本發(fā)明涉及一種檢測輪胎缺陷的方法，其中輪胎的圖像被用作經(jīng)訓(xùn)練人工智能算法的輸入，其中所述經(jīng)訓(xùn)練人工智能算法檢測所述圖像中是否存在至少一個輪胎缺陷，所述經(jīng)訓(xùn)練人工智能算法標記所述圖像中的所述至少一個輪胎缺陷，并且所述經(jīng)訓(xùn)練人工智能算法輸出具有所述至少一個輪胎缺陷的標記圖像。

背景技術(shù)：

1、車輛的數(shù)量在世界范圍內(nèi)增加，因此對輪胎的需求也在增加。輪胎質(zhì)量非常重要，因為它是操作車輛的安全基礎(chǔ)。此外，輪胎質(zhì)量對輪胎壽命本身具有強烈的影響。輪胎基本上由若干簾布層(ply)組成，如胎體簾布層、胎冠簾布層、鋼帶、子午線簾布層等。在輪胎制造過程中，在不同的輪胎簾布層中可能出現(xiàn)多種不同的輪胎缺陷。輪胎缺陷通常隨機地出現(xiàn)在輪胎外側(cè)或輪胎內(nèi)側(cè)的不同位置。例如，簾布層的錯位、雜質(zhì)、劃痕等是輪胎缺陷的常見類型。由于輪胎缺陷，輪胎的質(zhì)量受到影響。

2、為了確保一定的輪胎質(zhì)量或滿足輪胎的一定的產(chǎn)業(yè)質(zhì)量要求，在輪胎制造中每個單個輪胎需要在交付之前進行徹底的光學(xué)檢查是被強制性的過程。目前，這種檢查是由輪胎制造人員手動完成的，這需要大量經(jīng)驗并且仍然可能是不準確的，例如由于人員缺乏專心或主觀性。另外，人工檢查是耗時的，因此是昂貴的。

3、為了克服手動檢查的不準確性和費用，已知不同的圖像處理方法和成像系統(tǒng)來光學(xué)地檢查輪胎的外部，例如外表面或內(nèi)表面。通過使用x射線，還可以在內(nèi)部光學(xué)地檢查輪胎。由于輪胎缺陷的隨機性質(zhì)，傳統(tǒng)的圖像處理算法，如濾波、邊緣或輪廓提取、像素掃描等，在技術(shù)上難以實施并且通常不夠精確，尤其是對于小缺陷。

4、在de102019217179a1中描述了一種方法，該方法結(jié)合了由人員進行的手動輪胎檢查和使用成像系統(tǒng)的自動檢查。成像系統(tǒng)包括攝像機，其拍攝輪胎外部的圖像。這些圖像通過算法(例如深度學(xué)習算法)與參考圖像進行比較。根據(jù)輪胎的狀況，成像系統(tǒng)產(chǎn)生肯定(positive)或否定(negative)信號以指示輪胎是否通過規(guī)定的質(zhì)量要求。如果來自攝像機的圖像與參考圖像不匹配，則產(chǎn)生中性信號并指示人員手動檢查圖像或輪胎本身。在人員決定輪胎是否通過規(guī)定的質(zhì)量要求之后，該決定和相應(yīng)的圖像被用于訓(xùn)練成像系統(tǒng)的深度學(xué)習算法。深度學(xué)習算法的訓(xùn)練越多，其性能和準確度越好，以對輪胎的質(zhì)量進行分級。

5、通常，人工智能(ai)算法，如機器學(xué)習算法或深度學(xué)習算法，是基于神經(jīng)網(wǎng)絡(luò)的。神經(jīng)網(wǎng)絡(luò)原則上包括輸入層，多個中間(隱藏)層和輸出層。在每一層中布置了多個節(jié)點或神經(jīng)元，它們連接到神經(jīng)網(wǎng)絡(luò)的其它層中的節(jié)點以形成某種拓撲。神經(jīng)網(wǎng)絡(luò)的拓撲基本上取決于神經(jīng)網(wǎng)絡(luò)的類型及其預(yù)期應(yīng)用。節(jié)點連接被加權(quán)，其中每個權(quán)重表示它連接的兩個節(jié)點之間的連接強度。單個節(jié)點根據(jù)其加權(quán)輸入計算其輸出。權(quán)重和其它參數(shù)(如偏差)的值可以被初始設(shè)置，并且可以通過訓(xùn)練人工智能算法來調(diào)整。

6、在輪胎制造中，不僅需要檢查輪胎的外部，而且還需要檢查內(nèi)部。大多數(shù)橡膠輪胎具有嵌入輪胎橡膠中的復(fù)雜內(nèi)簾布層結(jié)構(gòu)。為了檢查輪胎的內(nèi)部，廣泛使用了x射線掃描。已知有能夠拍攝輪胎的x射線圖像的方法和裝置。通常，輪胎安裝在旋轉(zhuǎn)裝置上，以在拍攝x射線圖像時使輪胎圍繞其旋轉(zhuǎn)軸線旋轉(zhuǎn)360°。然后可以通過手動檢查x射線圖像，例如通過在屏幕上向人員顯示x射線圖像來檢測輪胎內(nèi)部以及輪胎外部的缺陷。

