轮胎的缺陷检测方法
阅读：206发布：2020-05-30
专利汇可以提供轮胎的缺陷检测方法专利检索，专利查询，专利分析的服务。并且提供能够高 精度 地检测轮胎表面的薄大凸 缺陷 的轮胎的缺陷检测方法。在步骤S1开始之前，预先连续地取得包含狭缝光像的二维图像。在步骤S1中，从所拍摄的多个二维图像数据提取狭缝光像。在步骤S2中，从所提取的狭缝光像将作为因偏心而导致的模糊的偏心成分除去。在步骤S3中，基于除去偏心成分后的光像算出特征量，在步骤S4中，基于所算出的特征量检测薄大凸缺陷。，下面是轮胎的缺陷检测方法专利的具体信息内容。
1.一种轮胎的缺陷检测方法，
检测设置有胎面图案的轮胎的胎面部的接地面的凸状缺陷，其特征在于，包含：
拍摄工序，一边使上述轮胎绕轴线旋转，一边将狭缝光以其长边方向与轮胎的宽度方向平行的方式照射到上述胎面部，连续地拍摄包含狭缝光照射的区域的二维图像；
提取工序，将所拍摄的各二维图像中出现的狭缝光的光像中的直线状光像以外的光像除去，提取上述直线状光像，上述直线状光像是上述胎面部的接地面的光像；
除去工序，从包含所提取的直线状光像的二维图像将由轮胎的旋转导致的上述接地面的位移的影响除去；
算出工序，将除去上述位移的影响后的各二维图像中的直线状光像的位置和除去上述位移的影响后的所有的二维图像中的直线状光像的平均位置的差作为每个二维图像的特征量算出；以及
检测工序，将所算出的每个二维图像的特征量和预先决定的阈值进行比较，在特征量比阈值大的情况下检测为有缺陷，
在上述除去工序中，按每个包含所提取的直线状光像的二维图像，算出所提取的直线状光像的重心位置，将所算出的各重心位置间的变化作为波形数据进行傅立叶变换，对从利用傅立叶变换得到的频谱去掉高频成分而得到的频谱进行傅立叶逆变换，求出傅立叶逆变换后的重心位置即变换后重心位置，将上述重心位置和上述变换后重心位置的差分作为上述接地面的位移的影响。
2.根据权利要求1所述的轮胎的缺陷检测方法，其特征在于，
在上述算出工序中，将除去上述位移的影响后的二维图像与上述轮胎的周方向平行地分割为多个块，按每个分割的块算出特征量。
轮胎的缺陷检测方法
技术领域
[0001] 本发明涉及检测轮胎表面的缺陷的缺陷检测方法。
背景技术
[0002] 在轮胎表面的缺陷检查中，使用基于照射狭缝光而得到的狭缝光像来检查缺陷的方法。
[0003] 专利文献1所记载的检查方法是，根据利用第1狭缝光对轮胎表面照射的线部分的线传感器所得的外观数据和利用第2狭缝光照射的相同线部分的区域传感器所得的形状数据，进行轮胎的外观形状的合格与否的判定。
[0004] 另外，专利文献2所记载的检查方法是，根据一边使轮胎旋转一边用区域传感器拍摄狭缝光的照射部从而得到的浓淡（或者色彩）和位置信息，进行外观和形状的合格与否的判定。
[0005] 现有技术文献
[0006] 专利文献
[0007] 专利文献1：特开2001-249012号公报
[0008] 专利文献2：特开2003-240521号公报
发明内容
[0009] 发明要解决的问题
[0010] 作为轮胎表面的缺陷，有较薄地扩展的凸状缺陷（以下称为“薄大凸缺陷”。）。该缺陷难以通过肉眼发现，需要通过如专利文献1、2所记载的那样的狭缝光像进行检查。
[0011] 另外，为了高效地检查整个表面，优选一边使轮胎绕旋转轴线旋转一边连续地取得狭缝光像来检查。
[0012] 专利文献1所记载的检查方法是，用线传感器和区域相机两者取得狭缝光像，它们的位置关系等的调整是困难的。另外，未考虑一边使轮胎旋转一边连续地检查。
