， ，

(濟南大學(xué) a. 信息科學(xué)與工程學(xué)院， b. 山東省網(wǎng)絡(luò)環(huán)境智能計算技術(shù)重點實驗室， 山東 濟南 250022)

全鋼子午線輪胎具有安全性能高、抗壓性能好等優(yōu)點，比較適合大型運輸車使用，所以在運輸業(yè)中應(yīng)用廣泛；但是全鋼子午線輪胎制作工藝復(fù)雜[1]，在制作過程中可能出現(xiàn)鋼絲簾線彎曲、斷開及鋼絲簾線散落等輪胎缺陷。這些缺陷會影響輪胎的質(zhì)量，在輪胎的使用過程中存在潛在危險，所以在輪胎投入使用前要對其進行嚴格的質(zhì)量檢查， 以確保輪胎的質(zhì)量。

輪胎簾線彎曲是人們十分關(guān)注的一種缺陷。為此，人們開展了相關(guān)研究。文獻[2]中通過檢測簾線上點的斜率k，將其與設(shè)置的簾線斜率的閾值k′比較，若k大于閾值k′，則判定該簾線出現(xiàn)彎曲。文獻[3]中采用橫向掃描的方法，計算每次橫向掃描與簾線的交點個數(shù)， 當交點個數(shù)小于閾值時判斷為簾線彎曲。文獻[4]中將正常的沒有簾線彎曲的輪胎圖像作為模板與檢測圖像進行模板匹配，差值越大說明簾線彎曲越嚴重，如此遍歷整張圖像統(tǒng)計彎曲簾線數(shù)。文獻[5]中采用灰度共生矩陣和直方圖統(tǒng)計距模板，以及小波變化等方法通過對圖像紋理進行分析，從而檢測出輪胎的簾線彎曲缺陷。

文獻[2]、[3]中都采用了類似平行于簾線方向穿線的方法，在簾線發(fā)生彎曲處可以檢測到很多交點，但在橫向穿線時可能出現(xiàn)與簾線重合的情況，從而產(chǎn)生無數(shù)個交點，造成誤報。輪胎簾線并不是完全平行的， 而且不同圖像的簾線走向并不類似， 所以很不容易找到一條標準的水平簾線。 由于彎曲程度較大的簾線并不一定比彎曲程度較小的簾線變化次數(shù)多， 因此文獻[4]中的方法容易產(chǎn)生誤報。文獻[5]中對于處理灰度分布不均勻的輪胎圖像難以統(tǒng)計彎曲簾線的根數(shù)。針對這些問題，采用垂直輪胎簾線方向穿線的方法，得到穿線與簾線相交的所有交點坐標，通過計算坐標之間的關(guān)系得到簾線的斜率，從而判斷輪胎簾線是否彎曲，采用垂直

穿線法可以減小上述辦法造成的一些誤差，而且可以精確地得到每條簾線的彎曲斜率，計算出彎曲簾線的根數(shù)。

1　基于穿線法的輪胎簾線彎曲缺陷檢測方法

輪胎整體X射線圖如圖1所示，其中紅色矩形框標記位置表示胎體(胎側(cè)、胎肩)，在胎體部分會出現(xiàn)如圖2(a)所示的簾線彎曲的缺陷，針對這一情況，提出基于穿線法的輪胎簾線彎曲缺陷檢測方法，該方法對所處理的輪胎胎側(cè)圖像進行垂直簾線方向每隔間距a個像素進行穿線，并將穿線與簾線的交點坐標保存在數(shù)組中，計算相鄰坐標的斜率k,判斷k是否大于預(yù)先設(shè)定好的閾值k′來判斷該簾線是否彎曲。而閾值k′的設(shè)定對于不同輪胎廠家來說是不一定的，如果對簾線彎曲要求較嚴苛，這個閾值可以調(diào)的小一點，有輕微彎曲即視為彎曲缺陷；反之則可以設(shè)置大一點?；诖┚€法的輪胎簾線彎曲缺陷檢測方法的流程如圖3所示。

圖1　輪胎成像圖

圖2　輪胎簾線彎曲原始圖像及檢測結(jié)果

圖3　檢測流程圖

1.1　Otsu閾值分割法

根據(jù)輪胎圖像成像原理可知，輪胎在成像過程中，可能會因為受到的光照不均勻而導(dǎo)致圖像的灰度分布不均勻，出現(xiàn)如圖4(a)所示左側(cè)部分較黑暗、右側(cè)部分相對明亮的情況，在輪胎的不同部位都會出現(xiàn)這種情況使得輪胎圖像灰度級有較大的變化。為了避免圖像灰度級的這種變化對后期處理的影響，首先對輪胎圖像進行二值化處理。

