帘线检测方法、系统、设备和存储介质技术方案

本公开涉及图像处理技术领域，特别涉及一种帘线检测方法、系统、设备和存储介质。本公开提供的帘线检测方法、系统、设备和存储介质中，能够实现对帘布生产过程中，通过视觉检测分析，并分析缺陷，存在缺陷及时进行控制设备停机，从而保证产品质量，减少浪费。适用于工业智能制造的网络协同与保障，具有广泛的应用前景。

【技术实现步骤摘要】
帘线检测方法、系统、设备和存储介质
本公开涉及图像处理
，特别涉及一种帘线检测方法、系统、设备和存储介质。
技术介绍
轮胎生产制造中，帘布是轮胎生产的重要原料物质，质量好的帘布通常密度均匀，排列整齐、帘布表面平整且无并线乱线，胶料渗透良好以及覆胶厚度均匀。在轮胎地生产制造过程中，帘布会被裁切成胎体帘布以及作为骨架材料的多个带束层。如果帘布的质量不合格，将会严重影响产品的质量。
技术实现思路
本公开的一方面提供了一种帘线检测方法，包括如下步骤：获取帘线的图像信息；利用预先训练好的、能够根据灰度偏差将所述图像信息进行区域划分的网络模型对所述图像信息进行区域划分，以获取灰度偏差区域；将所述灰度偏差区域输入至预先训练好的缺陷区域识别模型中，以识别出所述帘线的缺陷区域。在一实施例中，所述帘线检测方法还包括如下步骤：将所述图像信息中识别出的所述缺陷区域进行边缘标记，并在对应的所述图像信息中标记出NG和检测时间。在一实施例中，所述能够根据灰度偏差将图像信息进行区域划分的网络模型通过如下步骤获得：拍摄帘线的图片；利用所述图片的灰度信息，制作带有灰度差异、以及不同灰度的面积和形状角度标记的训练集；将所述训练集输入至以预先构建的训练模型中进行模型训练，以得到能够根据灰度偏差将所述图像信息进行区域划分的网络模型。在一实施例中所述的利用预先训练好的、能够根据灰度偏差将图像信息进行区域划分的网络模型对图像信息进行区域划分的步骤还包括：将所述图像信息输入至帘线区域识别模型中，以识别出所述图像信息中的帘线区域和非帘线区域；将所述帘线区域输入至预先训练好的、能够根据灰度偏差将所述帘线区域进行划分的网络模型中，以获取所述灰度偏差区域。在一实施例中，所述缺陷识别模型至少能够识别所述帘线以下缺陷内容：帘线露铜区域；帘线表面划痕区域；帘线表面存在异物区域。本公开的另一方面是提供了一种帘线检测系统。所述帘线检测系统用于实现如前所述的帘线检测方法的步骤。所述帘线检测系统包括：图像获取模块，用于获取帘线的图像信息；图像分析模块，用于利用预先训练好的、能够根据灰度偏差将所述图像信息进行区域划分的网络模型对所述图像信息进行区域划分，以获取灰度偏差区域；以及还用于将所述灰度偏差区域输入至预先训练好的缺陷区域识别模型中，以识别出所述帘线的缺陷区域。在一实施例中，所述图像或模块包括一摄像头；所述摄像头安装在帘线输送线上，且拍摄视野能够覆盖所述帘线的宽度范围的位置。在一实施例中，在所述帘线的背面设有白色挡板，以使所述摄像头的拍摄视野中的背景为白色。本公开的再一方面还提供了一种帘线检测设备。所述帘线检测设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如本公开前一方面所述的帘线检测方法的步骤。本公开的最后一方面则是提供了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的帘线检测方法的步骤。在本公开提供的帘线检测方法、系统、设备和存储介质中，能够实现对帘布生产过程中，通过视觉检测分析，并分析缺陷，存在缺陷及时进行控制设备停机，从而保证产品质量，减少浪费。适用于工业智能制造的网络协同与保障，具有广泛的应用前景。附图说明附图示例性地示出了实施例并且构成说明书地一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于示例的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。图1是本公开一实施例所展示的帘线检测方法的步骤流程图；图2是本公开一实施例提供的获得区域划分的网络模型方法的步骤流程图；图3是本公开一实施例提供的优选的对图像信息进行区域划分的方法步骤流程图；图4是本公开一实施例提供的帘布检测系统模块连接示意图；图5是本公开一实施例提供的计算机可读存储介质的结构示意图。具体实施方式通过上述说明可知，帘线质量的好坏，将影响轮胎产品的质量。因此在轮胎的生产过程中，对帘线进行检测，以及时发现帘线上的缺陷问题显得尤为重要。为了解决现有技术存在的问题，提高对帘线质量的检测效率，专利技术人通过创造性的劳动提出了一种帘线检测方法、系统、设备和存储介质。以下结合附图和具体实施例对本公开提出的帘线检测方法、系统、设备及存储介质作进一步详细说明。根据权利要求书和下面说明，本公开的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本公开实施例的目的。应当理解的内容是，说明书中的用辞仅用于描述特定的实施例，并不旨在限定本公开。说明书使用的所有术语(包括技术术语和科学术语)除非另有定义，均具有本领域技术人员通常理解的含义。为简明和/或清楚起见，公知的功能或结构不再详细说明。关于风力发电机的叶片的图像拼接方法的示例说明请参阅图1，其展示了本公开一实施例中的帘线检测方法的步骤流程图。在这个实施例的步骤S001中，获取帘线的图像信息。在步骤S002中，利用预先训练好的、能够根据灰度偏差将所述图像信息进行区域划分的网络模型对所述图像信息进行区域划分，以获取灰度偏差区域；在步骤S003中，将所述灰度偏差区域输入至预先训练好的缺陷区域识别模型中，以识别出所述帘线的缺陷区域。可见，本公开通过上述实施例实施的帘线检测方法，通过获取帘线的图像信息，再将图像信息进行区域划分，最终通过识别模型识别出帘线上的缺陷区域改变了以往人工检测或者缺乏检测环节的问题，大大提高了帘线的检测效率，进而使得轮胎的质量得到了有效保证。在本公开提供的帘线检测方中，还可以进一步在图像信息中识别出的缺陷区域进行边缘标记，并在对应的图像信息中标记出NG(NotGood，不合格)和检测时间，以便对这些“不合格”的图像进行存储，同时还可以用来生成控制命令，去控制轮胎生产线，以避免有质量缺陷的帘线被用于轮胎制作。在本公开的一实施例中，还说明了关于“进一步获得用来区域划分的网络模型”的优选实施方案。在图2中，展示了该实施例提供的获得区域划分的网络模型方法的步骤流程图。在这个实施例的步骤S011中，拍摄帘线的图片(也可以通过其他方式获得帘线的图像信息，例如利用3维软件制作)。在步骤S012中，利用所述图片的灰度信息，制作带有灰度差异、以及不同灰度的面积和形状角度标记的训练集。在步骤S013中，将所述训练集输入至预先构建的训练模型中进行模型训练，以得到能够根据灰度偏差将所述图像信息进行区域划分的网络模型。在本公开的一实施例中，还进一步说明了关于“对图像信息进行区域划分的方法”的优选方案。在图3中，展示了优选的对图像信息进行区域划分的方法步骤流程图。...

