轮胎检测方法、设备、系统、程序产品及存储介质技术方案

本申请实施例提供一种轮胎检测方法、设备、系统、程序产品及存储介质。在本申请实施例中，利用以正常轮胎的历史X光图像为样本训练得到的图像重构模型，对待检测轮胎的X光图像进行图像重构，得到X光图像的重构图像。由于图像重构模型是以正常轮胎的历史X光图像为样本训练得到的，因此，针对有缺陷的轮胎，其重构图像和X光图像差异较大。基于此，可计算待检测轮胎的X光图像与重构图像之间的相似度；并根据待检测轮胎的X光图像与重构图像之间的相似度，确定待检测轮胎的质量，实现了轮胎质量的自动化检测，无需依赖人工经验，有助于提高轮胎质量检测的准确度。胎质量检测的准确度。胎质量检测的准确度。

【技术实现步骤摘要】
轮胎检测方法、设备、系统、程序产品及存储介质


[0001]本申请涉及轮胎质检
，尤其涉及一种轮胎检测方法、设备、系统、程序产品及存储介质。

技术介绍

[0002]轮胎的制造对工艺流程要求高，在制造过程中容易受到操作失误或生产设备等因素的影响，导致轮胎质量不合格。轮胎可能存在多种缺陷，如帘线重叠、接头胎稀、杂物、胎侧或胎肩气泡等。
[0003]目前轮胎工业中，经常通过X光来检测生产出的轮胎是否包含缺陷。但是，目前依赖肉眼识别轮胎X光图像，误检现象非常严重。

