基于机器视觉的轮胎图像获取装置及受损检测方法制造方法及图纸

本发明专利技术公开了一种基于机器视觉的轮胎图像获取装置及受损检测方法，通过轮胎图像获取装置收集轮胎胎侧和胎面的受损图像，并对收集到的受损图像进行分类和人工标注，得到训练集，通过随机剪裁、平移、旋转和添加噪声来扩充训练集；构建YOLOX轮胎受损检测基准模型；将训练集输入到YOLOX轮胎受损检测基准模型中进行训练，直至二分类交叉熵损失函数收敛，完成对YOLOX轮胎受损检测基准模型的训练；再次通过轮胎图像获取装置采集轮胎胎侧和胎面图像，输入到训练好的YOLOX轮胎受损检测基准模型中，识别出轮胎的受损情况。本发明专利技术轮胎受损检测方法大大提高了损伤识别精度。法大大提高了损伤识别精度。法大大提高了损伤识别精度。

【技术实现步骤摘要】
基于机器视觉的轮胎图像获取装置及受损检测方法


[0001]本专利技术属于智能识别
，具体地，涉及一种基于机器视觉的轮胎图像获取装置及受损检测方法。

技术介绍

[0002]轮胎作为汽车重要部件之一，不仅要承载整个车辆的重量以及来自各个方向的力，还要保证车轮和路面之间良好的附着性，类似人的一双脚，其是否受损或有缺陷直接影响汽车的动力、控制、缓冲等性能及能否安全正常使用。交通事故数中因轮胎导致的汽车交通事故数量占比大。尽管在轮胎出厂时都要进行严格的质量检测以保证汽车质量，但轮胎使用过程中因长期与地面接触会使轮胎胎面出现磨损、老化等现象，影响到汽车的正常行驶。传统的轮胎检测方式主要通过人工检查，检查时轮胎安装在汽车上，工作人员需要将汽车整体悬空以获得轮胎的部分图像。这种方式不仅耗费人力、时间，而且检测效果普遍较差，不能达到实时性的要求。因此目前亟需一种既能将汽车平稳、安全升起，又可以快速、实时获取轮胎的胎面图像装置，研究设计基于机器视觉检测技术的轮胎受损智能化检测方法，实现对轮胎质量快速准确评价。

