陸明璧

( 雙錢(qián)集團(tuán)（江蘇）輪胎有限公司，江蘇 如皋 226500)

1 輪胎缺陷研究背景

輪胎作為機(jī)動(dòng)車(chē)輛的最主要的部件之一，具有承受載荷、產(chǎn)生驅(qū)動(dòng)力與制動(dòng)力、緩沖和吸震、改變汽車(chē)行駛方向等作用，輪胎質(zhì)量關(guān)系到車(chē)輛行駛的安全性、舒適性[1]。生產(chǎn)廠家對(duì)汽車(chē)輪胎質(zhì)量的把控，以及車(chē)主日常對(duì)輪胎的養(yǎng)護(hù)是確保輪胎正常工作的兩個(gè)主要環(huán)節(jié)。當(dāng)廠家生產(chǎn)的輪胎質(zhì)量出現(xiàn)問(wèn)題時(shí)，或輪胎被長(zhǎng)期使用而健康狀況下降時(shí)，及時(shí)處理可以保證行車(chē)安全。因此，有效地檢測(cè)出汽車(chē)輪胎的各種缺陷對(duì)汽車(chē)安全行駛尤為重要。

汽車(chē)輪胎在生產(chǎn)制造過(guò)程中由于起鼓、分層、變形開(kāi)裂等原因產(chǎn)生的缺陷種類(lèi)較多，主流常見(jiàn)且影響品質(zhì)的包括以下四種：胎里氣泡、裂紋、外緣尺寸偏差和胎面花紋溝槽深度偏差。胎里氣泡是指在生產(chǎn)過(guò)程中，輪胎的胎體簾布與支撐膠之間和內(nèi)襯層與支撐膠之間產(chǎn)生的氣泡[2]。造成這種缺陷的原因有以下幾點(diǎn)：

（1）當(dāng)支撐膠較厚時(shí)，胎體簾布難以貼合支撐膠與胎體間的空隙。

（2）內(nèi)襯層與支撐膠的復(fù)合件易變形。

（3）貼合設(shè)備性能不佳，致使內(nèi)襯層與支撐膠之間的氣泡不能及時(shí)排出。

（4）支撐膠黏性差，硬度高，在貼合時(shí)易與內(nèi)襯層脫離。

長(zhǎng)期在超載，超速和氣壓不足等情況下使用有胎里氣泡的輪胎，會(huì)導(dǎo)致胎內(nèi)脫層和肩空問(wèn)題，嚴(yán)重時(shí)將造成不可預(yù)估的損害[3]。因此，及時(shí)檢測(cè)胎里氣泡可防患于未然。

裂紋是指輪胎因橡膠老化、外力撞擊、刮蹭、胎壓不當(dāng)?shù)炔焕蛩禺a(chǎn)生的裂紋[4]。在輪胎生產(chǎn)過(guò)程中，硫化工藝用于提高輪胎橡膠的硬度，如果此工藝把控不嚴(yán)，容易在生產(chǎn)過(guò)程產(chǎn)生橡膠缺失。同時(shí)，輪胎在自然老化過(guò)程中，橡膠表面會(huì)出現(xiàn)許多細(xì)小裂紋，降低輪胎的使用壽命。當(dāng)發(fā)生意外的撞擊和刮蹭時(shí)，輪胎的胎壁受到損壞的概率最大。而胎壁是輪胎最薄弱的部分，易受損產(chǎn)生裂紋。此外，長(zhǎng)期在胎壓不當(dāng)?shù)那闆r下駕駛車(chē)輛，也會(huì)導(dǎo)致輪胎產(chǎn)生裂紋。當(dāng)輪胎的胎面或胎壁出現(xiàn)裂紋時(shí)，應(yīng)及時(shí)更換輪胎，避免在行駛過(guò)程中出現(xiàn)輪胎嚴(yán)重開(kāi)裂，甚至爆胎等意外情況。因此，將輪胎出現(xiàn)裂紋的情況準(zhǔn)確檢測(cè)出并反饋對(duì)公共交通安全是極為重要的[5]。