[0013] 在一边使轮胎旋转一边检查的情况下，所拍摄的狭缝光像会产生模糊。该模糊是由于轮胎的外径本身不是正圆、产生轮胎的旋转中心和使轮胎旋转的旋转台的旋转中心不一致的偏心而导致的，在轮胎的径方向模糊，使得薄大凸缺陷的检测更为困难。
[0014] 专利文献2所记载的检查方法是一边使轮胎旋转一边检查的方法，但未考虑这种拍摄时的模糊，因此无法高精度地检测薄大凸缺陷。
[0015] 本发明的目的是提供能够高精度地检测轮胎表面的薄大凸缺陷的轮胎的缺陷检测方法。
[0016] 用于解决问题的方案
[0017] 本发明是轮胎的缺陷检测方法，检测设置有胎面图案的轮胎的胎面部的接地面的凸状缺陷，其特征在于，包含：
[0018] 拍摄工序，一边使上述轮胎绕轴线旋转，一边将狭缝光以其长边方向与轮胎的宽度方向平行的方式照射到上述胎面部，连续地拍摄包含狭缝光照射的区域的二维图像；
[0019] 提取工序，将所拍摄的各二维图像中出现的狭缝光的光像中的直线状光像以外的光像除去，提取上述直线状光像，上述直线状光像是上述胎面部的接地面的光像；
[0020] 除去工序，从包含所提取的直线状光像的二维图像，将由轮胎的旋转导致的上述接地面的位移的影响除去；
[0021] 算出工序，将除去上述位移的影响后的各二维图像中的直线状光像的位置和除去上述位移的影响后的所有的二维图像中的直线状光像的平均位置的差作为每个二维图像的特征量算出；以及
[0022] 检测工序，将所算出的每个二维图像的特征量和预先决定的阈值进行比较，在特征量比阈值大的情况下检测为有缺陷，
[0023] 在上述除去工序中，按每个包含所提取的直线状光像的二维图像，算出所提取的直线状光像的重心位置，将所算出的各重心位置间的变化作为波形数据进行傅立叶变换，对从利用傅立叶变换得到的频谱去掉高频成分而得到的频谱进行傅立叶逆变换，求出傅立叶逆变换后的重心位置即变换后重心位置，将上述重心位置和上述变换后重心位置的差分作为上述接地面的位移的影响。
[0024] 另外，在本发明中，优选在上述算出工序中，将除去上述位移的影响后的二维图像与上述轮胎的周方向平行地分割为多个块，按每个分割的块算出特征量。
[0025] 发明效果
[0026] 根据本发明，在拍摄工序中，一边使轮胎绕轴线旋转，一边将狭缝光以其长边方向与轮胎的宽度方向平行的方式照射到上述轮胎的胎面部，连续地拍摄包含狭缝光照射的区域的二维图像。在提取工序中，将所拍摄的各二维图像中出现的狭缝光的光像中的直线状光像以外的光像除去，提取上述直线状光像，上述直线状光像是上述胎面部的接地面的光像。
[0027] 在除去工序中，从包含所提取的直线状光像的二维图像将由轮胎的旋转导致的上述接地面的位移的影响除去，在算出工序中，将每个包含除去上述位移的影响后的直线状光像的二维图像中的直线状光像的位置和所有的二维图像中的直线状光像的平均位置的差作为每个二维图像的特征量算出。
[0028] 在检测工序中，将所算出的每个二维图像的特征量和预先决定的阈值进行比较，在特征量比阈值大的情况下检测为有缺陷。
[0029] 由此，仅通过用区域相机拍摄狭缝光的光像，就能够以简单的构成来检测缺陷。另外，利用除去工序，将由旋转导致的接地面的位移的影响除去，因此能够高精度地检测轮胎表面的缺陷。
[0030] 根据本发明，在上述除去工序中，按每个二维图像，算出所提取的直线状光像的重心位置，将所算出的重心位置的位移作为波形数据进行傅立叶变换。对从利用傅立叶变换得到的频谱去掉高频成分而得到的频谱进行傅立叶逆变换，求出傅立叶逆变换后的重心位置即变换后重心位置。将上述重心位置和上述变换后重心位置的差分作为上述接地面的位移的影响。例如，只要使直线状光像的位置移动该差分的量，就能够将上述接地面的位移的影响除去。
