輪胎病疵檢測(cè)是保證輪胎質(zhì)量的必要環(huán)節(jié)。當(dāng)前,國(guó)內(nèi)外學(xué)者的研究主要針對(duì)大樣本集輪胎病疵,而如何在小樣本集輪胎X射線圖像中檢測(cè)病疵類別并確定病疵位置,仍是一個(gè)有價(jià)值的研究課題。本文以小樣本集輪胎病疵樣本圖片為檢測(cè)對(duì)象,搭建深度卷積神經(jīng)網(wǎng)絡(luò)模型,提高了輪胎X射線圖像病疵檢測(cè)速度、檢測(cè)準(zhǔn)確率和召回率。論文的主要研究?jī)?nèi)容及創(chuàng)新性工作如下:（1）通過(guò)深度學(xué)習(xí)目標(biāo)檢測(cè)初步實(shí)驗(yàn),確定了YOLOv3網(wǎng)絡(luò)模型作為小樣本集輪胎X射線圖像病疵檢測(cè)模型框架。首先,搭建常用的深度學(xué)習(xí)目標(biāo)檢測(cè)模型,并使用小樣本圖片數(shù)據(jù)進(jìn)行深度學(xué)習(xí)目標(biāo)檢測(cè)初步實(shí)驗(yàn);最后,由實(shí)驗(yàn)結(jié)果可知,YOLOv3模型是最適用于小樣本集輪胎X射線圖像病疵檢測(cè)的模型,并且對(duì)檢測(cè)準(zhǔn)確率與召回率低的原因作出分析與推論。（2）針對(duì)輪胎X射線圖像樣本存在的圖片數(shù)據(jù)不足（小樣本集）問(wèn)題,提出采用數(shù)據(jù)增強(qiáng)、圖像變換方法和圖像切割方法對(duì)樣本數(shù)據(jù)進(jìn)行處理。首先,利用兩種常見(jiàn)數(shù)據(jù)增強(qiáng)方法,將數(shù)據(jù)集的初步擴(kuò)增了四倍;然后,使用傅里葉變換、小波變換和直方圖圖均衡化三種圖像變換方法對(duì)圖像進(jìn)行處理,再次將輪胎病疵樣本圖片數(shù)據(jù)集擴(kuò)增了四倍;最后,采用基于標(biāo)注框的圖像切割方法,縮... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

輪胎內(nèi)部結(jié)構(gòu)示意圖

杭州電子科技大學(xué)碩士學(xué)位論文11圖2.2輪胎X光成像及內(nèi)部結(jié)構(gòu)圖2.2.2常見(jiàn)病疵和少見(jiàn)病疵介紹輪胎在制造過(guò)程中受到生產(chǎn)設(shè)備和生產(chǎn)工藝等因素的影響，將會(huì)導(dǎo)致輪胎內(nèi)部產(chǎn)生各種不同類型的病疵，具體包括胎體簾線病疵、帶束層簾線病疵、異物病疵、胎肩簾線病疵、胎圈鋼絲病疵[47]等。本文依據(jù)輪胎病疵樣本集數(shù)據(jù)量，將病疵分為常見(jiàn)與少見(jiàn)兩大類。據(jù)統(tǒng)計(jì)，在2017至2019間，單類別病疵樣本圖片數(shù)據(jù)約10000幅，這類病疵出現(xiàn)頻率相對(duì)較高，積累樣本數(shù)據(jù)多，本文稱為常見(jiàn)病疵；單類別病疵樣本圖片數(shù)據(jù)約為150幅，積累量樣本數(shù)據(jù)少，這類病疵出現(xiàn)頻率相對(duì)較低，樣本數(shù)據(jù)少，本文稱為少見(jiàn)病疵。（1）常見(jiàn)（大樣本集）輪胎病疵介紹輪胎生產(chǎn)過(guò)程中包含壓延工藝、截?cái)喙に嚒⒊尚凸に嚨雀鞣N復(fù)雜工藝，其中任何的設(shè)備故障或操作失誤均可造成胎體簾線病疵，其中主要病疵包括：接頭開、簾線排列密度不均、簾線斷裂、簾線彎曲和簾線交叉[48-50]等。1）接頭開，如圖2.3所示，表現(xiàn)為簾線斷裂開縫。主要由鋼絲簾布接頭不牢或拼接不牢導(dǎo)致；圖2.3接頭開2）簾線排列密度不均，如圖2.4所示，表現(xiàn)為鋼絲簾線過(guò)于緊密或過(guò)于稀疏。主要由鋼絲在壓延過(guò)程中產(chǎn)生跳線或成型時(shí)接頭不牢導(dǎo)致；