外緣尺寸偏差是指輪胎的實(shí)際尺寸與標(biāo)稱(chēng)值之間的差值。產(chǎn)生這種缺陷的主要原因是生產(chǎn)單位的制備能力不合格，如設(shè)備老舊、測(cè)量?jī)x器精度不夠高和工人技藝不嫻熟等原因?qū)е律a(chǎn)過(guò)程中從配料到擠出、壓延、裁斷、貼合和成型各階段的公差范圍不符合生產(chǎn)標(biāo)準(zhǔn)[6]。輪胎的外緣尺寸是判斷輪胎是否適合某種汽車(chē)的標(biāo)準(zhǔn)之一，過(guò)大的外緣尺寸容易在行駛過(guò)程中產(chǎn)生較大的噪音，增大輪胎與地面的摩擦力，并增加油耗；過(guò)小的外緣尺寸會(huì)降低車(chē)輛的剎車(chē)和操作性能，也會(huì)減小抓地能力。因此，有效地檢測(cè)輪胎的外緣尺寸是否符合標(biāo)準(zhǔn)是安全行駛的一項(xiàng)基本保障。

胎面花紋溝槽深度偏差是指在生產(chǎn)輪胎時(shí)，輪胎胎面的花紋溝槽深度與標(biāo)稱(chēng)值間公差過(guò)大的缺陷。輪胎的胎面花紋主要是用于增加胎面與地面之間的摩擦力，提高輪胎的抓地能力，防止打滑。如果生產(chǎn)的輪胎的胎面花紋深度如果低于安全極限值，會(huì)降低輪胎的抓地能力，在積水路面易打滑，而導(dǎo)致嚴(yán)重交通事故的發(fā)生[7]。因此在輪胎生產(chǎn)時(shí)應(yīng)該檢測(cè)胎面花紋的深度是否達(dá)標(biāo)，消除車(chē)輛行駛中的安全隱患。

目前，很多學(xué)者已對(duì)輪胎缺陷檢測(cè)的相關(guān)問(wèn)題進(jìn)行了較為系統(tǒng)的研究。在檢測(cè)方法方面，隨著計(jì)算機(jī)硬件技術(shù)水平的提高，以機(jī)器視覺(jué)為代表的非接觸式檢測(cè)方法已逐漸成為該領(lǐng)域的研究熱點(diǎn)。此類(lèi)方法以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)，針對(duì)輪胎缺陷檢測(cè)過(guò)程中可能遇到的問(wèn)題做出適當(dāng)改進(jìn)，具有準(zhǔn)確度高，魯棒性強(qiáng)等優(yōu)點(diǎn)，可以完成各任務(wù)的具體要求。目前，計(jì)算機(jī)視覺(jué)技術(shù)主要分為二維圖像處理與三維圖像處理[8]。其中，二維圖像處理借助機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型強(qiáng)大的特征提取能力，從圖像數(shù)據(jù)中尋找各類(lèi)缺陷的典型特征，并做出精準(zhǔn)識(shí)別。二維圖像數(shù)據(jù)獲取方便，故可基于大型數(shù)據(jù)集訓(xùn)練得到高精度的模型。三維圖像處理主要通過(guò)直接方法來(lái)處理三維點(diǎn)云數(shù)據(jù)。直接處理的方法是利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法處理點(diǎn)云的特征信息判斷輪胎缺陷狀況。三維點(diǎn)云數(shù)據(jù)可以獲取輪胎全方位的三維信息，比二維圖像具有更好的特征表現(xiàn)能力。

然而，不同算法對(duì)不同類(lèi)別缺陷的檢測(cè)能力不同，目前并沒(méi)有一個(gè)統(tǒng)一的算法實(shí)現(xiàn)高精度的多缺陷檢測(cè)?；谝陨蠁?wèn)題，本文探析了不同方法對(duì)于不同輪胎缺陷檢測(cè)的優(yōu)缺點(diǎn)。首先，探討了基于二維圖像的視覺(jué)檢測(cè)算法在輪胎缺陷檢測(cè)任務(wù)中的應(yīng)用以及優(yōu)缺點(diǎn)；其次，探討了基于三維點(diǎn)云的視覺(jué)檢測(cè)算法在輪胎缺陷檢測(cè)任務(wù)上的應(yīng)用以及優(yōu)缺點(diǎn)；最后，針對(duì)不同缺陷的特征以及視覺(jué)圖像的特點(diǎn)，提出了二維和三維傳感器融合的觀點(diǎn)，為未來(lái)的研究指明了方向。