7、為了最小化x射線圖像的昂貴的人工檢查，同樣可以使用人工智能算法，如深度學(xué)習算法。例如，在cn108564563a或cn110660049a中，提出了一種使用基于卷積神經(jīng)網(wǎng)絡(luò)(cnn)的深度學(xué)習算法來檢測x射線圖像中的輪胎缺陷的方法。由于其性能，基于cnn的深度學(xué)習算法被廣泛用于圖像中的對象檢測領(lǐng)域。目前，基于像基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(r－cnn)，快速r－cnn，只看一次(you?only?look?once?yolo)或快速r－cnn的cnn的深度學(xué)習算法通常用于檢測x射線圖像中的輪胎缺陷。在cn110335242a中，提出了一種基于改進的faster?r－cnn和yolo的算法。

8、原則上，如果將人工智能算法訓(xùn)練到某一準確度，則可以將圖像作為輸入，將權(quán)重和偏差分配給圖像中的各個方面/對象(中間層)，并解釋圖像中的對象(輸出)。換言之，經(jīng)訓(xùn)練人工智能算法可以確定輪胎的x射線圖像是否包含輪胎缺陷。

9、基本上，對人工智能算法進行一定步驟的訓(xùn)練，使其能夠以一定的準確度檢測x射線圖像中的輪胎缺陷。在第一步驟中，例如在現(xiàn)場采集大量的x射線圖像，其中存在不同的輪胎缺陷以形成用于訓(xùn)練算法的代表性數(shù)據(jù)庫?？梢詫λ占膱D像進行預(yù)處理以在算法中使用，例如將圖像劃分和/或裁剪成某個相同的圖像尺寸。還可以對圖像進行壓縮、銳化、降噪等，以降低必要的計算能力。此外，通過用適當?shù)臉擞涇浖擞涊喬ト毕?例如類型和位置)來手動標記預(yù)處理的圖像。

10、按照適當?shù)谋壤龑擞浀膱D像隨機分組為訓(xùn)練集、驗證集和測試集。例如，在cn110120036a中，70％的標記圖像被放置在訓(xùn)練集中，15％被放置在驗證集中，15％被放置在測試集中。在訓(xùn)練階段，訓(xùn)練集中的圖像用于訓(xùn)練人工智能算法并調(diào)整算法的參數(shù)值，如權(quán)重和偏差。在訓(xùn)練階段期間，重要的是防止算法過擬合，這意味著算法在訓(xùn)練集的圖像上被良好執(zhí)行，而不在看不見的圖像上執(zhí)行。因此，在驗證階段中，驗證組的(未看見的)圖像被用于檢查算法檢測輪胎缺陷的準確性，其中算法的值參數(shù)根據(jù)確定的準確性被進一步調(diào)整。如果所確定的準確度與預(yù)定準確度相比不夠充分，則可以通過訓(xùn)練集中的圖像再次訓(xùn)練該算法，并通過驗證集中的圖像再次檢查該算法。例如，人工智能算法被訓(xùn)練成收斂，例如，直到滿足根據(jù)產(chǎn)業(yè)質(zhì)量要求的某個準確度。

11、在人工智能算法被訓(xùn)練到一定準確度之后，在測試階段中，測試集中的(也是不看見的)圖像可用于檢查訓(xùn)練算法的性能，例如，輪胎缺陷檢測是否按預(yù)期運行。如果性能足夠，則可以在輪胎制造過程中使用經(jīng)訓(xùn)練的算法來檢測輪胎缺陷。但是，雖然這些算法可以檢測缺陷的類型和/或位置，但是產(chǎn)業(yè)質(zhì)量要求還要求確定輪胎缺陷的幾何特征，如尺寸、簾布層位置、取向等，以對輪胎質(zhì)量進行分級。

技術(shù)實現(xiàn)思路

1、因此，本發(fā)明的一個目的是提供一種可靠且快速的輪胎缺陷檢測方法，其中檢測輪胎缺陷的準確性被改善以最小化人工檢查并確保滿足產(chǎn)業(yè)質(zhì)量要求。

2、該目的通過獨立權(quán)利要求的特征來實現(xiàn)。本發(fā)明提出了一種基于經(jīng)訓(xùn)練人工智能算法和傳統(tǒng)圖像處理算法的組合的輪胎缺陷檢測方法。

