【摘要】：隨著汽車行業(yè)快速發(fā)展及汽車保有量的持續(xù)增長(zhǎng),大大增加了對(duì)輪胎的需求,而輪胎質(zhì)量在很大程度上決定了輪胎的使用壽命,也是在行駛過(guò)程中對(duì)人們生命財(cái)產(chǎn)安全的保障,同時(shí)對(duì)輪胎進(jìn)行在線質(zhì)量檢測(cè)也便于輪胎生產(chǎn)企業(yè)及時(shí)發(fā)現(xiàn)生產(chǎn)線中存在的不合格產(chǎn)品,以此來(lái)調(diào)整機(jī)械設(shè)備甚至輪胎的生產(chǎn)工藝,避免造成生產(chǎn)材料的浪費(fèi)。因此,檢測(cè)輪胎質(zhì)量是輪胎生產(chǎn)過(guò)程中必不可缺少的一部分,對(duì)輪胎工業(yè)的發(fā)展和道路交通安全有著重要的研究和經(jīng)濟(jì)意義。目前國(guó)內(nèi)外學(xué)者在諸多工業(yè)應(yīng)用領(lǐng)域提出了許多無(wú)損缺陷檢測(cè)技術(shù),而基于X射線的輪胎無(wú)損缺陷檢測(cè)技術(shù)在輪胎工業(yè)中得到了快速的發(fā)展并取得了優(yōu)異的成果。但是,由于輪胎X射線圖像的復(fù)雜多紋理結(jié)構(gòu)以及輪胎缺陷的多樣性,輪胎無(wú)損檢測(cè)方法的研究仍然是從業(yè)者及科研人員的一個(gè)極大挑戰(zhàn)性的研討課題。本文以輪胎X射線圖像為檢測(cè)對(duì)象,利用圖像分析、模式識(shí)別和深度學(xué)習(xí)等技術(shù),實(shí)現(xiàn)一個(gè)真正意義上端到端的輪胎無(wú)損自動(dòng)缺陷檢測(cè)及分類方法。本文首先通過(guò)傳統(tǒng)圖像分析及分類方法分階段設(shè)計(jì)輪胎缺陷的檢測(cè)和分類任務(wù);然后,利用深度學(xué)習(xí)技術(shù)設(shè)計(jì)一個(gè)端到端的輪胎缺陷檢測(cè)和分類任務(wù)于一體的方法,并與分階段的傳統(tǒng)檢測(cè)和分類算法進(jìn)行了對(duì)比。論文的主要研究?jī)?nèi)容及創(chuàng)新性工作如下:1.針對(duì)輪胎X射線圖像的周期性復(fù)雜紋理特征,提出一種基于主成分殘余信息逆變換的輪胎X射線圖像缺陷檢測(cè)方法。通過(guò)主成分分析方法的前K個(gè)較大主成分和其相應(yīng)矢量重構(gòu)不含缺陷信息的主紋理圖像,重構(gòu)圖像與原圖像對(duì)比,得到缺陷信息及缺陷位置,通過(guò)二值化方法及形態(tài)學(xué)操作檢測(cè)出缺陷。實(shí)驗(yàn)結(jié)果表明,該算法可以快速檢測(cè)出輪胎中的氣泡、雜質(zhì)缺陷。2.針對(duì)輪胎缺陷的復(fù)雜多樣性難以用預(yù)先定義固定不變的基函數(shù)表達(dá)缺陷特征的問(wèn)題,提出一種具有自適應(yīng)生成基函數(shù)的輪胎圖像特征提取算法,并將其應(yīng)用于輪胎內(nèi)部缺陷的自動(dòng)識(shí)別中。利用ICA/TICA(Independent Component Analysis/Topographic Independent Component Analysis,獨(dú)立成分分析/拓?fù)洫?dú)立成分分析)從輪胎缺陷集中學(xué)習(xí)出自適應(yīng)的基函數(shù)和濾波器,這些基適應(yīng)于缺陷圖像的特點(diǎn);使用自適應(yīng)濾波器濾波缺陷圖像提取缺陷圖像的特征;最后用SVM對(duì)待測(cè)樣本進(jìn)行分類.該方法是建立在對(duì)缺陷集無(wú)監(jiān)督學(xué)習(xí)的基礎(chǔ)上,能夠自適應(yīng)地提取缺陷圖像的顯著特征,計(jì)算簡(jiǎn)單,可并行處理。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)灰度類和形狀紋理類缺陷都具有滿意的識(shí)別率,其分類正確率高達(dá)94.94%.3.