2 二維圖像輪胎缺陷檢測(cè)方法

傳統(tǒng)的輪胎缺陷檢測(cè)主要依靠人工裸眼檢測(cè)或者使用X 光等成像設(shè)備配合裸眼檢測(cè)，該檢測(cè)方式主觀性強(qiáng)、檢測(cè)效率低、難以滿足自動(dòng)化實(shí)時(shí)檢測(cè)的需求。近年來(lái)，諸多學(xué)者基于二維圖像視覺(jué)算法提出了一系列輪胎缺陷檢測(cè)算法，有效促進(jìn)了輪胎表面質(zhì)量檢測(cè)方法的發(fā)展。

2.1 胎里氣泡

如圖1 所示，胎里氣泡表現(xiàn)在X 光圖像中是不規(guī)則的亮白區(qū)域，其視覺(jué)特征主要有以下特點(diǎn)：

圖 1 胎里氣泡的X 光圖像

（1）氣泡缺陷尺寸通常較小，屬于小目標(biāo)。

（2）紋理特征與周?chē)尘跋嗨魄乙资芷渌y理的干擾。在基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法中Faster R-CNN[8]、YOLO V3[9]和RSSD[10]等算法對(duì) 小目標(biāo)有良好的檢測(cè)效果，其中Faster R-CNN 算法的檢測(cè)精度高，但檢測(cè)速度較慢，難以滿足實(shí)時(shí)性；YOLO V3 和RSSD 等算法的檢測(cè)速度較高，但檢測(cè)精度稍有不足。因此，根據(jù)對(duì)胎里氣泡的檢測(cè)任務(wù)要求不同，可選擇不同算法。如：李明達(dá)[11]等人以Faster R-CNN為基礎(chǔ)并針對(duì)檢測(cè)目標(biāo)對(duì)其進(jìn)行了優(yōu)化，使改進(jìn)的Faster R-CNN 對(duì)胎里氣泡等輪胎缺陷的平均檢測(cè)精度達(dá)到了93.08%，相較于基礎(chǔ)算法提升了2.72%。

2.2 裂紋

如圖2 所示，裂紋的視覺(jué)特征清晰，易于檢測(cè)。裂紋檢測(cè)常用YOLO 等目標(biāo)檢測(cè)算法。除了識(shí)別裂紋，通常還要得到裂紋的尺寸來(lái)評(píng)判安全等級(jí)，因此對(duì)裂紋的檢測(cè)要求性高?；诙S圖像的裂紋檢測(cè)方法步驟如下：首先，對(duì)胎面圖像做閾值分割提取裂紋，常用的方法有自適應(yīng)閾值法[12]、最大熵閾值分割法[13]和迭代閾值分割法[14]等；然后，使用深度學(xué)習(xí)算法對(duì)裂紋進(jìn)行識(shí)別，例如RetinaNet[15]、CornerNet[16]等目標(biāo)檢測(cè)算法可對(duì)其進(jìn)行高效識(shí)別；最后，通過(guò)相機(jī)標(biāo)定的內(nèi)部參數(shù)矩陣及裂紋像素來(lái)計(jì)算裂紋尺寸，并實(shí)現(xiàn)裂紋的安全等級(jí)評(píng)判。

圖2 裂紋

2.3 外緣尺寸偏差

全視角的輪胎圖像需要多幅圖像協(xié)同處理，單幅圖像難以反映輪胎尺寸。輪胎尺寸的檢測(cè)常通過(guò)相機(jī)標(biāo)定、圖像預(yù)處理、區(qū)域提取個(gè)像素計(jì)算等步驟來(lái)實(shí)現(xiàn)。首先，對(duì)相機(jī)進(jìn)行標(biāo)定，確定相機(jī)的內(nèi)部參數(shù)；其次，固定相機(jī)拍攝輪胎多角度信息，并用深度學(xué)習(xí)算法提取輪胎區(qū)域；然后，利用區(qū)域提取算法提取尺寸標(biāo)注區(qū)域，如自適應(yīng)閾值法和迭代閾值法等，并對(duì)提取的圖像進(jìn)行濾波降噪，降低背景干擾；最后，根據(jù)提取的尺寸像素和相機(jī)內(nèi)部參數(shù)計(jì)算出實(shí)際尺寸，并與理想尺寸對(duì)比，得到尺寸差異。