接頭開

【參考文獻(xiàn)】：
期刊論文
[1]基于特征提取偏好與背景色相關(guān)性的數(shù)據(jù)增強(qiáng)算法[J]. 余鷹,王樂(lè)為,張應(yīng)龍.  計(jì)算機(jī)應(yīng)用. 2019(11)
[2]深層卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法綜述[J]. 張澤苗,霍歡,趙逢禹.  小型微型計(jì)算機(jī)系統(tǒng). 2019(09)
[3]基于特征提取和機(jī)器學(xué)習(xí)的文檔區(qū)塊圖像分類算法[J]. 李翌昕,鄒亞君,馬盡文.  信號(hào)處理. 2019(05)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的輪胎X射線圖像缺陷檢測(cè)[J]. 卞國(guó)龍,李勇,戚順青,王艷舉,于勝紅,宋美芹.  輪胎工業(yè). 2019(04)
[5]轉(zhuǎn)型升級(jí)中的我國(guó)輪胎工業(yè)運(yùn)行情況及展望[J]. 史一鋒.  橡塑技術(shù)與裝備. 2019(01)
[6]基于GLCM算法的輪胎0°帶束層接頭缺陷檢測(cè)[J]. 張?jiān)獎(jiǎng)?劉中華.  橡膠工業(yè). 2018(12)
[7]目標(biāo)檢測(cè)算法研究綜述[J]. 方路平,何杭江,周國(guó)民.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[8]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測(cè)量技術(shù). 2017(11)
[9]全鋼巨型工程機(jī)械子午線輪胎常見(jiàn)質(zhì)量缺陷及原因分析[J]. 王其營(yíng),武杰,王俊嶺.  輪胎工業(yè). 2017(02)
[10]基于小波變換的信號(hào)時(shí)頻分析與重構(gòu)[J]. 董航,胡云鵬.  中國(guó)新通信. 2016(15)

博士論文
[1]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]. 崔雪紅.青島科技大學(xué) 2018
[2]基于計(jì)算機(jī)視覺(jué)的輪胎缺陷無(wú)損檢測(cè)關(guān)鍵問(wèn)題研究[D]. 張巖.青島科技大學(xué) 2014
[3]工程子午線輪胎X射線圖像檢測(cè)技術(shù)中的若干問(wèn)題研究[D]. 朱越.天津大學(xué) 2010

碩士論文
[1]深度對(duì)抗式數(shù)據(jù)增強(qiáng)技術(shù)在小規(guī)模數(shù)據(jù)集上的應(yīng)用研究[D]. 張曉峰.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[2]基于輪胎X光圖像的缺陷自動(dòng)檢測(cè)算法研究[D]. 艾笑天.哈爾濱工程大學(xué) 2019
[3]基于空域與頻域結(jié)合的輪胎缺陷檢測(cè)[D]. 鄭筱智.山東財(cái)經(jīng)大學(xué) 2016
[4]子午線輪胎成型過(guò)程仿真及工藝參數(shù)改進(jìn)方法研究[D]. 周偉.江蘇大學(xué) 2016
[5]基于X射線輪胎缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[D]. 郭奇.中北大學(xué) 2015
[6]焊縫圖像缺陷無(wú)損檢測(cè)系統(tǒng)研究[D]. 徐瑩.西安工業(yè)大學(xué) 2014
[7]基于數(shù)字圖像處理的輪胎缺陷檢測(cè)[D]. 馮霞.山東大學(xué) 2011
[8]輪胎X光圖像缺陷分析系統(tǒng)軟件工程化結(jié)構(gòu)的研究[D]. 羅文斌.天津大學(xué) 2008
[9]X光輪胎缺陷自動(dòng)檢測(cè)系統(tǒng)的研究[D]. 袁曄.天津大學(xué) 2008



本文編號(hào)：3455029