為避免上述傳統(tǒng)分類方法人為提取圖像特征和分類器設(shè)計(jì),并且也難以實(shí)現(xiàn)兩者完美結(jié)合的缺點(diǎn),依據(jù)當(dāng)前深度學(xué)習(xí)已在許多基準(zhǔn)數(shù)據(jù)集上取得先進(jìn)成果,解決了許多人工智能的困難問(wèn)題,探索如何把深度學(xué)習(xí)應(yīng)用到實(shí)際工業(yè)生產(chǎn)結(jié)構(gòu)復(fù)雜的輪胎缺陷分類中來(lái)得到更好的分類效果,提出一種基于深度學(xué)習(xí)的輪胎缺陷分類方法。針對(duì)深度學(xué)習(xí)要求帶有標(biāo)簽的大訓(xùn)練集與實(shí)際應(yīng)用中只有有限數(shù)量的有標(biāo)簽樣本的矛盾,采用遷移學(xué)習(xí)、數(shù)據(jù)擴(kuò)展及網(wǎng)絡(luò)微調(diào)的策略防止過(guò)擬合現(xiàn)象。分類識(shí)別率高達(dá)96.51%,實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法在輪胎缺陷分類任務(wù)的有效性,為輪胎實(shí)際生產(chǎn)過(guò)程內(nèi)部缺陷自動(dòng)檢測(cè)提供了有效的算法和參考。4.因采集的輪胎缺陷圖像具有高對(duì)比度變化特點(diǎn),影響上述單通道深度網(wǎng)絡(luò)對(duì)輪胎缺陷分類的效果,受大腦皮層微柱同步發(fā)放現(xiàn)象的啟示,構(gòu)造一個(gè)由多通道組成的深度卷積神經(jīng)網(wǎng)絡(luò)。該算法首先確定單通道CNN網(wǎng)絡(luò);然后構(gòu)建由多個(gè)單網(wǎng)組建的多通道卷積神經(jīng)網(wǎng)絡(luò)并探討如何組合多個(gè)單通道網(wǎng)絡(luò);為了訓(xùn)練出更具有強(qiáng)泛化能力及高魯棒性的網(wǎng)絡(luò),我們分別對(duì)多通道卷積神經(jīng)網(wǎng)絡(luò)各通道的輸入做不同的對(duì)比度歸一化,使不同網(wǎng)絡(luò)通道學(xué)習(xí)不同對(duì)比度的缺陷圖像。最后通過(guò)實(shí)驗(yàn)效果及性能對(duì)比確定多通道卷積神經(jīng)網(wǎng)絡(luò)的最佳通道數(shù)并分析其時(shí)間成本。該算法分類識(shí)別率高達(dá)98.47%。5.針對(duì)目前算法對(duì)輪胎缺陷檢測(cè)和分類任務(wù)是分階段實(shí)現(xiàn)的問(wèn)題,提出了一種基于區(qū)域建議網(wǎng)的輪胎缺陷檢測(cè)及分類于一體的算法。針對(duì)輪胎缺陷尺度跨度大的問(wèn)題,利用卷積神經(jīng)網(wǎng)絡(luò)的不同輸出層分層設(shè)計(jì)不同尺度的缺陷檢測(cè)器。實(shí)驗(yàn)數(shù)據(jù)表明,大大提高了小目標(biāo)缺陷檢測(cè)的效果,除氣泡缺陷檢出率為91.56%外,其它缺陷的檢測(cè)率均大于97%。就檢測(cè)速度而言,采用CNN特征上采樣代替圖像輸入上采樣方法減少存儲(chǔ)和計(jì)算成本,提高檢測(cè)速度。實(shí)驗(yàn)結(jié)果表明,該網(wǎng)絡(luò)只需輸入單個(gè)尺度的圖像就可以檢測(cè)所有尺度的輪胎缺陷,在3.0 GHz Intel Core i7-5960X CPUs and GeForce GTX 1080 8G Nvidia GPU的硬件和Ubuntu14.04,Caffe and python 2.7 platform的軟件配置下,對(duì)于1250*425像素大小的圖像,該算法的檢測(cè)速度高達(dá)10fps。
【圖文】：