3、所輸出的具有所述至少一個輪胎缺陷的標記圖像被用作圖像處理算法的輸入，其中所述圖像處理算法確定并標記所述標記圖像中的檢測到的所述至少一個輪胎缺陷的至少一個幾何特征，所述圖像處理算法輸出具有檢測到的所述至少一個輪胎缺陷的所確定的并且標記的至少一個幾何特征的標記圖像，并且所述標記圖像被顯示在顯示器上。除了用經(jīng)訓(xùn)練人工智能算法檢測至少一個輪胎缺陷之外，還可以通過與圖像處理算法相結(jié)合來確定輪胎缺陷的幾何特征，如尺寸、簾布層位置、取向等。通過提供輪胎缺陷的詳細信息，能夠更準確地檢測輪胎缺陷，這可以進一步改善輪胎質(zhì)量分級并減少人工檢查。這樣，滿足了產(chǎn)業(yè)質(zhì)量要求。

4、優(yōu)選地，輪胎的圖像是輪胎的x射線圖像或輪胎表面的圖像。根據(jù)在該方法中使用的圖像類型，可以檢查輪胎的不同部分和簾布層。例如，利用輪胎的外表面或內(nèi)表面的圖像，可以確定輪胎外側(cè)上的缺陷。然而，通過x射線圖像，可以檢查輪胎的內(nèi)部，這將在下面更詳細地描述。

5、經(jīng)訓(xùn)練人工智能算法有利地是基于神經(jīng)網(wǎng)絡(luò)的人工智能算法，其中，優(yōu)選地預(yù)處理的，標記有至少一個輪胎缺陷的輪胎的圖像被用于訓(xùn)練人工智能算法，其中，圖像被分組為訓(xùn)練集和驗證集，其中，訓(xùn)練集中的圖像被用于訓(xùn)練人工智能算法，其中，人工智能算法的參數(shù)值被調(diào)整，并且驗證集中的圖像被用于確定人工智能算法檢測輪胎缺陷的準確度，并且當確定的準確度滿足人工智能算法檢測輪胎缺陷的預(yù)定準確度時，人工智能算法被訓(xùn)練。

6、有利地，經(jīng)訓(xùn)練人工智能算法用測試集進行測試，以確定經(jīng)訓(xùn)練人工智能算法的性能，用測試集進行測試包括用標記有至少一個輪胎缺陷的輪胎圖像(優(yōu)選地預(yù)處理的)進行測試。

7、經(jīng)訓(xùn)練人工智能算法優(yōu)選地標記位置(優(yōu)選地相對于輪胎的參考坐標系)和圖像中至少一個檢測到的輪胎缺陷的類型。以此方式，例如在必須手動檢查輪胎的情況下，用戶可以確定檢測到的至少一個輪胎缺陷實際位于輪胎上的何處。有利地，用戶還可以知道輪胎中存在哪種類型的輪胎缺陷。因此，標記的圖像也可以被顯示在顯示器上。

8、有利地，經(jīng)訓(xùn)練人工智能算法將圖像中的檢測到的至少一個輪胎缺陷的位置標記為圍繞檢測到的輪胎缺陷的至少部分的邊界，并且圖像處理算法將標記的圖像裁剪到圍繞檢測到的輪胎缺陷的邊界，以確定和標記裁剪的標記圖像中的檢測到的輪胎缺陷的至少一個幾何特征。通過裁剪標記的圖像，圖像處理算法處理較小的圖像。因此，可以更詳細地確定輪胎缺陷的幾何特征，并且可以降低必要的處理能力。

9、檢測到的輪胎缺陷的至少一個幾何特征至少描述尺寸或簾布層位置或取向，優(yōu)選地相對于輪胎的參考坐標系。通過提供輪胎缺陷的詳細信息，可以改善輪胎缺陷的檢測和輪胎質(zhì)量分級。此外，可以通過確定至少一個幾何特征來更準確地描述檢測到的輪胎缺陷的位置。

10、具有檢測到的至少一個輪胎缺陷的確定的至少一個幾何特征的標記圖像優(yōu)選地用于通過將檢測到的至少一個輪胎缺陷的至少一個確定的幾何特征與預(yù)定的幾何特征進行比較來對輪胎質(zhì)量進行分級。通過確定輪胎缺陷的幾何特征，提高了輪胎質(zhì)量分級的準確度，這減少了人工檢查。

11、如果經(jīng)訓(xùn)練人工智能算法檢測到在輪胎的圖像中不存在輪胎缺陷，則有利地，經(jīng)訓(xùn)練人工智能算法輸出信號以啟動動作，其中優(yōu)選地在顯示器上示出消息。這樣，用戶可以檢查輪胎的圖像，以確認圖像中確實不存在輪胎缺陷。如果用戶確定存在至少一個輪胎缺陷，則用戶可以手動標記輪胎圖像中的至少一個輪胎缺陷。該信息可用于改善經(jīng)訓(xùn)練人工智能算法。

12、優(yōu)選地，經(jīng)訓(xùn)練人工智能算法在ai加速芯片上實現(xiàn)。通過這種方式，可以提高經(jīng)訓(xùn)練人工智能算法的性能。由此，例如能夠提高輪胎缺陷檢測方法的速度。