第4期 逢增治，等：全钢子午线轮胎X光图像的缺陷检测研究现状 ·797· 闭轮廓区域的边界提取7个轮廓矩，计算相似度 郭强等从图像纹理的角度出发，提出一种 距离D,通过相似度距离来判断帘线断线缺陷， 基于权重纹理相异性的轮胎缺陷检测算法。为避 同时能够将帘线稀疏进行区别，避免误报问题。 免光照变化以及噪声点对相邻像素点的影响，利 邵明红提出一种基于穿线法对帘线断线缺 用特征相关性作为相邻像素之间相似性衡量的标 陷进行检测。穿线法的基本思想是沿垂直方向扫 准。首先，提取轮胎X光图像的纹理特征，采用 描像素点，计算相邻帘线的间距。当间距超过合 局部核回归提取每个像素的纹理特征。然后，采 理阈值，则存在帘线断线缺陷。但该方法无法将 用余弦相似度来对相邻像素块的纹理特征相异性 帘线稀疏与帘线断裂缺陷进行有效区分。针对穿 进行评估，将相异性差别较大的异常区域突出显 线法在检测帘线断线时造成帘线稀疏的误报问 示。最后，利用阈值函数方程将缺陷区域进行分 题，文献[34]对穿线法提出改进，改进后的方法 割及定位。通过该方法能够检测出胎体区域的缺 是在确保每列的起，点帘线和终点帘线相同的条件 陷，但无法与杂质等缺陷类型进行有效区分。 下，沿垂直方向逐个像素点进行扫描，统计与帘 2.2灰度缺陷 线的交点个数。当该列与前一列交点个数不同 2.2.1杂质 时，对该列的相邻帘线的间距进行判断。若间距 杂质缺陷是由于轮胎内部压入金属等杂质， 超过合理的阈值，则对相邻帘线间的白色灰度值 密度变大，图像出现像素灰度值很低的区域，通 进行统计，通过灰度值的大小来排除杂质和帘线 常分布在胎冠区域和胎体区域，如图8所示。 稀疏的情况。如果该列正常，对前一列的相邻帘 线的间距进行判断。若间距超过阈值，则存在帘 线断线缺陷。 在山东玲珑轮胎股份有限公司提供的分辨率 为3400×8500的实验数据集中实现该算法。经 测试，该方法在没有漏报的情况下，可以解决杂 质和帘线稀疏缺陷对断线缺陷检测的影响。但该 (a)带束层区域杂质 算法还存在不足之处，如果帘线间存在交叉时， (b)胎侧区域杂质 穿线过程经过交叉点，交点的个数会发生变化， 图8轮胎杂质缺陷图像 当帘线间距大于阈值，会误判为断线缺陷。 Fig.8 Tire impurities defect images 2.1.4帘线稀疏 当胎体区域存在杂质时，通过式(1)、(2)，逐 胎体区域的帘线间距均匀，如果出现间距过 个像素点遍历，计算各像素点8邻域的交叉数 大的情况，则为帘线稀疏缺陷，如图2(a)所示。 Cp)和帘线像素点数S.(p),通过C(p)和S,(p)的 朱越提出一种对帘线细化图像沿垂直方向扫描的 取值情况来检测杂质缺陷。但是该方法在检测过 方法，通过判断相邻帘线的间距，检测帘线稀疏 程中容易受到噪声干扰，影响检测结果。同时也 缺陷。每隔N列自上而下扫描图像，统计与帘线 无法对杂质和气泡进行有效区分，造成缺陷类型 交叉点个数，计算相邻交叉点的间距，当间距大 的误检。文献「37]对于区域特征明显的杂质，利 于阈值T,则为帘线稀疏。但是该算法没有考虑 用形态学的方法对图像各个子窗口中进行腐蚀适 到帘线断线情况，如果存在帘线断线缺陷，会误 当的次数后，帘线消除且杂质仍保留一部分像素 检为帘线稀疏。 面积，提取该区域计算块面积，如果面积超过合 文献[35]对每条帘线作如式(10)的运算，当 适的阈值则为杂质缺陷。在区域特征明显图像中 帘线L,满足式(10)时，帘线L,稀疏。 腐蚀后能够保留部分杂质，当杂质区域与背景灰 度值相差不明显时，很难将杂质从图像中提取出 来，导致杂质缺陷的漏检，无法应用到实际轮胎 i=u (10) 生产检测中。高鹏3别提出了一种利用图像轮廓 式中：T为帘线间距阈值；Lx为第i条帘线中第 的提取对杂质缺陷进行检测的方法。其基本思想 j个像素垂直坐标值；a、b和c分别为： 是如果胎体上存在杂质，一个完整的区域将被划 a max(Li.x,Li+.x1) (11) 分成多个小区域，这些小区域的轮廓周长会小于 b=Imax(Lix,Lx)-min(xLi+x) (12) 正常区域。当存在某一区域轮廓周长明显小于正 c=min(Li.xLx) (13) 常区域，且相邻几个小区域的面积均小于正常区闭轮廓区域的边界提取 7 个轮廓矩，计算相似度 距离 Di，通过相似度距离来判断帘线断线缺陷， 同时能够将帘线稀疏进行区别，避免误报问题。 邵明红[28] 提出一种基于穿线法对帘线断线缺 陷进行检测。