圖4　輪胎胎側(cè)圖像

Otsu算法[6-7]也稱最大類間方差法，這種算法不受圖像亮度和對比度的影響，計算簡單，所以在本文中選擇用Otsu算法對輪胎圖像進行二值化處理。Otsu算法按圖像的灰度特性,將圖像分成背景和前景2個部分，當Otsu算法取最佳閾值時，背景與前景的差別將達到一個最大值從而將圖像二值化。圖4(a)所示的輪胎胎側(cè)圖像經(jīng)過Otsu算法得到圖4(b)所示的效果。

設(shè)圖像的灰度級是M，則圖像的灰度范圍為[0,M-1]，利用Otsu算法計算圖像的最佳閾值[8]為

t*=arg max{w0(t)[u0(t)-u]2+w1(t)[u1(t)-u]2}，

(1)

式中：t為分割的閾值；w0為背景比例；u0為背景均值；w1為前景比例；u1為前景均值；u為整幅圖像的均值。當t*取最大值時，該值就是分割圖像的最佳閾值。

1.2　骨架化算法

圖像細化[9]是指對二值化圖像(圖5a)進行骨架化的一種操作運算。 在穿線的過程中，為了精確地確定交點的位置， 采用骨架化算法對圖像進行細化處理。 圖像細化可以排除其他不必要像素的影響， 使得穿線計算更加精準。 在細化過程中要注意的問題是， 邊緣的每一個細節(jié)的變化都可能對細化后的圖像造成相當大的影響。 細化后的圖像如圖5(b)所示, 每條連線都是由單一像素組成。

圖5　輪胎圖像細化圖

輪胎圖像細化具體步驟如下：

1)將二值化處理得到的輪胎圖像從邊界處的像素點開始遍歷。

2)如果該點的鄰域中出現(xiàn)3個點相鄰的情況，則表明該點是由多個像素組成，因此可以刪除該點。

3)同理，如果該點的鄰域中有大于3個點相鄰的情況，則刪除該點。

4)如此遍歷整張圖像得到最終細化的圖像。

1.3　八鄰域追蹤法

細化處理后的圖像中白像素為輪胎簾線，從圖像高度h1的位置開始尋找起始簾線，在圖像高度h2的位置開始尋找終止簾線，如圖6所示。h1、h2可為任意值。

圖6　細化圖像中的起始與結(jié)束簾線

為了計算簾線的斜率，需要得到所有簾線的位置信息，獲取每根簾線所有像素坐標信息的過程稱為抽線。在抽線的過程中，細化后的圖像簾線并不是由單一像素組成，會有彎曲錯位的情況出現(xiàn)，為了保證抽出一條完整的簾線，本文中用八鄰域追蹤[10-13]法抽線。

八鄰域追蹤法是選擇圖像中的某個簾線目標點作為圖7中的中間點Z，記為開始點，從這個點開始查看它的八鄰域的點，優(yōu)先從右下方45°的位置即Z8位置開始尋找是否有下一個白像素點。如果有白像素點，則將Z8記為下一個目標點；如果無白像素點，則查找Z5方向和Z3方向，即每次逆時針45°方向?qū)ふ蚁乱粋€目標點，一旦找到，重復(fù)上面的過程，從而將輪胎起始簾線、終止簾線抽取出來。

圖7　基于Z點的八鄰域圖

1.4　穿線法

從起始簾線開始到終止簾線結(jié)束每隔a個像素進行一次穿線，這樣可以保證每次穿線得到的交點個數(shù)在沒有斷線的情況下是一樣的，保證相鄰的交點有相當大的概率在同一條簾線上，從而可以通過同一條簾線上的相鄰交點的斜率來判斷這條簾線是否彎曲。a的選取是任意的，可以根據(jù)圖像的大小任意調(diào)整，但原則上不宜過大或者過小，否則不利于計算簾線的斜率。

受輪胎花紋影響，圖像的灰度分布不均，所以在圖像細化的時候可能會出現(xiàn)如圖8所示的現(xiàn)象，即簾線出現(xiàn)斷開和交叉。在這種情況下，穿線法就會出現(xiàn)每次穿線得到的交點個數(shù)不相同的情況，進而不能保證相鄰2次穿線得到的第n個交點在同一條簾線上并造成誤判。

圖8　輪胎圖像細化后的簾線圖

穿線法具體步驟如下:

1)從起始簾線開始向下遍歷到終止簾線結(jié)束每隔a個像素進行一次穿線。

2)當遇到白像素時開窗口判斷此點是否為簾線上的點。

3)依次遍歷整張圖得到圖9所示的交點坐標。

4)得到所有的交點坐標A={(x11,y11),(x12,y12),…，(xmn,ymn)}, (xmn,ymn) 代表第m次穿線與第n條簾線的交點坐標。

如圖5(b)所示，細化后的簾線并不是從頭到尾都是單個像素，會有像素的錯位，所以在某些地方可能會出現(xiàn)2個像素的情況。如果遇到白像素就判斷它為交點，則會導(dǎo)致誤判。

為了避免誤判，獲得準確的交點，采用滑動窗口的方法判斷遇到的某個白像素點是否為簾線上的噪聲。具體做法是：遍歷圖像，當遇到白像素時開窗口并將窗口向下滑動2次，每次向下滑動一個像素的高度，每次開窗口都統(tǒng)計窗口中的白像素數(shù)，選取3次統(tǒng)計中的最大值，若最大值小于閾值D則該點為雜質(zhì)；若大于或等于D則判斷它為簾線上的交點，并記錄該點的坐標A(x,y)，如圖9所示。

圖9　穿線交點圖

1.5　統(tǒng)計彎曲簾線

當相鄰穿線得到的交點個數(shù)相同時，由交點坐標A={(x11,y11),(x12,y12),…，(xmn,ymn)}根據(jù)式(2)計算出同一條簾線上相鄰交點的斜率k。

(2)

式中：m代表第m次穿線，其大小由圖像的寬度與步長a的比值決定；n代表第n條簾線，n的大小由圖像的簾線數(shù)決定；(xmn,ymn)代表第m次穿線與第n條簾線的交點坐標。

當斜率k大于已設(shè)定好的閾值k′時判定簾線彎曲，如此遍歷整張圖像。在實驗時，閾值k′根據(jù)廠家要求及穿線步長進行合理地設(shè)定。當步長a較大時，閾值k′可相對的調(diào)小一點；當步長a較小時閾值k′可相對的調(diào)大一點。

通過計算圖像中所有的交點坐標，得到所有的簾線斜率。如果簾線斜率大于閾值k′，則判定簾線彎曲，統(tǒng)計同一區(qū)域內(nèi)彎曲的簾線條數(shù)，將同一區(qū)域內(nèi)的彎曲簾線用一個矩形框標記

2　實驗結(jié)果與分析

本文中采用查準率P、查全率R2個指標衡量檢測效率。

查準率和查全率分別定義為

(3)

(4)

式中：Ttp表示真正例數(shù)，即含有簾線彎曲缺陷的圖像被檢測為缺陷圖像的數(shù)量；Ffp表示假正例數(shù)，即正常圖像被檢測為 缺陷圖像的數(shù)量；Nfn表示假反例數(shù)，即含有簾線彎曲缺陷的圖像被檢測為正常圖像的數(shù)量。

采用文獻[1]、[2]中的方法與本文中的方法對10種不同紋理的150幅輪胎圖像進行輪胎簾線彎曲缺陷檢測，表1所示為這3種方法的檢測效率比較。由表中可以看出,3種方法的查準率差別較小，但本文中的方法比文獻[1]、[2]中的方法具有更高的查全率。

表1　結(jié)果比較

穿線法檢測簾線彎曲缺陷的優(yōu)點如下：1)在判斷彎曲的同時可以給出彎曲簾線的具體位置信息，從而可以將彎曲部分標記出來，如圖10所示為4幅彎曲檢測標記結(jié)果； 2)計算復(fù)雜度小，運行速度能滿足工業(yè)生產(chǎn)需求。

圖10　采用本文中的方法檢測輪胎簾線彎曲的結(jié)果

3　結(jié)論

本文中針對全鋼子午線輪胎中存在的鋼絲彎曲缺陷， 提出一種基于穿線法的輪胎簾線彎曲缺陷檢測方法。該方法首先對輪胎胎側(cè)圖像進行細化處理，然后對細化圖像采用垂直簾線方向穿線的方法進行簾線彎曲檢測，即每隔間距a穿線得到穿線與簾線的交點坐標矩陣，通過相鄰2列的簾線交點坐標計算得到每條簾線斜率，當簾線斜率大于設(shè)置的閾值k′時判斷該簾線彎曲。穿線測量簾線彎曲的方法計算復(fù)雜程度低，實驗結(jié)果證明穿線法對于簾線彎曲缺陷具有較高的檢測效率。當輪胎簾線出現(xiàn)斷線或圖像細化出現(xiàn)差錯時，本文中的方法可能會出現(xiàn)誤報，所以后續(xù)工作將就該問題對穿線法進行進一步的改進。

參考文獻: