System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于红外与深度学习技术的汽车轮胎质量检测方法与系统技术方案_技高网

基于红外与深度学习技术的汽车轮胎质量检测方法与系统技术方案

技术编号:42933356 阅读:9 留言:0更新日期:2024-10-11 15:55
本发明专利技术提供一种基于红外与深度学习技术的汽车轮胎质量检测方法与系统,通过对轮胎进行工业物联网的图像采集,并由后台进行图像识别,利用智能模型对图像中的红外热成像图像特征以及表面图像特征进行识别,以此进行相应特征的统计判断。能够全程实现无人化的智能质检操作,不需要依赖质检人员的经验和注意力,节省人工成本;同时能够让系统按照统一的标准对各个轮胎进行客观检测,避免主观性导致的检测偏差。能够适应大规模轮胎生产以及轮胎应用的表面质量检测,相对人工检测,大大提高检测效率。在不同温度和压力下进行模拟检测,对轮胎胎进行表面热成像检测,以此来检测轮胎的表面耐热性与应用性,进一步提高轮胎表面检测的高性能检测质量。

【技术实现步骤摘要】

本专利技术涉及检测,特别是指一种基于红外与深度学习技术的汽车轮胎质量检测方法、基于红外与深度学习技术的汽车轮胎质量检测系统和电子设备与计算机可读取存储介质。


技术介绍

1、日常汽车轮胎生产以及在后续应用中,需要对轮胎的应用品质进行实时检查,判断轮胎质量是否满足应用需求,应用品质是否合格。

2、轮胎质量检测的必要性在于确保行车安全,延长轮胎使用寿命,减少因轮胎问题导致的交通事故。

3、轮胎表面质量检测通常包括视觉检查、触觉检查和使用专门的检测设备进行检测。视觉检查主要依靠人工检查轮胎表面是否有裂纹、气泡、异物嵌入等缺陷。触觉检查则是通过触摸轮胎表面来感知不规则的磨损或凸起。专门的检测设备如激光扫描仪、光学检测系统等可以更精确地检测轮胎表面的微小缺陷。

4、然而,这些检测方法也存在一些缺点。主要有如下检测缺陷:

5、1.视觉检查和触觉检查依赖于操作人员的经验和注意力,容易受到疲劳和主观判断的影响,导致检测结果的不一致性;且检测需要消耗一定成本,需要检测人员具有良好的职业素养和经验,因此其检测结果带有一定的主观性,无法提供客观的检测标准;且依靠人工检测的方法,检测效率较低,难以适应大规模生产的需求;

6、2.在检测过程中,使用专门检测设备虽然提高了检测的准确性和效率,但设备成本较高,需要定期维护和校准,且对于一些微小的缺陷可能仍然不够敏感;

7、3.传统检测是静态检测,是将轮胎置于静态环境中所检测的工作,无法对轮胎在不同温度和压力下的实用性进行检测,缺乏动态模拟检测;尤其是新生产的轮胎,更需要在不同温度和压力的环境下对其实用性进行动态模拟检测,以此判断其实用性,以此弥补常规检测的不足;

8、4.轮胎在高速行驶时,由于摩擦和压缩作用,其表面温度会显著升高,而这种高温可能导致以下几种缺陷:胶料老化:高温会加速轮胎胶料的氧化过程,导致胶料老化,降低轮胎的弹性和强度;结构损坏:轮胎内部结构在高温下可能发生变化,如帘线松弛或断裂,这会减弱轮胎的承载能力和稳定性;气压异常:高温会导致轮胎内部气体膨胀,若气压过高,可能会引起轮胎爆裂;胎面磨损:高温使得胎面橡胶软化,导致磨损速度加快,减少轮胎的使用寿命;胎面剥落:在极端高温下,胎面与胎体之间的粘合可能失效,造成胎面剥落。而现有检测并未考虑到高温下的轮胎表面耐热性和应用性的检测。


技术实现思路

1、为了解决现有技术存在的技术问题,本专利技术提供了如下技术方案:

2、一方面,提供了一种基于红外与深度学习技术的汽车轮胎质量检测方法,该方法由电子设备实现,该方法包括:

3、s1、获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面红外热成像图像和表面摄像图像;

4、s2、对所述表面红外热成像图像和所述表面摄像图像进行切图处理,生成由若干红外热成像切片组成的第一图像集和由若干表面摄像切片组成的第二图像集;

5、s3、遍历所述第一图像集中,随机抽取若干组所述红外热成像切片并导入预设的轮胎质量检测模型中,通过所述轮胎质量检测模型识别并输出所述红外热成像切片中的热成像温度分布特征;

6、s4、遍历所述第二图像集中,随机抽取若干组所述表面摄像切片并导入预设的轮胎质量检测模型中,通过所述轮胎质量检测模型识别并输出所述表面摄像切片中的表面图像特征;