圖 1-1 機(jī)動(dòng)車輪胎結(jié)構(gòu)圖Fig.1-1 Motor vehicle tire structure diagram的輪胎缺陷檢測(cè)算法是利用 X 射線成像技術(shù)來(lái)實(shí)子午線輪胎由多種不同復(fù)合材料層（如胎體簾布層冠帶層等）組成，不同材料對(duì) X 射線的吸收能力

圖 1-3 輪胎 X 光成像及內(nèi)部結(jié)構(gòu)Fig.1-3 Tire X-ray imaging and internal structure1.2.2 輪胎內(nèi)部缺陷子午線輪胎在制造過(guò)程中，受生產(chǎn)設(shè)備、工藝流程或操作失誤等因素的影響，
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.341;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;輪胎粉塵到底有沒(méi)有毒[J];中國(guó)輪胎資源綜合利用;2018年01期

2 史一鋒;;我國(guó)輪胎工業(yè)形勢(shì)分析與展望[J];橡塑技術(shù)與裝備;2016年23期

3 ;2016年《輪胎工業(yè)》總目次[J];輪胎工業(yè);2016年12期

4 高彥臣;;輪胎工業(yè)4.0理論與技術(shù)實(shí)現(xiàn)[J];橡塑技術(shù)與裝備;2017年01期

5 ;2015年《輪胎工業(yè)》總目次[J];輪胎工業(yè);2015年12期

6 劉成;;雙星輪胎:有“智”者事竟成[J];科學(xué)之友(上半月);2017年04期

7 趙金榮;;后全球金融風(fēng)暴中的輪胎工業(yè)——2011年度全球輪胎75強(qiáng)排行榜簡(jiǎn)析[J];世界橡膠工業(yè);2012年01期

8 ;歐瑞康蘇拉榮獲輪胎工業(yè)獎(jiǎng)[J];上海紡織科技;2011年03期

9 陳維芳;;全球輪胎工業(yè)恢復(fù)強(qiáng)勁[J];橡膠科技市場(chǎng);2010年09期

10 鄧海燕;;印度輪胎工業(yè)增長(zhǎng)強(qiáng)勁 中印雙方均面臨更大競(jìng)爭(zhēng)壓力[J];橡膠科技市場(chǎng);2009年18期

相關(guān)會(huì)議論文 前3條

1 史一鋒;;我國(guó)輪胎工業(yè)形勢(shì)分析與展望[A];“賽輪金宇杯”第19屆中國(guó)輪胎技術(shù)研討會(huì)論文集[C];2016年

2 夏珊珊;董云;萬(wàn)金方;付偉忠;厲業(yè)敏;朱旭東;;防老劑3100(DTPD)的合成研究進(jìn)展[A];全國(guó)第18屆有機(jī)和精細(xì)化工中間體學(xué)術(shù)交流會(huì)論文集[C];2012年

3 談?dòng)窭?;我國(guó)輪胎工業(yè)的現(xiàn)狀和展望[A];全國(guó)線材深加工技術(shù)研討會(huì)會(huì)議文集[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 陳維芳;輪胎：形勢(shì)明朗利潤(rùn)看漲[N];中國(guó)化工報(bào);2013年

2 本報(bào)記者 陳維芳;輪胎:盈利走高投資興旺[N];中國(guó)化工報(bào);2013年

3 本報(bào)記者 白清榮;廢輪胎綜合利用:山西謀下大棋局[N];中國(guó)化工報(bào);2014年

4 通訊員 張頌 譚欽予 張磊;一枝一葉總“關(guān)”情[N];科技日?qǐng)?bào);2016年

5 孟晶　子日 (記者 孟晶);專家疾呼“快建輪胎試驗(yàn)場(chǎng)”[N];中國(guó)化工報(bào);2009年

6 本報(bào)記者 張海燕;輪胎業(yè)準(zhǔn)入門檻將抬高[N];中國(guó)質(zhì)量報(bào);2009年

7 本報(bào)記者 范勝利;三大輪胎巨頭角逐中國(guó)[N];華夏時(shí)報(bào);2004年

8 ;輪胎工業(yè)產(chǎn)業(yè)政策今年上半年出臺(tái)[N];中國(guó)信息報(bào);2005年

9 外高橋期貨 施海;輪胎工業(yè)強(qiáng)勁增長(zhǎng)推漲膠價(jià)[N];中國(guó)證券報(bào);2005年

10 三木;河南：籌劃大型輪胎工業(yè)園區(qū)[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2003年

相關(guān)博士學(xué)位論文 前4條

1 崔雪紅;基于深度學(xué)習(xí)的輪胎缺陷無(wú)損檢測(cè)與分類技術(shù)研究[D];青島科技大學(xué);2018年

2 何燕;輪胎非穩(wěn)態(tài)溫度場(chǎng)的研究[D];華中科技大學(xué);2005年

3 黃海波;轎車輪胎非正常磨損機(jī)理及使用壽命預(yù)測(cè)研究[D];同濟(jì)大學(xué);2006年

4 任旭春;輪胎有限元分析及優(yōu)化中的若干問(wèn)題研究[D];清華大學(xué);2005年

相關(guān)碩士學(xué)位論文 前9條

1 殷e，

本文編號(hào)：2675798