技术实现思路

[0004]本申请的多个方面提供一种轮胎检测方法、设备、系统、程序产品及存储介质，用以提高轮胎质量检测准确度，降低误检概率。
[0005]本申请实施例提供一种轮胎检测方法，包括：获取待检测图像；所述待检测图像为待检测轮胎的X光图像；利用图像重构模型对所述待检测图像进行图像重构，以获取所述待检测图像的重构图像；所述图像重构模型是以正常轮胎的历史X光图像为样本训练得到的；计算所述待检测图像与所述重构图像之间的相似度；以及，根据所述待检测图像与所述重构图像之间的相似度，确定所述待检测轮胎的质量。
[0006]本申请实施例还提供一种检测方法，包括：获取待检测图像；所述待检测图像为待检测对象的图像；利用图像重构模型对所述待检测图像进行图像重构，以获取所述待检测图像的重构图像；其中，所述图像重构模型是以正常对象的历史图像训练得到的；计算所述待检测图像与所述重构图像之间的相似度；以及，根据所述待检测图像与所述重构图像之间的相似度，确定所述待检测对象的质量。
[0007]本申请实施例还提供一种轮胎检测系统，包括：X光机和计算机设备；
[0008]所述X光机，用于向待检测轮胎发生X射线；并接收所述X射线穿透所述待检测轮胎产生的辐射信号；以及将所述辐射信号转换为X光图像；并将所述X光图像提供给所述计算机设备；
[0009]所述计算机设备，用于利用图像重构模型对所述X光图像进行图像重构，以获取所述X光图像的重构图像；计算所述X光图像与所述重构图像之间的相似度；根据所述X光图像与所述重构图像之间的相似度，确定所述待检测轮胎的质量；其中，所述图像重构模型是以正常轮胎的历史X光图像为样本训练得到的。
[0010]本申请实施例还提供一种X光机，包括：机械本体；所述机械本体设置有容纳腔；所述容纳腔中设置有X光发射器和X光探测器；
[0011]所述机械本体上还设置有信号采集单元和处理单元；所述信号采集单元电连接于所述X光探测器和所述处理单元之间；
[0012]其中，所述容纳腔用于承载待检测轮胎；所述X光发射器，用于向外发射X射线；所述X射线可穿透所述待检测轮胎；
[0013]所述X光探测器，用于接收所述X射线穿透所述待检测轮胎产生的辐射信号；
[0014]所述信号采集单元，用于采集所述辐射信号，并将所述辐射信号转换为X光图像；以及，将所述X光图像提供给所述处理单元；
[0015]所述处理单元，用于利用图像重构模型对所述X光图像进行图像重构，以获取所述X光图像的重构图像；计算所述X光图像与所述重构图像之间的相似度；并根据所述X光图像与所述重构图像之间的相似度，确定所述待检测轮胎的质量；其中，所述图像重构模型是以正常轮胎的历史X光图像为样本训练得到的。
[0016]本申请实施例还提供一种计算机设备，包括：存储器和处理器；其中，所述存储器，用于存储计算机程序；
[0017]所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行上述各检测方法中的步骤。
[0018]本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行上述轮胎检测方法和/或检测方法中的步骤。
[0019]本申请实施例还提供一种计算机程序产品，包括：计算机程序；所述计算机程序被处理器执行用于实现上述轮胎检测方法和/或检测方法。
[0020]在本申请实施例中，利用以正常轮胎的历史X光图像为样本训练得到的图像重构模型，对待检测轮胎的X光图像进行图像重构，得到X光图像的重构图像。由于图像重构模型是以正常轮胎的历史X光图像为样本训练得到的，因此，针对有缺陷的轮胎，其重构图像和X光图像差异较大。基于此，可计算待检测轮胎的X光图像与重构图像之间的相似度；并根据待检测轮胎的X光图像与重构图像之间的相似度，确定待检测轮胎的质量，实现了轮胎质量的自动化检测，无需依赖人工经验，有助于提高轮胎质量检测的准确度。
附图说明
[0021]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0022]图1a为本申请实施例提供的轮胎检测系统的结构示意图；
[0023]图1b为本申请实施例提供的图像重构模型的内部结构示意图；
[0024]图1c为本申请实施例提供的编码器的内部结构示意图；
[0025]图1d为本申请实施例提供的解码器的内部结构示意图；
[0026]图1e为本申请实施例提供的轮胎检测过程示意图；
[0027]图1f和图1g为本申请实施例提供的图像重构模型的训练过程示意图；
[0028]图1h为本申请实施例提供的相似度计算过程示意图；
[0029]图2为本申请实施例提供的轮胎检测方法的流程示意图；
[0030]图3为本申请实施例提供的检测方法的流程示意图；
[0031]图4为本申请实施例提供的计算机设备的结构示意图；
[0032]图5为本申请实施例提供的X光机的结构框图。
具体实施方式
[0033]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0034]针对现有轮胎质量检测依赖于人工经验，检测准确度较低的技术问题，在本申请一些实施例中，利用以正常轮胎的历史X光图像为样本训练得到的图像重构模型，对待检测轮胎的X光图像进行图像重构，得到X光图像的重构图像。由于图像重构模型是以正常轮胎的历史X光图像为样本训练得到的，因此，针对有缺陷的轮胎，其重构图像和X光图像差异较大。基于此，可计算待检测轮胎的X光图像与重构图像之间的相似度；并根据待检测轮胎的X光图像与重构图像之间的相似度，确定待检测轮胎的质量，实现了轮胎质量的自动化检测，无需依赖人工经验，有助于提高轮胎质量检测的准确度。