7、s5、分别统计不满足轮胎质检规则的所述热成像温度分布特征的数量t1与不满足轮胎质检规则的所述表面图像特征的数量t2,计算并输出对应的占比:ρ=(t1+t2)/w,其中,ρ为占比,w为抽样总数且w≥500;

8、s6、不合格判断:

9、若t1/w≥a%或t2/w≥b%或ρ≥c%,则判定待检测轮胎不合格;其中,a、b、c均为系统预先设定的大于0的占比阈值,取值范围为0~0.5;

10、反之合格;

11、将判断结果反馈至轮胎质检中心的检测终端。

12、作为本专利技术的一种优选实施方案,优选地,步骤s1中,所述获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面红外热成像图像,包括:

13、轮胎质检中心依次调整不同温度和压力的检测环境,并将所述检测环境的调整结果通过所述检测终端告知后台服务器;

14、所述后台服务器收到所述检测环境的调整结果之后,生成第一采样指令,并通过工业网关将所述第一采样指令转发至轮胎质检中心;

15、通过轮胎质检中心的通信模块接收所述第一采样指令并转发至控制器,由所述控制器执行所述第一采样指令,控制红外热像仪工作,采集待检测轮胎的表面红外热成像图像;

16、按照上述步骤,依次采集待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的所述表面红外热成像图像,并将所述表面红外热成像图像通过工业网关上传至所述后台服务器。

17、作为本专利技术的一种优选实施方案,优选地,步骤s1中,所述获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面摄像图像,包括:

18、在所述后台服务器生成第一采样指令并通过工业网关将所述第一采样指令转发至轮胎质检中心之后,间隔0.5~1.5ms生成第二采样指令并通过工业网关将所述第二采样指令转发至轮胎质检中心;

19、通过轮胎质检中心的通信模块接收所述第二采样指令并转发至控制器,由所述控制器执行所述第二采样指令,控制3d相机工作,采集待检测轮胎的表面摄像图像;

20、按照上述步骤,依次采集待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的所述表面摄像图像,并将所述表面摄像图像通过工业网关上传至所述后台服务器。

21、作为本专利技术的一种优选实施方案,优选地,在步骤s1之前,还包括:

22、通过轮胎质检中心的红外扫码器,扫描待检测轮胎的二维码,获取待检测轮胎的身份信息,并通过工业网关上传至所述后台服务器;

23、所述后台服务器根据待检测轮胎的所述身份信息,在轮胎管理模块中创建待检测轮胎的质检档案并保存在后台数据库中;

24、所述质检档案,用于记录:待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面红外热成像图像和表面摄像图像及其判断结果。

25、作为本专利技术的一种优选实施方案,优选地,所述轮胎质量检测模型的生成方法,包括:

26、准备若干不合格轮胎的表面红外热成像图像集和表面摄像图像集;

27、对所述表面红外热成像图像集进行特征工程,构建包含温度热点、温度梯度以及温度分布模式的热成像温度分布特征集;

28、对所述表面摄像图像集进行特征工程,构建包含不同表面缺陷类型的表面图像特征集;

29、为所述热成像温度分布特征集和所述表面图像特征集中的各个特征元素添加不合格标签,构建得到训练数据集;

30、准备卷积神经网络模型,并调整好模型参数;

31、将所本文档来自技高网...

【技术保护点】

1.一种基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,步骤S1中,所述获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面红外热成像图像,包括:

3.根据权利要求2所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,步骤S1中,所述获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面摄像图像,包括:

4.根据权利要求1所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,在步骤S1之前,还包括:

5.根据权利要求1所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,所述轮胎质量检测模型的生成方法,包括:

6.根据权利要求5所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,所述准备若干不合格轮胎的表面红外热成像图像集和表面摄像图像集,包括:

7.一种基于红外与深度学习技术的汽车轮胎质量检测系统,所述基于红外与深度学习技术的汽车轮胎质量检测系统用于实现如权利要求1-6中任一项所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,所述系统包括轮胎质检中心、工业网关和后台服务器,其中:

8.根据权利要求7所述的基于红外与深度学习技术的汽车轮胎质量检测系统,其特征在于,所述轮胎质检中心,包括:

9.一种电子设备,其特征在于,所述电子设备包括:

10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1至6中任一项所述的方法。

...

【技术特征摘要】

1.一种基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,步骤s1中,所述获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面红外热成像图像,包括:

3.根据权利要求2所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,步骤s1中,所述获取待检测轮胎在轮胎质检中心的不同温度和压力检测环境中所表现的表面摄像图像,包括:

4.根据权利要求1所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,在步骤s1之前,还包括:

5.根据权利要求1所述的基于红外与深度学习技术的汽车轮胎质量检测方法,其特征在于,所述轮胎质量检测模型的生成方法,包括:

6.根据权利...

【专利技术属性】
技术研发人员:张功杰刘云良
申请(专利权)人:韩泰轮胎有限公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1