穿线法的基本思想是沿垂直方向扫 描像素点，计算相邻帘线的间距。当间距超过合 理阈值，则存在帘线断线缺陷。但该方法无法将 帘线稀疏与帘线断裂缺陷进行有效区分。针对穿 线法在检测帘线断线时造成帘线稀疏的误报问 题，文献 [34] 对穿线法提出改进，改进后的方法 是在确保每列的起点帘线和终点帘线相同的条件 下，沿垂直方向逐个像素点进行扫描，统计与帘 线的交点个数。当该列与前一列交点个数不同 时，对该列的相邻帘线的间距进行判断。若间距 超过合理的阈值，则对相邻帘线间的白色灰度值 进行统计，通过灰度值的大小来排除杂质和帘线 稀疏的情况。如果该列正常，对前一列的相邻帘 线的间距进行判断。若间距超过阈值，则存在帘 线断线缺陷。 在山东玲珑轮胎股份有限公司提供的分辨率 为 3 400×8 500 的实验数据集中实现该算法。经 测试，该方法在没有漏报的情况下，可以解决杂 质和帘线稀疏缺陷对断线缺陷检测的影响。但该 算法还存在不足之处，如果帘线间存在交叉时， 穿线过程经过交叉点，交点的个数会发生变化， 当帘线间距大于阈值，会误判为断线缺陷。 2.1.4 帘线稀疏 胎体区域的帘线间距均匀，如果出现间距过 大的情况，则为帘线稀疏缺陷，如图 2(a) 所示。 朱越提出一种对帘线细化图像沿垂直方向扫描的 方法，通过判断相邻帘线的间距，检测帘线稀疏 缺陷。每隔 N 列自上而下扫描图像，统计与帘线 交叉点个数，计算相邻交叉点的间距，当间距大 于阈值 T，则为帘线稀疏。但是该算法没有考虑 到帘线断线情况，如果存在帘线断线缺陷，会误 检为帘线稀疏。 文献 [35] 对每条帘线作如式 (10) 的运算，当 帘线 Li 满足式 (10) 时，帘线 Li 稀疏。        1 b ∑c j=a   Li .xj − Li+1.xj   − 1 n ∑n i=1 1 b ∑c j=a   Li .xj − Li+1.xj           ⩾ T (10) 式中：T 为帘线间距阈值； Li .xj 为第 i 条帘线中第 j 个像素垂直坐标值；a、b 和 c 分别为： a = max(Li .x1,Li+1.x1) (11) b = |max(Li .xl ,Li+1.xl)−min(Li .xl ,Li+1.xl)| (12) c = min(Li .xl ,Li+1.xl) (13) 郭强等[36] 从图像纹理的角度出发，提出一种 基于权重纹理相异性的轮胎缺陷检测算法。为避 免光照变化以及噪声点对相邻像素点的影响，利 用特征相关性作为相邻像素之间相似性衡量的标 准。 首先，提取轮胎 X 光图像的纹理特征，采用 局部核回归提取每个像素的纹理特征。然后，采 用余弦相似度来对相邻像素块的纹理特征相异性 进行评估，将相异性差别较大的异常区域突出显 示。最后，利用阈值函数方程将缺陷区域进行分 割及定位。通过该方法能够检测出胎体区域的缺 陷，但无法与杂质等缺陷类型进行有效区分。 2.2 灰度缺陷 2.2.1 杂质 杂质缺陷是由于轮胎内部压入金属等杂质， 密度变大，图像出现像素灰度值很低的区域，通 常分布在胎冠区域和胎体区域，如图 8 所示。 (a) 带束层区域杂质 (b) 胎侧区域杂质 图 8 轮胎杂质缺陷图像 Fig. 8 Tire impurities defect images 当胎体区域存在杂质时，通过式 (1)、(2)，逐 个像素点遍历，计算各像素点 8 邻域的交叉数 Cn (p) 和帘线像素点数 Sn (p)，通过 Cn (p) 和 Sn (p) 的 取值情况来检测杂质缺陷。但是该方法在检测过 程中容易受到噪声干扰，影响检测结果。同时也 无法对杂质和气泡进行有效区分，造成缺陷类型 的误检。文献 [37] 对于区域特征明显的杂质，利 用形态学的方法对图像各个子窗口中进行腐蚀适 当的次数后，帘线消除且杂质仍保留一部分像素 面积，提取该区域计算块面积，如果面积超过合 适的阈值则为杂质缺陷。在区域特征明显图像中 腐蚀后能够保留部分杂质，当杂质区域与背景灰 度值相差不明显时，很难将杂质从图像中提取出 来，导致杂质缺陷的漏检，无法应用到实际轮胎 生产检测中。高鹏[33] 提出了一种利用图像轮廓 的提取对杂质缺陷进行检测的方法。其基本思想 是如果胎体上存在杂质，一个完整的区域将被划 分成多个小区域，这些小区域的轮廓周长会小于 正常区域。当存在某一区域轮廓周长明显小于正 常区域，且相邻几个小区域的面积均小于正常区 第 4 期 逄增治，等：全钢子午线轮胎 X 光图像的缺陷检测研究现状 ·797·