重點(diǎn)實(shí)驗(yàn)室，山東 濟(jì)南 250022)

輪胎工業(yè)在我國(guó)國(guó)民經(jīng)濟(jì)中占有重要地位。在生產(chǎn)過(guò)程中，原料、加工工藝等因素會(huì)導(dǎo)致輪胎出現(xiàn)多種缺陷，這些缺陷對(duì)輪胎的安全性、耐磨性都有不同程度的影響，劣化了產(chǎn)品的質(zhì)量和性能，例如，簾線開(kāi)裂容易造成輪胎內(nèi)部受力不均勻，使得輪胎存在重大安全隱患。

簾線稀疏是人們比較關(guān)心的輪胎缺陷之一，是指輪胎中鋼絲線間距過(guò)大。當(dāng)前主要借助于X射線技術(shù)對(duì)輪胎內(nèi)部簾線結(jié)構(gòu)進(jìn)行成像，通過(guò)分析輪胎圖像實(shí)現(xiàn)缺陷的檢測(cè)，提高輪胎質(zhì)量[1]。 輪胎的結(jié)構(gòu)和各部分材料的差異使得X射線透過(guò)輪胎時(shí)，每一部分對(duì)X射線的吸收量不同，探測(cè)器上接收到的透過(guò)輪胎的輻射量就不同，從而形成不同灰度等級(jí)的輪胎X射線圖像。

采用X射線成像檢測(cè)輪胎缺陷的技術(shù)[2-4]應(yīng)用比較早，目前國(guó)外廠商已經(jīng)研發(fā)出輪胎缺陷自動(dòng)識(shí)別系統(tǒng)；但是，由于成本太高，不能滿(mǎn)足國(guó)內(nèi)輪胎制造廠的需求，因此國(guó)內(nèi)很多輪胎廠還是通過(guò)工人觀察圖像來(lái)判斷輪胎是否有缺陷以及缺陷的類(lèi)型。人工觀察圖像是主觀判斷，很容易受到外界因素的干擾，并且工人工作量和工作強(qiáng)度都相當(dāng)大，容易造成眼疲勞和錯(cuò)誤判斷，不利于輪胎缺陷的檢測(cè)。

由于胎側(cè)區(qū)域紋理相對(duì)簡(jiǎn)單，因此簾線稀疏缺陷比較明顯。在工業(yè)產(chǎn)品缺陷檢測(cè)中，使用較多的是模板匹配算法，即利用已知的模板使用相關(guān)函數(shù)對(duì)檢測(cè)圖像進(jìn)行匹配，以獲取圖像中匹配模板的信息和坐標(biāo)[5]。 文獻(xiàn)[6]中通過(guò)對(duì)缺陷圖像進(jìn)行圖像分割與邊界提取，計(jì)算每個(gè)封閉輪廓的面積和周長(zhǎng)，若某個(gè)輪廓面積明顯大于正常部分，但周長(zhǎng)卻與正常部分近似相等，則判斷鋼絲簾線間距過(guò)大。 文獻(xiàn)[7]中提出一種基于稀疏表示的輪胎缺陷檢測(cè)算法，該方法是在圖像字典表示輪胎缺陷的局部特性基礎(chǔ)上，結(jié)合測(cè)量編碼長(zhǎng)度表征的缺陷的全局特性，檢測(cè)和定位輪胎缺陷。 文獻(xiàn)[8]中提出基于傅里葉變換的頻譜分析法，通過(guò)傅里葉變換將空域信號(hào)轉(zhuǎn)化為頻域信號(hào)，對(duì)得到的頻譜進(jìn)行圖像處理，判斷輪胎有無(wú)缺陷。 文獻(xiàn)[9]中采用灰度共生矩陣與統(tǒng)計(jì)直方圖相結(jié)合的方式來(lái)提取輪胎的紋理特征，并對(duì)比模板和待檢圖像的紋理特征，從而進(jìn)行缺陷檢測(cè)。

為了改善目前的現(xiàn)狀，提高輪胎缺陷檢測(cè)的準(zhǔn)確度，滿(mǎn)足國(guó)內(nèi)輪胎廠的需求，本文中提出一種基于穿線法的輪胎簾線稀疏缺陷檢測(cè)方法，并用該方法對(duì)923幅輪胎圖像的胎側(cè)進(jìn)行簾線稀疏缺陷檢測(cè)，以檢驗(yàn)其有效性和實(shí)時(shí)性。

1 基于穿線法的輪胎簾線稀疏缺陷的檢測(cè)