技术实现思路

[0003]本专利技术目的在于提供一种基于机器视觉的轮胎图像获取装置及受损检测方法，可以解决现有轮胎检测通过人工操作不仅工序繁琐、效率低下，而且部分受损难以发现，检测准确率低等问题。
[0004]为实现上述技术目的，本专利技术采取的技术方案为：一种基于机器视觉的轮胎图像获取装置，包括：升降装置、驱动装置、图像采集装置，所述驱动装置设置于升降装置上，所述图像采集装置设置于升降装置的上方。<br/>[0005]进一步地，所述升降装置包括：底座板、支撑台、升降架、下滑轮、上滑轮、下连接杆、上连接杆，所述底座板固定于地面上，所述升降架为剪叉式结构，所述升降架的底端一侧与底座板固定连接，所述升降架的底端另一侧通过下连接杆连接下滑轮，所述下滑轮位于底座板上；所述升降架的上端一侧与支撑台固定连接，所述升降架的上端另一侧通过上连接杆与上滑轮连接，所述上滑轮与支撑台的下表面接触。
[0006]进一步地，所述支撑台的前后端采用弯折结构，所述弯折结构处对称开设有孔洞，所述孔洞中设有图像采集装置。
[0007]进一步地，所述图像采集装置由相机支架和工业相机组成，所述相机支架与支撑台固定连接，所述工业相机的视野穿过支撑台的孔洞中。
[0008]进一步地，所述驱动装置包括：液压缸、液压缸固定座、活塞杆、连接头，所述液压缸固定座固定于底座板上，所述液压缸与液压缸固定座连接，所述活塞杆的一端与液压缸连接，所述活塞杆的另一端通过连接头与升降架连接。
[0009]本专利技术还提供了一种所述基于机器视觉的轮胎图像获取装置的轮胎受损检测方
法，具体包括如下步骤：
[0010]步骤S1、通过轮胎图像获取装置收集轮胎胎侧和胎面的受损图像，并对收集到的受损图像进行分类和人工标注，得到训练集，通过随机剪裁、平移、旋转和添加噪声来扩充训练集；
[0011]步骤S2、构建YOLOX轮胎受损检测基准模型；
[0012]步骤S3、将训练集输入到YOLOX轮胎受损检测基准模型中进行训练，直至二分类交叉熵损失函数收敛，完成对YOLOX轮胎受损检测基准模型的训练；
[0013]步骤S4、再次通过轮胎图像获取装置采集轮胎胎侧和胎面图像，输入到训练好的YOLOX轮胎受损检测基准模型中，识别出轮胎的受损情况。
[0014]进一步地，步骤S1中受损图像分为扎钉类和鼓包类，利用labelimg标注软件对分类的图像进行标注，将扎钉类图像中的钉子标注为nail，将鼓包类图像中的鼓包标注为bulge。
[0015]进一步地，步骤S2包括如下子步骤：
[0016]步骤S21、在Pytroch深度学习框架上构建YOLOX目标检测模型，将YOLOX目标检测模型的输入分辨率设置为720
×
720；
[0017]步骤S22、去除YOLOX目标检测模型Backbone部分最后一组Res模块，构建YOLOX轮胎受损检测基准模型。
[0018]进一步地，步骤S3包括如下子步骤：
[0019]步骤S31、调整YOLOX轮胎受损检测基准模型输入端的图像输入分辨率为720
×
720；
[0020]步骤S32、训练集中的图像经过YOLOX轮胎受损检测基准模型的输入端进入特征提取网络Backbone部分，通过Conv层拓展图像通道数及提取图像特征，对图像进行下采样缩小图像尺寸，在SPP层使用最大池化方法将不同尺度的特征图进行融合；融合后的特征图经过Neck层的FPN特征金字塔自上而下将受损的类别特征信息通过上采样的方式进行传递，并与卷积层得到的特征图再次融合，最后经过输出端得到三个不同尺度的特征图，三个特征图分别生成45
×
45、90
×
90、180
×
180个预测框，每个预测框均包含所训练的目标特征信息及类别特征信息；
[0021]步骤S33、通过二分类交叉熵损失函数计算预测框信息与人工标注的实际框信息之间的偏差，然后反向迭代更新网络中的参数；
[0022]步骤S34、重复步骤S32
‑
S33，直至二分类交叉熵损失函数收敛，完成对YOLOX轮胎受损检测基准模型的训练。
[0023]进一步地，所述的二分类交叉熵损失函数L为：
[0024][0025]其中，i为轮胎受损类别特征信息，i＝1表示nail，i＝2表示bulge,Y
i
为第i种轮胎受损类别的目标特征值，X为受损轮胎图像信息，f(X)表示受损轮胎图像信息经激活函数f得到的预测值。
[0026]与现有技术相比，本专利技术具有以下有益效果：本专利技术基于机器视觉的轮胎图像获取装置，具有良好的稳定性，能够保持汽车及工作人员的安全；同时，通过升降装置能够使
汽车在任意高度保持固定，更容易观察轮胎情况。本专利技术基于机器视觉的轮胎图像获取装置的轮胎受损检测方法将YOLOX目标检测模型的输入分辨率修改为720
×
720，以获取更大的特征图，同时，去除YOLOX目标检测模型Backbone部分最后一组Res模块，在不影响网络推理速度的同时，提高检测精度，因此，将基于机器视觉的轮胎图像获取装置获取的轮胎图像作为YOLOX轮胎受损检测基准模型的受损样本，使YOLOX轮胎受损检测基准模型学习到更多的特征，训练的准确性也会大幅度提升。本专利技术的轮胎受损检测方法使得目标检测的速度达到了40帧/s，对钉子的检测精度达到92％以上，对鼓包的检测精度达到90％以上，根据检测结果，提示使用者及检修人员对轮胎受损地方进行维修或及时更换，以保证汽车正常运行，避免交通事故的发生。
附图说明
[0027]图1为本专利技术基于机器视觉的轮胎图像获取装置的结构示意图；
[0028]图2为本专利技术轮胎图像采集装置中图像采集装置布置示意图；
[0029]图3为本专利技术基于机器视觉的轮胎图像获取装置服役状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的轮胎图像获取装置，其特征在于，包括：升降装置(1)、驱动装置(2)、图像采集装置(3)，所述驱动装置(2)设置于升降装置(1)上，所述图像采集装置(3)设置于升降装置(1)的上方。2.根据权利要求1所述的一种基于机器视觉的轮胎图像获取装置，其特征在于，所述升降装置(1)包括：底座板(11)、支撑台(12)、升降架(13)、下滑轮(14)、上滑轮(15)、下连接杆(16)、上连接杆(18)，所述底座板(11)固定于地面上，所述升降架(13)为剪叉式结构，所述升降架(13)的底端一侧与底座板(11)固定连接，所述升降架(13)的底端另一侧通过下连接杆(16)连接下滑轮(14)，所述下滑轮(14)位于底座板(11)上；所述升降架(13)的上端一侧与支撑台(12)固定连接，所述升降架(13)的上端另一侧通过上连接杆(18)与上滑轮(15)连接，所述上滑轮(15)与支撑台(12)的下表面接触。3.根据权利要求2所述的一种基于机器视觉的轮胎图像获取装置，其特征在于，所述支撑台(12)的前后端采用弯折结构，所述弯折结构处对称开设有孔洞，所述孔洞中设有图像采集装置(3)。4.根据权利要求1所述的一种基于机器视觉的轮胎图像获取装置，其特征在于，所述图像采集装置(3)由相机支架(31)和工业相机(32)组成，所述相机支架(31)与支撑台(12)固定连接，所述工业相机(32)的视野穿过支撑台(12)的孔洞中。5.根据权利要求1所述的一种基于机器视觉的轮胎图像获取装置，其特征在于，所述驱动装置(2)包括：液压缸(21)、液压缸固定座(22)、活塞杆(23)、连接头(24)，所述液压缸固定座(22)固定于底座板(11)上，所述液压缸(21)与液压缸固定座(22)连接，所述活塞杆(23)的一端与液压缸(21)连接，所述活塞杆(23)的另一端通过连接头(24)与升降架(13)连接。6.一种权利要求1
‑
5所述基于机器视觉的轮胎图像获取装置的轮胎受损检测方法，其特征在于，具体包括如下步骤：步骤S1、通过轮胎图像获取装置收集轮胎胎侧和胎面的受损图像，并对收集到的受损图像进行分类和人工标注，得到训练集，通过随机剪裁、平移、旋转和添加噪声来扩充训练集；步骤S2、构建YOLOX轮胎受损检测基准模型；步骤S3、将训练集输入到YOLOX轮胎受损检测基准模型中进行训练，直至二分类交叉熵损失函数收敛，完成对YOLOX轮胎受损检测基准模型的训练；步骤S4、再次通过轮胎图像获取装置采集轮胎胎侧和胎面图像，输入到训练好...

【专利技术属性】
技术研发人员：温秀兰，李子康，焦良葆，唐国寅，佘媛，唐颖，赫忠乐，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：