[0035]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0036]应注意到：相同的标号在下面的附图以及实施例中表示同一物体，因此，一旦某一物体在一个附图或实施例中被定义，则在随后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轮胎检测方法，其特征在于，包括：获取待检测图像；所述待检测图像为待检测轮胎的X光图像；利用图像重构模型对所述待检测图像进行图像重构，以获取所述待检测图像的重构图像；所述图像重构模型是以正常轮胎的历史X光图像为样本训练得到的；计算所述待检测图像与所述重构图像之间的相似度；根据所述待检测图像与所述重构图像之间的相似度，确定所述待检测轮胎的质量。2.根据权利要求1所述的方法，其特征在于，所述利用图像重构模型对所述待检测图像进行图像重构，包括：将所述待检测图像输入所述图像重构模型；在所述图像重构模型中，对所述待检测图像进行特征提取，以获取所述待检测图像的图像特征；利用所述待检测图像的图像特征进行图像重构，以获取所述待检测图像的重构图像。3.根据权利要求1所述的方法，其特征在于，在利用图像重构模型对所述待检测图像进行图像重构之前，还包括：以所述正常轮胎的历史X光图像为训练样本，对生成式对抗网络进行生成式对抗训练，直至满足设定的停止条件；将满足设定的停止条件时的生成式对抗网络中的生成器，作为所述图像重构模型。4.根据权利要求3所述的方法，其特征在于，所述对所述生成式对抗网络进行对生成式抗训练，包括：以第一损失函数最小化为训练目标，以所述历史X光图像为训练样本，对当前生成器进行训练，以得到目标生成器；所述第一损失函数是根据所述历史X光图像和当前生成器生成的重构图像确定的；将所述历史X光图像输入所述目标生成器进行图像重构，以得到所述历史X光图像的重构图像；利用所述生成式对抗网络中的当前辨别器甄别所述历史X光图像与所述历史X光图像的重构图像；计算当前辨别器针对所述历史X光图像的重构图像的甄别概率；判断所述甄别概率是否小于或等于设定的概率阈值；若大于，则以第二损失函数最小化为训练目标，以所述历史X光图像及其重构图像为训练样本，对当前辨别器进行训练，以得到所述目标辨别器；所述第二损失函数是根据当前辨别器对所述历史X光图像和所述历史X光图像的重构图像的实际甄别情况确定的；判断当前循环次数是否达到设定的轮次；若未达到，则将所述目标生成器作为当前生成器；并将所述目标辨别器作为当前辨别器，并返回执行所述对当前生成器进行训练的操作，直至所述甄别概率小于或等于设定的概率阈值，或，所述循环次数达到设定的轮次。5.根据权利要求4所述的方法，其特征在于，在对当前生成器进行训练的过程中，还包括：利用当前辨别器中的编码器对所述历史X光图像和当前生成器生成的重构图像进行特征提取，以得到所述历史X光图像的图像特征及当前生成器生成的重构图像的图像特征；计算所述历史X光图像的图像特征及当前生成器生成的重构图像的图像特征之间的距
离；计算所述历史X光图像和当前生成器生成的重构图像之间的像素差异；根据所述历史X光图像和当前生成器生成的重构图像之间的像素差异，以及，所述历史X光图像的图像特征及当前生成器生成的重构图像的图像特征之间的距离，确定所述第一损失函数。6.根据权利要求4所述的方法，其特征在于，在对当前生成器进行训练的过程中，还包括：根据当前辨别器对所述历史X光图像和所述历史X光图像的重构图像的实际甄别情况，计算当前辨别器甄别所述历史X光图像和所述历史X光图像的重构图像的最小二乘损失函数，作为所述第二损失函数。7.根据权利要求1所述的方法，其特征在于，所述计算所述待检测图像与所述待检测图像的重构图像之间的相似度，包括以下至少一种计算方式：计算所述待检测图像与其重构图像之间的像素差异，作为所述待检测图像与所述待检测图像的重构图像之间的相似度；获取所述待检测图像的图像特征及所述待检测图像的重构图像的图像特征；计算所述待检测图像的图像特征与其所述重构图像的图像特征之间的距离，作为所述待检测图像与所述待检测图像的重构图像之间的相似度。8.根据权利要求7所述的方法，其特征在于，所述根据所述待检测图像与所述待检测图像的重构图像之间的相似度，确定所述待检测轮胎的质量，包括：对所述至少一种计算方式计算出的相似度进行加权计算，以得到加权计算结果；根据所述加权计算结果，确定所述待检测轮胎的质量。9.根据权利要求8所述的方法，其特征在于，所述根据所述加权计算结果，确定所述待检测轮胎的质量，包括：对所述加权计算结果进行归一化处理，以得到所述待检测图像的异常分数；根据所述待检测图像的异常分数，确定所述待检测轮胎的质量。10.根据权利要求9所述的方法，其特征在于，所述根据所述待检测图像的异常分数，确定所述待检测轮胎的质量，包括：若所述待检测图像的异常分数大于或等于设定的异常阈值，则确定所述待检测轮胎存在缺陷。11.根据权利要求1
‑
10任一项所述的方法，其特征在于，还包括：通过显示组件显示针对所述待检测轮胎的质量检测结果；或者，将针对所述待检测轮胎的质量检测结果发送给所述待检测图像的提供方，以供所述提供方输出所述质量检测结果。12.根据权利要求1
...

【专利技术属性】
技术研发人员：殷列栋，陈彬彬，邓超，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：