基于穿線法的輪胎簾線稀疏缺陷的檢測(cè)方法首先對(duì)所獲得的胎側(cè)部分進(jìn)行預(yù)處理，即結(jié)合全局閾值法與局部閾值法對(duì)輪胎X射線圖像進(jìn)行二值化，然后對(duì)胎側(cè)簾線進(jìn)行細(xì)化；胎側(cè)部分預(yù)處理之后用穿線法以一定步長(zhǎng)豎直掃描圖像，得到穿線與簾線交點(diǎn)坐標(biāo)，計(jì)算簾線的平均間距，橫向遍歷簾線間距并與簾線標(biāo)準(zhǔn)閾值進(jìn)行比較，大于標(biāo)準(zhǔn)閾值的部分判定為缺陷，然后標(biāo)記缺陷所在位置。檢測(cè)缺陷流程圖如圖1所示。

圖1 檢測(cè)缺陷流程圖

1.1 圖像預(yù)處理

1.1.1 二值化

圖像的二值化就是將圖像的灰度設(shè)定為黑、白2種顏色，使圖像呈現(xiàn)出明顯的黑白效果，將圖像的背景與前景分開(kāi)。

輪胎成像設(shè)備的原因?qū)е螺喬D像在水平方向灰度分布不均勻。對(duì)于輪胎的胎側(cè)區(qū)域，中間亮度高，兩側(cè)亮度低，因此采用統(tǒng)一的全局閾值算法無(wú)法得到很好的分割效果。為了消除水平方向照射不均勻的影響，可以采用基于每一列的最佳閾值分割方法，也就是應(yīng)用迭代法求出圖像每一列的最佳分割閾值，逐列進(jìn)行二值化。這種方法結(jié)合了全局閾值法與局部閾值法的優(yōu)點(diǎn)，雖然在一定程度上增加了算法的時(shí)間，但是處理效果較好，能夠較好地消除光照不均的影響。圖2所示為存在胎側(cè)簾線稀疏缺陷的輪胎原始圖像及二值化圖像。

1.1.2 細(xì)化

圖像細(xì)化一般指二值化圖像骨架化的一種操作運(yùn)算。一個(gè)圖像的骨架由一些線或曲線組成,比較理想的骨架由單像素寬度的線或者曲線構(gòu)成；骨架可以提供一個(gè)圖像目標(biāo)的尺寸和形狀信息。圖像骨架是描述圖像幾何及拓?fù)湫再|(zhì)的重要特征之一，因而在數(shù)字圖像分析中具有重要的地位[10]。

(a) 原始圖像(b) 二值化圖像圖2 存在胎側(cè)簾線稀疏缺陷的輪胎原始圖像及二值化圖像

本文中采用快速并行細(xì)化算法[11-12]，其原理是對(duì)一幅二值化后的圖像不斷進(jìn)行2步細(xì)化并刪除滿(mǎn)足條件的像素點(diǎn),直至沒(méi)有符合要求的點(diǎn)。該算法收斂速度快，細(xì)化連續(xù)性好，幾何畸變小，對(duì)二值紋理圖像無(wú)特殊要求，具有通用性。

細(xì)化的對(duì)象是經(jīng)過(guò)二值化后的二值圖像，像素值非0即1。定義像素點(diǎn)P1的八鄰域，如圖3所示，像素點(diǎn)P2—P9為P1的八鄰域點(diǎn)。

圖3 像素點(diǎn)P1的八鄰域圖

假設(shè)前景點(diǎn)像素值為1，背景點(diǎn)像素值為0，P1為當(dāng)前標(biāo)記點(diǎn)，快速細(xì)化算法如下：

1)對(duì)圖像進(jìn)行掃描，如果同時(shí)滿(mǎn)足以下4個(gè)條件，則將其標(biāo)記為應(yīng)當(dāng)刪除的點(diǎn)，并在全部標(biāo)記完后刪除該標(biāo)記點(diǎn)。

2≤N(P1)≤6，

(1)

A(P1)=1，

(2)

P2P8P6=0，

(3)

P4P8P6=0，

(4)

式中：N(P1)為P1的八鄰域中前景像素點(diǎn)的個(gè)數(shù)；A(P1)為將P2—P9像素值依次排列后，其中出現(xiàn)0到1的次數(shù)。

2)在第2輪圖像掃描中，同步驟1)一樣前2個(gè)條件不變，后2個(gè)條件變?yōu)?/p>

P2P4P6=0，

(5)

P2P4P8=0。

(6)

如果有符合這4個(gè)條件的，也將其標(biāo)記為應(yīng)當(dāng)刪除的點(diǎn)，并在全部標(biāo)記完后刪除。

3)返回步驟1)繼續(xù)掃描，直至再?zèng)]有被標(biāo)記的點(diǎn)為止，最終得到細(xì)化后的圖像。

分別對(duì)輪胎正常圖像和缺陷圖像進(jìn)行細(xì)化后，得到如圖4所示的輪胎圖像細(xì)化圖。

(a) 正常圖像(b) 缺陷圖像圖4 輪胎圖像細(xì)化圖

1.2 穿線法

輪胎X射線圖像預(yù)處理后，圖像中鋼絲簾線像素值為單個(gè)像素值，圖像中像素非0即1，細(xì)化后能夠非常直觀地看出缺陷的存在，預(yù)處理后就可以對(duì)圖像進(jìn)行缺陷判定。本文中用穿線法對(duì)缺陷進(jìn)行檢測(cè)判定。