2.4 花紋溝槽深度

當(dāng)前對(duì)花紋溝槽深度的檢測(cè)通常使用金屬探針等接觸式檢測(cè)方法[7]，這種方法操作簡(jiǎn)單，但不適合大批量檢測(cè)。基于視覺(jué)的花紋溝槽深度的檢測(cè)方法可以很好解決上述問(wèn)題，且檢測(cè)方式更加靈活。例如李?lèi)?ài)娟[17]等人提出了一種基于結(jié)構(gòu)光圖像的輪胎花紋深度測(cè)量方法。該方法首先將輪胎從裝有激光和反射鏡的透明蓋板上滾過(guò)；其次，在蓋板下面安裝相機(jī)，用來(lái)捕獲反射鏡中的圖像；然后，對(duì)圖像進(jìn)行畸變矯正、去除噪聲以及坐標(biāo)系轉(zhuǎn)換獲得光條世界坐標(biāo)系圖像；最后，利用極大值點(diǎn)法測(cè)量得到花紋深度。輪胎光條世界坐標(biāo)系輪廓如圖3 所示。

圖 3 輪胎光條世界坐標(biāo)系輪廓

3 基于三維點(diǎn)云的輪胎缺陷檢測(cè)方法

在光照條件惡劣等圖像采集效果差的場(chǎng)景中，利用二維圖像檢測(cè)輪胎缺陷很難達(dá)到理想的效果，且由于二維圖像缺乏深度信息，在測(cè)量溝槽深度等特殊指標(biāo)時(shí)效果差。當(dāng)前，激光掃描等三維傳感器發(fā)展勢(shì)頭迅猛，可以凸顯物體形狀和深度特征，在工業(yè)領(lǐng)域得到廣泛利用。同時(shí)，三維傳感器測(cè)量速度快、精度高、魯棒性強(qiáng)，數(shù)據(jù)精度不受拍攝視角和光照條件等影響，相比于二維測(cè)量方法，可以檢測(cè)物體更復(fù)雜的部位結(jié)構(gòu)，獲取輪胎更豐富的視覺(jué)信息。

3.1 胎里氣泡

胎里氣泡具有尺寸小和顯著性弱的特點(diǎn)，對(duì)圖像采集的光照條件相對(duì)敏感，圖像采集的質(zhì)量將會(huì)影響基于二維圖像輪胎缺陷檢測(cè)算法的精度。基于三維點(diǎn)云的檢測(cè)方法在對(duì)胎內(nèi)氣泡進(jìn)行檢測(cè)時(shí)不受光照條件影響，只考慮氣泡與周?chē)鷧^(qū)域的高度差，不受背景影響?；谌S點(diǎn)云的檢測(cè)方法檢測(cè)胎內(nèi)氣泡是將檢測(cè)對(duì)象的掃描數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行比對(duì)。采用主流的ICP 算法及其變體[18]對(duì)兩數(shù)據(jù)進(jìn)行配準(zhǔn)，獲取區(qū)域內(nèi)的最大高度差值與閾值進(jìn)行比較檢測(cè)區(qū)域內(nèi)是否存在氣泡。如圖4 所示，配準(zhǔn)后的點(diǎn)云數(shù)據(jù)中間區(qū)域有很明顯的高度差，圖示線激光可實(shí)現(xiàn)0.01 mm 級(jí)的測(cè)量精度，可對(duì)胎內(nèi)氣泡進(jìn)行精確魯棒的檢測(cè)。

圖 4 胎里氣泡檢測(cè)

