python轮胎缺陷检测_基于深度学习的轮胎缺陷无损检测与分类技术研究
基于深度学习的轮胎缺陷无损检测与分类技术研究
【摘要】:随着汽车行业快速发展及汽车保有量的持续增长,大大增加了对轮胎的需求,而轮胎质量在很大程度上决定了轮胎的使用寿命,也是在行驶过程中对人们生命财产安全的保障,同时对轮胎进行在线质量检测也便于轮胎生产企业及时发现生产线中存在的不合格产品,以此来调整机械设备甚至轮胎的生产工艺,避免造成生产材料的浪费。因此,检测轮胎质量是轮胎生产过程中必不可缺少的一部分,对轮胎工业的发展和道路交通安全有着重要的研究和经济意义。目前国内外学者在诸多工业应用领域提出了许多无损缺陷检测技术,而基于X射线的轮胎无损缺陷检测技术在轮胎工业中得到了快速的发展并取得了优异的成果。但是,由于轮胎X射线图像的复杂多纹理结构以及轮胎缺陷的多样性,轮胎无损检测方法的研究仍然是从业者及科研人员的一个极大挑战性的研讨课题。本文以轮胎X射线图像为检测对象,利用图像分析、模式识别和深度学习等技术,实现一个真正意义上端到端的轮胎无损自动缺陷检测及分类方法。本文首先通过传统图像分析及分类方法分阶段设计轮胎缺陷的检测和分类任务;然后,利用深度学习技术设计一个端到端的轮胎缺陷检测和分类任务于一体的方法,并与分阶段的传统检测和分类算法进行了对比。论文的主要研究内容及创新性工作如下:1.针对轮胎X射线图像的周期性复杂纹理特征,提出一种基于主成分残余信息逆变换的轮胎X射线图像缺陷检测方法。通过主成分分析方法的前K个较大主成分和其相应矢量重构不含缺陷信息的主纹理图像,重构图像与原图像对比,得到缺陷信息及缺陷位置,通过二值化方法及形态学操作检测出缺陷。实验结果表明,该算法可以快速检测出轮胎中的气泡、杂质缺陷。2.针对轮胎缺陷的复杂多样性难以用预先定义固定不变的基函数表达缺陷特征的问题,提出一种具有自适应生成基函数的轮胎图像特征提取算法,并将其应用于轮胎内部缺陷的自动识别中。利用ICA/TICA(Independent Component Analysis/Topographic Independent Component Analysis,独立成分分析/拓扑独立成分分析)从轮胎缺陷集中学习出自适应的基函数和滤波器,这些基适应于缺陷图像的特点;使用自适应滤波器滤波缺陷图像提取缺陷图像的特征;最后用SVM对待测样本进行分类.该方法是建立在对缺陷集无监督学习的基础上,能够自适应地提取缺陷图像的显著特征,计算简单,可并行处理。实验结果表明,该方法对灰度类和形状纹理类缺陷都具有满意的识别率,其分类正确率高达94.94%.3.为避免上述传统分类方法人为提取图像特征和分类器设计,并且也难以实现两者完美结合的缺点,依据当前深度学习已在许多基准数据集上取得先进成果,解决了许多人工智能的困难问题,探索如何把深度学习应用到实际工业生产结构复杂的轮胎缺陷分类中来得到更好的分类效果,提出一种基于深度学习的轮胎缺陷分类方法。针对深度学习要求带有标签的大训练集与实际应用中只有有限数量的有标签样本的矛盾,采用迁移学习、数据扩展及网络微调的策略防止过拟合现象。分类识别率高达96.51%,实验结果验证了该方法在轮胎缺陷分类任务的有效性,为轮胎实际生产过程内部缺陷自动检测提供了有效的算法和参考。4.因采集的轮胎缺陷图像具有高对比度变化特点,影响上述单通道深度网络对轮胎缺陷分类的效果,受大脑皮层微柱同步发放现象的启示,构造一个由多通道组成的深度卷积神经网络。该算法首先确定单通道CNN网络;然后构建由多个单网组建的多通道卷积神经网络并探讨如何组合多个单通道网络;为了训练出更具有强泛化能力及高鲁棒性的网络,我们分别对多通道卷积神经网络各通道的输入做不同的对比度归一化,使不同网络通道学习不同对比度的缺陷图像。最后通过实验效果及性能对比确定多通道卷积神经网络的最佳通道数并分析其时间成本。该算法分类识别率高达98.47%。5.针对目前算法对轮胎缺陷检测和分类任务是分阶段实现的问题,提出了一种基于区域建议网的轮胎缺陷检测及分类于一体的算法。针对轮胎缺陷尺度跨度大的问题,利用卷积神经网络的不同输出层分层设计不同尺度的缺陷检测器。实验数据表明,大大提高了小目标缺陷检测的效果,除气泡缺陷检出率为91.56%外,其它缺陷的检测率均大于97%。就检测速度而言,采用CNN特征上采样代替图像输入上采样方法减少存储和计算成本,提高检测速度。实验结果表明,该网络只需输入单个尺度的图像就可以检测所有尺度的轮胎缺陷,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的软件配置下,对于1250*425像素大小的图像,该算法的检测速度高达10fps。
【相似文献】
中国期刊全文数据库
前20条
1
;轮胎粉尘到底有没有毒[J];中国轮胎资源综合利用;2018年01期
2
史一锋;;我国轮胎工业形势分析与展望[J];橡塑技术与装备;2016年23期
3
;2016年《轮胎工业》总目次[J];轮胎工业;2016年12期
4
高彦臣;;轮胎工业4.0理论与技术实现[J];橡塑技术与装备;2017年01期
5
;2015年《轮胎工业》总目次[J];轮胎工业;2015年12期
6
刘成;;双星轮胎:有“智”者事竟成[J];科学之友(上半月);2017年04期
8
;欧瑞康苏拉荣获轮胎工业奖[J];上海纺织科技;2011年03期
9
陈维芳;;全球轮胎工业恢复强劲[J];橡胶科技市场;2010年09期
10
12
;2008年《轮胎工业》总目次[J];轮胎工业;2008年12期
13
梁金兰;;《研究与市场》公布轮胎工业报告[J];轮胎工业;2008年06期
14
蔡为民;;我国轮胎工业2006年回顾及2007年展望[J];轮胎工业;2007年04期
15
蔡为民;;我国轮胎工业的发展及其对世界轮胎工业的影响[J];轮胎工业;2006年11期
16
本刊编辑部;;《轮胎工业》创刊25周年庆典在青岛举行[J];轮胎工业;2006年11期
17
;2006年《轮胎工业》总目次[J];轮胎工业;2006年12期
18
蔡为民;;中国轮胎工业的发展及其对世界轮胎工业的影响[J];中国橡胶;2006年23期
19
欣然;印度轮胎工业现状[J];中国橡胶;2004年13期
20
涂学忠;俄罗斯轮胎工业快速发展[J];轮胎工业;2002年02期
中国重要会议论文全文数据库
前3条
1
史一锋;;我国轮胎工业形势分析与展望[A];“赛轮金宇杯”第19届中国轮胎技术研讨会论文集[C];2016年
2
夏珊珊;董云;万金方;付伟忠;厉业敏;朱旭东;;防老剂3100(DTPD)的合成研究进展[A];全国第18届有机和精细化工中间体学术交流会论文集[C];2012年
3
谈玉坤;;我国轮胎工业的现状和展望[A];全国线材深加工技术研讨会会议文集[C];2005年
中国博士学位论文全文数据库
前4条
2
何燕;轮胎非稳态温度场的研究[D];华中科技大学;2005年
4
任旭春;轮胎有限元分析及优化中的若干问题研究[D];清华大学;2005年
中国硕士学位论文全文数据库
前9条
1
殷旻;轮胎CAE分析及试验平台搭建[D];江苏大学;2017年
3
王鹏斌;道路/轮胎泵气噪声的流固耦合分析[D];湘潭大学;2016年
5
高晓东;全塑轮胎结构设计及成型工艺的研究[D];北京化工大学;2017年
6
李智芬;生命周期评价研究及其在轮胎工业中的应用[D];上海交通大学;2011年
7
冯聪利;载重车辆子午线轮胎力学和温升特性分析[D];西安科技大学;2017年
8
刘悦;全钢丝子午线轮胎耐久性优化方法研究[D];哈尔滨工业大学;2017年
9
中国重要报纸全文数据库
前10条
1
本报记者 陈维芳;轮胎:形势明朗利润看涨[N];中国化工报;2013年
2
本报记者 陈维芳;轮胎:盈利走高投资兴旺[N];中国化工报;2013年
3
本报记者 白清荣;废轮胎综合利用:山西谋下大棋局[N];中国化工报;2014年
4
通讯员 张颂 谭钦予 张磊;一枝一叶总“关”情[N];科技日报;2016年
5
孟晶 子日 (记者 孟晶);专家疾呼“快建轮胎试验场”[N];中国化工报;2009年
6
本报记者 张海燕;轮胎业准入门槛将抬高[N];中国质量报;2009年
7
本报记者 范胜利;三大轮胎巨头角逐中国[N];华夏时报;2004年
8
;轮胎工业产业政策今年上半年出台[N];中国信息报;2005年
9
外高桥期货 施海;轮胎工业强劲增长推涨胶价[N];中国证券报;2005年
10
三木;河南:筹划大型轮胎工业园区[N];中国高新技术产业导报;2003年
python轮胎缺陷检测_基于深度学习的轮胎缺陷无损检测与分类技术研究相关推荐
- 阅读笔记3:基于深度学习的运动想象脑电信号分类算法研究
1.论文信息 题目:基于深度学习的运动想象脑电信号分类算法研究 作者佟歌 单位:哈尔滨工程大学控制科学与工程 发表时间:201803 2.笔记 2.1 脑电信号采集及预处理 2.1.1脑电信号分析方法 ...
