橡胶轮胎内部缺陷检测技术研究

韩建民

广饶县计量测试检定所 山东省东营市 257300

橡胶轮胎内部缺陷的自动检测已成为国内外轮胎制造企业共同关注的问题随着数字图像处理领域研究的进展，X 射线检测技术逐渐演变为一种新的轮胎缺陷检测方法。现阶段常用算法包括基于模板信息或小波变换的图像特征提取和识别算法。主要识别对象是自然界的各种图像特征，识别效果较好。传统的橡胶轮胎内部缺陷检测主要采用上述算法，但橡胶轮胎图像缺陷特征比较复杂，这些算法的精度无法满足要求。因此，开发适合我国橡胶轮胎实际生产情况的高性能、低成本、易操作的橡胶轮胎内部缺陷检测技术显得尤为迫切。

1 橡胶轮胎内部缺陷检测流程

橡胶轮胎制造过程中经常出现各种缺陷，利用X 光获取橡胶轮胎图像特征，通过模板比对或滤波变换达到检测缺陷的目的。然而橡胶轮胎纹理特征变化较多同时不同规格的轮胎纹理差异很大，无法用固定模板提取所有橡胶轮胎的图像特征。此外，X 射线信号往往会被噪声干扰，使得图像灰度特征产生失真。橡胶轮胎内部缺陷特征主要包括结构缺陷、灰度缺陷和局部缺陷三类。其中结构缺陷包括轮胎帘线结构的异常变形，这种缺陷可以通过几何信息，如帘线距离等图像编码来识别检测。灰度缺陷主要包括轮胎气泡、杂质导致的图像灰度值出现偏差、反转等缺陷，灰度缺陷的检测依据是灰度特征分布，可以利用模板匹配或局部差分对比提取缺陷特征。局部缺陷是指帘线区间变化异常现象，如胎冠裂纹。使用基于传统的图像特征提取方法通常难以检测到此类缺陷，需要基于图像域变换的投影曲线形态来识别缺陷图像特征。本次研究的橡胶轮胎内部缺陷检测算法主要根据以上三个缺陷类型进行分类设计，橡胶轮胎内部缺陷检测基本流程如图1所示。

图1 基于图像特征算法的轮胎缺陷检测流程

2 橡胶轮胎帘线缺陷检测算法

应该通过图像分割技术将轮胎帘线骨架分离出来，方便后续提取帘线结构。优质的帘线提取算法需要使轮胎帘线的横向结构连续不断，同时帘线之间还要保持合理距离。实践中常用OTSU 阈值分割算法来隔离像素值深度较高的线点。此算法可以简洁高效地分割图像，基于图像二值化理论对轮胎纹理进行特征分离，其基本原理是先将图像分类为前景类和背景类，并选择适当的阈值以最大化类之间的差异，该方法关键在于阈值参数的确定。如果图像的前景类和背景类的像素均值分别是、，统计像素与图像像素总数的比值分别为、，假设确定的阈值为，则图像前景类和背景类之间的方差可通过下列公式计算

图2 帘线稀疏缺陷检测

3 橡胶轮胎胎冠裂纹检测算法

轮胎胎冠裂纹缺陷往往出现在等狭长区域，轮胎X 光图像的部分像素点数值会沿裂纹方向突变。近年来，学术界基于裂纹形态学提出基于图像域变换的投影曲线理论，分析投影曲线形态，从而提取图像特征。因此，结合胎冠裂纹线性特征，如识别出线性结构就可以确定存在胎冠裂纹。识别直线常用Radon 变换函数。Radon 变换表示函数(,)在一条直线，xcos+ysin=方向的平行投影。表示从原点到直线的垂直距离，表示直线与水平轴之间的夹角。Radon 变换函数可以通过Dirac 函数()· 进行恒等变换：

因此，如果直线的方向为，则()是参数的积分函数，将其用于离散图像灰度值空间(,)，得到沿方向的像素值累加值。一旦中心像素点被固定到图像的局部窗口就可以使用投影变换的这个属性得到距离区域中心点所有方向上的投影曲线，根据轮胎胎冠裂纹对应的图像像素值波动大这一规律，投影曲线在裂纹处产生跳变，根据波峰.波谷理论就可以确定裂纹边缘，通过投影变换将复杂的轮胎图像特征识别问题转换为投影曲线形态问题，通过近似直线(',')确定轮胎胎冠裂纹位置。

'表示投影密度最大时的直线与坐标x轴的夹角方向。'表示投影密度最大时的原点到直线的垂线距离，利用该算法检测胎冠裂纹缺陷的实际效果见图3。

图3 胎冠裂纹缺陷检测算法应用效果

4 橡胶轮胎气泡缺陷检测算法

由于起泡缺陷的灰度值相对较高，在图像高亮显示，而且通常出现在轮胎胎侧和胎肩部位。包含气泡的轮胎的X 光图像显示气泡的对比度低于图像的其余部分。所以可以先过滤图像的最大值，以减少图像其他部分对气泡图像的干扰。选择阈值进行二值化处理，从轮胎X 光图像中提取气泡缺陷图像特征，进行图像开运算，去除白噪声，使缺陷的图像特征更清晰，图4 为橡胶轮胎气泡缺陷的图像化检测流程。

图4 橡胶轮胎气泡缺陷检测流程

则表示轮胎存在气泡缺陷。为了更好地表征气泡缺陷，需要选择合适的阈值，对其进行二值化，对图像进行开运算，去除图像中的白噪声，突出缺陷区域。气泡缺陷的图像处理流程如图5 所示。

图5 气泡缺陷的图像处理流程

遍历图像寻找限速为255 的区域，判断区域面积是否大于阈值，如果大于阈值则表示存在气泡缺陷。由于脱层缺陷的图像特征与气泡缺陷类似，因此气泡缺陷检测算法也可以用于轮胎脱层缺陷检测。

5 橡胶轮胎内部缺陷检测算法的应用分析

不同的橡胶轮胎内部缺陷对应的检测算法不同，因此，需要结合多种算法，集成到缺陷检测系统中，以有效检测橡胶轮胎内部缺陷。系统运行环境决定了这些检测算法的时间复杂度要求。本研究在分析缺陷特征类型的基础上，提出了一套实际应用于橡胶轮胎内部缺陷检测系统的图像识别算法，具体检测项目、检测区域、检测算法描述如表1所示。

表1 橡胶轮胎缺陷检测算法汇总

在实验室环境完成上述检测算法的设计后，需要考虑将该算法应用于各种轮胎图像数据的效果。本次研究主要评价算法的两个指标：检测准确度和检测执行时间。为了评价检测算法的准确性，系统对本地存储的150 张具有不同缺陷特征的轮胎图像进行采样，并统计每个算法的正误检测和平均执行时间。测试结果表明，在设定的测试参数下各种缺陷检测算法的准确率均超过98%，执行时间小于0.3s，满足实际应用要求。

6 结论

综上所述，本文主要研究内容是缺陷检测算法的设计和验证，提出基于橡胶轮胎内部缺陷特征分类的缺陷缺陷流程，以满足不同轮胎图像内部缺陷实时检测算法要求。详细介绍基于纹理特征提取的胎侧代码结构缺陷检测算法和基于密度投影变换的胎冠裂纹检测算法，并从不同方向给出系统算法的设计过程。实验结果表明，这些算法的检测准确率均达到98%以上，可以有效检测适橡胶轮胎的各种内部缺陷。