3.2 裂紋

裂紋視覺(jué)特征清晰，易于檢測(cè)，在圖像采集質(zhì)量良好的情況下，采用二維檢測(cè)方法可以快速識(shí)別裂紋區(qū)域。同時(shí)，三維測(cè)量方法可以獲取裂紋寬度和深度等尺寸信息。因此，在裂紋檢測(cè)要求較高的情況下，可采用二維圖像及深度學(xué)習(xí)算法對(duì)裂紋進(jìn)行快速識(shí)別，篩選存在裂紋的區(qū)域，再獲取相應(yīng)區(qū)域的三維點(diǎn)云信息，采用間隙檢測(cè)的方式對(duì)裂紋寬度進(jìn)行測(cè)量，采用深度方向的點(diǎn)云高度差去估計(jì)裂紋深度。

3.3 緣尺寸偏差

外緣尺寸偏差可采用三維成像傳感器進(jìn)行數(shù)據(jù)采集，結(jié)合點(diǎn)云配準(zhǔn)技術(shù)，快速對(duì)輪胎內(nèi)外表面進(jìn)行重建，獲得完整的輪胎三維點(diǎn)云模型。根據(jù)輪胎三維模型可以對(duì)輪胎多類(lèi)尺寸信息進(jìn)行測(cè)量：采用RANSAC算法對(duì)輪胎三維點(diǎn)云模型進(jìn)行圓柱擬合[19]，可以獲得輪胎內(nèi)、外表面的圓柱側(cè)面的軸線、半徑等幾何信息和輪胎內(nèi)外表面直徑、面差等尺寸信息；采用邊緣提取和RANSAC 算法實(shí)現(xiàn)輪胎邊緣的提取和圓擬合，獲取輪胎內(nèi)圈直徑（空洞區(qū)域）及圓心位置。利用以上信息同標(biāo)準(zhǔn)數(shù)據(jù)對(duì)比，判斷外緣尺寸偏差是否在公差范圍內(nèi)，從而確定是否符合質(zhì)量要求。

3.4 花紋溝槽深度

由于花紋溝槽寬度狹窄和二維圖像缺乏深度信息，因此基于二維圖像的輪胎缺陷算法檢測(cè)效率低?；谌S點(diǎn)云的檢測(cè)方法可以提取溝槽深度和寬度信息，在處理此類(lèi)問(wèn)題時(shí)具有很大優(yōu)勢(shì)，三維檢測(cè)方法獲取溝槽內(nèi)真實(shí)結(jié)構(gòu)信息如圖5 所示。同時(shí)，采用RANSAC 算法對(duì)圓柱表面進(jìn)行擬合，依次計(jì)算溝槽線段點(diǎn)到圓柱面的距離即可獲得各個(gè)花紋溝槽深度[20]。

圖 5 溝槽測(cè)量

4 總結(jié)

基于機(jī)器視覺(jué)的輪胎檢測(cè)方式可以減少人為干預(yù)，集成到輪胎生產(chǎn)線形成自動(dòng)化檢測(cè)能力，對(duì)提高輪胎質(zhì)量和生產(chǎn)效率具有重要意義。本文針對(duì)四種常見(jiàn)的輪胎缺陷及其特征，總結(jié)了其在視覺(jué)缺陷檢測(cè)中常見(jiàn)的檢測(cè)算法，并分別分析了基于二維圖像檢測(cè)算法對(duì)每種缺陷的檢測(cè)能力和基于三維點(diǎn)云檢測(cè)算法對(duì)每種缺陷的檢測(cè)能力。二維圖像可體現(xiàn)輪胎的顏色、形狀和面狀輪廓信息，三維點(diǎn)云數(shù)據(jù)包含輪胎的深度及結(jié)構(gòu)信息，各具優(yōu)勢(shì)。本文認(rèn)為，將二維圖像和三維點(diǎn)云通過(guò)緊耦合或者松耦合融合，通過(guò)信息互補(bǔ)提高輪胎缺陷檢測(cè)精度，實(shí)現(xiàn)復(fù)雜場(chǎng)景條件下多類(lèi)缺陷的實(shí)時(shí)檢測(cè)，是未來(lái)的發(fā)展趨勢(shì)。