轮胎缺陷自动检测对国家轮胎工业发展有着重要意义,尤其在当前国家制造2025、工业4.0等发展战略的背景下。由于国内外轮胎原材料、轮胎型号以及生产环境等不同,进口检测设备无法完全满足国内检测需求。目前,国内轮胎企业缺陷检测主要依靠人工目视检测方法进行,该方法存在分类主观性强、视觉疲劳、检出率受工人状态影响等问题,严重影响我国轮胎制造业发展。本研究旨在将机器视觉技术应用于国内轮胎缺陷自动检测系统,替代轮胎生产流水线传统人工质检的低效方式。通过对机器视觉理论与应用进行研究提出了一种全钢子午线轮胎X射线图像缺陷自动检测方法,主要完成工作如下:1.为了提高轮胎缺陷检测检出率、准确率,通过分析轮胎X射线图像结构,发现轮胎钢丝帘线层具有很强的方向性排列,基于此采取了一种基于方向性纹理的轮胎X射线图像分割方法。利用二维Gabor滤波器的优良方向性和尺度性特点,设计最佳参数的滤波器模板最终实现轮胎原始图像不同部分分割。此外,针对轮胎X射线成像列方向的强相关性、相似性,本文提出了一种基于显著区域检测的分割方法。通过按列方建立轮胎积分图像并对其进行显著区域检测,最后根据胎圈、胎侧和胎冠部位在显著区域数量上的差异实现轮胎图像分割。该方法充分利用积分图计算量小、效率高的特点,不仅满足轮胎分割实时性需求,而且部分标记出来的显著区域还将作为轮胎缺陷的‘‘候选集’’。2.提出了一种轮胎缺陷钢丝帘线检测的方法。针对轮胎胎侧钢丝帘线结构本文采用伽玛校正减弱背景噪声、突出钢丝带束层结构。然后通过使用Canny的边缘检测算子提取钢丝轮廓,并采用8连通域方法进行填充处理,实现轮胎胎侧钢丝帘线结构提取。最后,设计相应钢丝帘线缺陷准则最终实现了轮胎钢丝帘线缺陷检测。3.根据轮胎异物缺陷特征,提取缺陷纹理强边缘几何特征,采用一种基于经验规则法设计轮胎异物缺陷分类器,对提取的疑似区域特征进行分类判别,滤除误报区域,从而达到对轮胎内部异物缺陷检测的目的。4.提出一种基于机器学习的轮胎杂质分类方法。针对轮胎异物检测算法误检率高问题,本文分别通过提取高维度杂质图像特征向量对杂质信息进行表达以弥补特征不足、采用支持向量SVM分类器替代基于经验规则分类器以弥补分类器鲁棒性不足。分别提取杂质缺陷图像15组特征信息,并通过网格搜索法计算SVM分类器最优惩罚参数C和RBF核参数δ,最后通过多组对比实验验证了该方法在杂质分类方面的有效性和实用性。此外,文章最后利用基于多核学习的方法实现轮胎杂质缺陷特征筛选,筛选出来的特征向量在满足分类效果与全部特征接近的情况下,维度实现大大将低。