【技术保护点】
1.一种帘线检测方法，其特征在于，包括如下步骤：/n获取帘线的图像信息；/n利用预先训练好的、能够根据灰度偏差将所述图像信息进行区域划分的网络模型对所述图像信息进行区域划分，以获取灰度偏差区域；/n将所述灰度偏差区域输入至预先训练好的缺陷区域识别模型中，以识别出所述帘线的缺陷区域。/n

【技术特征摘要】
1.一种帘线检测方法，其特征在于，包括如下步骤：
获取帘线的图像信息；
利用预先训练好的、能够根据灰度偏差将所述图像信息进行区域划分的网络模型对所述图像信息进行区域划分，以获取灰度偏差区域；
将所述灰度偏差区域输入至预先训练好的缺陷区域识别模型中，以识别出所述帘线的缺陷区域。


2.如权利要求1所述的帘线检测方法，其特征在于，所述帘线检测方法还包括如下步骤：
将所述图像信息中识别出的所述缺陷区域进行边缘标记，并在对应的所述图像信息中标记出NG和检测时间。


3.如权利要求1所述的帘线检测方法，其特征在于，所述能够根据灰度偏差将图像信息进行区域划分的网络模型通过如下步骤获得：
拍摄帘线的图片；
利用所述图片的灰度信息，制作带有灰度差异、以及不同灰度的面积和形状角度标记的训练集；
将所述训练集输入至以预先构建的训练模型中进行模型训练，以得到能够根据灰度偏差将所述图像信息进行区域划分的网络模型。


4.如权利要求1所述的帘线检测方法，其特征在于，所述的利用预先训练好的、能够根据灰度偏差将图像信息进行区域划分的网络模型对图像信息进行区域划分的步骤还包括：
将所述图像信息输入至帘线区域识别模型中，以识别出所述图像信息中的帘线区域和非帘线区域；
将所述帘线区域输入至预先训练好的、能够根据灰度偏差将所述帘线区域进行划分的网络模型中，以获取所述灰度偏差区域。


5.如...

【专利技术属性】
技术研发人员：焦清国，孙洪喜，于小鹏，郑超，甄治武，周提伟，方永基，
申请(专利权)人：青岛铁木真软件技术有限公司，
类型：发明
国别省市：山东;37