對(duì)預(yù)處理后圖像進(jìn)行豎直方向的穿線掃描。受圖像邊緣信息不完整的干擾或分割細(xì)化的影響，需要在圖像上、下邊緣處分別找到一根完整的簾線作為穿線的初始和結(jié)束的邊界。

為了避免細(xì)化后殘余噪聲的影響，向右遍歷時(shí)需要開(kāi)窗口遍歷，本文中用了一個(gè)3像素×4像素的窗口，如圖5所示。

圖5 3像素×4像素窗口圖

首先判斷(x-1,y)是否為白色像素點(diǎn)，如果是白色像素點(diǎn)，則該點(diǎn)為直線上一點(diǎn)；如果不是，則依次判斷(x+1,y)、(x,y+1)、(x-1,y+1)、(x+1,y+1)、(x,y+2)、(x-1,y+2)、(x+1,y+2)、(x,y+3)、(x-1,y+3)、(x+1,y+3)是否為白色像素點(diǎn)，若是，記錄為直線上一點(diǎn)，若不是，繼續(xù)掃描,以此類(lèi)推。穿線過(guò)程如圖6所示。

圖6 預(yù)處理后輪胎胎側(cè)圖像的穿線過(guò)程圖

從上邊界線的第1個(gè)點(diǎn)(x0,y0)向下穿線得到穿線的第1列，然后每隔j個(gè)像素,依次穿線得到第2、3列，一直到n列，并記錄穿線與簾線交點(diǎn)的坐標(biāo)值。雖然細(xì)化的整體效果還不錯(cuò)，但是圖像噪聲的干擾使得細(xì)化后還會(huì)出現(xiàn)毛刺、小孔等偽特征。在細(xì)化圖像中，像素點(diǎn)的值只有0和1這2種情況，通過(guò)計(jì)算每個(gè)點(diǎn)八鄰域中白色像素點(diǎn)的個(gè)數(shù)判斷其是否為交點(diǎn)。

將相鄰穿線交點(diǎn)的縱坐標(biāo)作差，即yi+1-yi，得到簾線的間距di, j；將每一列間距從大到小排序，去掉前、后各10個(gè)間距，求得平均值。不同輪胎廠生產(chǎn)的輪胎規(guī)格不同，因此所選取的閾值也不同，本文中根據(jù)實(shí)驗(yàn)所用輪胎規(guī)格，將平均值的1.6倍作為標(biāo)準(zhǔn)閾值db。圖7所示為穿線具體過(guò)程。

圖7 輪胎胎側(cè)圖像穿線示意圖

橫向掃描簾線間距為d(i, j),將其與標(biāo)準(zhǔn)閾值db進(jìn)行比較，若di, j>db,則記錄坐標(biāo)(xi,yj)，缺陷個(gè)數(shù)加1；統(tǒng)計(jì)每一行缺陷個(gè)數(shù)t,當(dāng)t>6時(shí)，標(biāo)記此行為稀疏缺陷，若豎直2個(gè)缺陷相距為0～60個(gè)像素，則合并缺陷，判定為多根稀疏缺陷。

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)的硬件配置如下：i5-2450M CPU，主頻為2.50 GHz，內(nèi)存為10 GB。運(yùn)用Visual Studio 2013集成開(kāi)發(fā)環(huán)境，抽取923幅輪胎X射線光圖像進(jìn)行檢測(cè)，實(shí)際有560張缺陷圖像，識(shí)別出558張，1張圖像漏報(bào)，1張圖像誤報(bào)，正確率為99.64%，錯(cuò)誤率為0.36%。

表1所示為本文中提出的方法與文獻(xiàn)[6]中的方法的簾線稀疏缺陷檢測(cè)結(jié)果的對(duì)比情況。

表1 輪胎稀疏缺陷檢測(cè)結(jié)果統(tǒng)計(jì)表

缺陷標(biāo)定也準(zhǔn)確無(wú)誤，實(shí)驗(yàn)結(jié)果如圖8所示。

3 結(jié)論

本文中針對(duì)輪胎胎側(cè)簾線稀疏缺陷，提出一種基于穿線法的輪胎簾線稀疏缺陷檢測(cè)方法。 離線檢測(cè)結(jié)果表明，該方法能有效地檢測(cè)出輪胎簾線稀疏缺陷，并在輪胎廠中使用。 盡管本文中提出的方法對(duì)簾線稀疏缺陷能較好地識(shí)別，但是分割輪胎的胎側(cè)、胎肩不準(zhǔn)確及邊緣細(xì)化效果不好等原因使得本文中提出的檢測(cè)方法會(huì)受到一定影響，還需要進(jìn)一步完善。

圖8 輪胎簾線稀疏檢測(cè)實(shí)驗(yàn)結(jié)果圖