- 基于深度学习的篮球战术数据自动采集技术研究——项目展示
1 项目背景 篮球运动除了需要统计如2分投中.2分投篮.3分投中.3分投篮.扣篮.助攻.盖帽.抢断.失误.犯规和得分等技术信息,还需要统计战术信息.现在统计工作大多数是通过手工完成的,这样的统计方式存 ...
- python抠图算法 百度_基于深度学习的一键AI抠图项目:PyMatting
抠图是 PS 中的一项常用技术.但是要做到完美地将图像中的目标选取出来往往费时费力.近日,一个名为 PyMatting 的项目无疑能够帮助你. 项目地址:https://github.com/pyma ...
- 基于深度学习模型的电力变压器故障声音诊断方法研究-论文阅读笔记
基于深度学习模型的电力变压器故障声音诊断方法研究 论文来源 DOI:10.16311/j.audioe.2020.01.020 论文目的 在变压器不停止工作的情况下,基于变压器的三种状态:正常.老化和 ...
- DeepEye:一个基于深度学习的程序化交易识别与分类方法
DeepEye:一个基于深度学习的程序化交易识别与分类方法 徐广斌,张伟 上海证券交易所资本市场研究所,上海 200120 上海证券交易所产品创新中心,上海 200120 摘要:基于沪市A股交 ...
- 基于深度学习的智能车辆视觉里程计技术发展综述*--陈涛
[1]陈涛, 范林坤, 李旭川,等. 基于深度学习的智能车辆视觉里程计技术发展综述[J]. 汽车技术, 2021(1):10. 本文内容: 介绍了基于模型的里程计研究现状 对比了常用智能车数据集, 将 ...
- 基于深度学习的VQA(视觉问答)技术
深度学习大讲堂致力于推送人工智能,深度学习方面的最新技术,产品以及活动.请关注我们的知乎专栏! 视觉问答导读 视觉问答(Visual Question Answering,VQA),是一种涉及计算机视 ...
- python成绩统计及格学平成_基于深度学习的目标检测算法综述
导言目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像时光照,遮挡等因素的干扰,目标检测一直是机器视 ...
- 基于python的入侵检测系统毕设_基于深度学习的射频指纹的物联网设备入侵检测...
摘要:物联网(IoT)和4G/5G无线网络增加了大量设备和新服务,商用现货(COTS)物联网设备得到了广泛部署.为了确保具备无线传输能力的这些系统的安全运作,射频(RF)监视对于监视它们在RF频谱中的 ...
- 病虫害模型算法_基于深度学习的目标检测算法综述
sigai 基于深度学习的目标检测算法综述 导言 目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像 ...
最新文章
- 韩顺平老师 Mysql优化 笔记
- Linux下面 多线程死锁问题的调试
- HTML + CSS 实现 GitHub 项目标签、徽章样式
- linux 百度地图离线sdk,Android开放百度地图集成
- 别再拿div+css误导人了
- python进阶18正则表达式
- 5G 爆发前夕,将渗透哪些领域?
- 写给Git初学者的7个建议
- .net 统计图表和报表资源总结
- Linux下编译android源码的步骤
- 小米6x更换关机音量键记录
- MySQL 性能优化一
- Qt下的综合练习—汽车信息管理系统(一)主界面设计
- iOS App Extensions之Share Extension
- python 录屏_python实现录制全屏和选择区域录屏功能
- oracle ko16mswin949,PRM DUL Oracle数据库恢复的最后一步
- 安卓直播间websocket协议破解还原
- 分析如何为便携式电子设备挑选安全可靠的场效应晶体管?
- ADK+MDT实现域控服务器全自动静默下发系统(五):MDT的部署--Task Sequences的配置
- 深度学习入门——深度学习基础概念思维导图
热门文章
- STC8G七彩数字时钟、GPIO设置、DS1302使用、热敏电阻测温、SM5166P和MBI5024控制数码管显示
- HTML静态网页作业——海贼王主题网页设计制作6个页面(HTML+CSS)
- 虹科解决方案 | 如何快速解决CAN与CAN FD之间通信的问题
- ps 如何制作一寸白底照片
- 工业4.0智能电批扭力输出异常问题
- 十张图看懂华为IPD和LTC
- 利用javascript动态生成表格及注释
- BIOS开启了VT,但是CPU-V显示未开启
- abab的四字成语_abab的四字成语有哪些成语大全
- 【福利】论机房如何关闭方正软件保护卡