[0031] 根据本发明，在上述算出工序中，将二维图像与上述轮胎的周 方向平行地分割为多个块，按每个分割的块算出特征量。块表示出轮胎的宽度方向的位置，因此能够基于检测出缺陷的块来容易地检测轮胎表面的实际的缺陷位置。附图说明
[0032] 本发明的目的、特色以及优点通过下述的详细说明和附图会变得更为明确。
[0033] 图1A是示出拍摄轮胎表面的狭缝光像的状态的概要立体图。
[0034] 图1B是示出拍摄轮胎表面的狭缝光像的状态的概要俯视图。
[0035] 图2是示出作为本发明的实施方式的缺陷检测方法的流程图。
[0036] 图3是示出狭缝光像的提取次序的流程图。
[0037] 图4是示出利用区域相机拍摄的二维图像的一例的图。
[0038] 图5是示出预处理后的图像的图。
[0039] 图6是示出标记和除去噪声后的图像的图。
[0040] 图7是示出所提取的直线状区域的图像的图。
具体实施方式
[0041] 以下，参考附图详细地说明本发明的优选实施方式。
[0042] 图1A是示出拍摄轮胎表面的狭缝光像的状态的概要立体图。如图1A所示，作为检查对象的轮胎1载置于旋转台2上，一边使旋转台2绕轴线旋转，一边对轮胎表面照射狭缝光L。狭缝光以其长边方向与轮胎的宽度方向平行的方式照射。在轮胎1的胎面部的表面，沿着周方向设置有槽（胎面图案），狭缝光像主要包括胎面部的接地面、槽部的内壁面以及底面三个区域的光像。
[0043] 图1B是示出拍摄轮胎表面的狭缝光像的状态的概要俯视图。如图1B所示，从狭缝光源3将狭缝光L照射到轮胎1的胎面部的接地面，利用区域相机4，拍摄包含狭缝光照射的区域的规定的区域，取得二维图像数据。这时，利用旋转台2使轮胎1绕旋转轴线旋转，区域相机4能够连续地取得轮胎1的表面的狭缝光像。
[0044] 在本实施方式中，狭缝光L是激光，例如能够使用波长为650nm 左右的红色激光、波长为530nm左右的绿色激光等。作为激光的光源，例如能够使用内欧阿克（ネオアーク）株式会社生产的激光头（DMSH-6505L、波长为650nm、输出为3mW）等。此外，可以照射1束或者多束狭缝光L，在照射多束的情况下，得到的狭缝光像也成为多个。后述的各工序对照射了1束狭缝光的情况进行说明，但在照射多束的情况下，只要按每个狭缝光像进行同样的处理即可。
[0045] 此外，作为提取狭缝光像的对象的二维图像数据例如是遮挡住向轮胎表面的外部光来拍摄的。遮挡的方法是将进行拍摄的室内的狭缝光源3以外的光源例如室内灯等全部熄灭。优选在没有窗户的室内拍照。在有窗户的情况下，利用黑窗帘、遮光帘、百叶窗等遮挡住外部光。另外，也可以将轮胎1、旋转台2、狭缝光源3以及区域相机4全部用暗箱罩住。而且，还可以对区域相机4的镜头安装不会透射狭缝光以外的光的滤光器。例如能够使用VS Technology公司生产的红色滤光器（SV-R60-270）等。
[0046] 在轮胎1的胎面部的接地面存在薄大凸缺陷的情况下，由照射到凸部分的狭缝光L形成的狭缝光像作为沿着凸部分的表面形状的像而被得到，因此只要能够检测出狭缝光像中的因这种薄大凸缺陷而形成的像（缺陷像），就能够检测出薄大凸缺陷。
[0047] 在此，薄大凸缺陷是缺陷，因此大小、形状是各式各样的，但作为应检测出的缺陷，2
是大概的面积为100mm以上，从胎面部的接地面起的高度为0.3mm以上的凸状部分。
是大概的面积为100mm以上，从胎面部的接地面起的高度为0.3mm以上的凸状部分。
[0048] 缺陷像在从狭缝光像中的直线状光像偏离的位置出现，上述直线状光线是胎面部的接地面的光像，因此将从直线状光像的偏离量作为特征量来检测缺陷。
[0049] 本发明的实施方式的大致次序是，在测量轮胎表面整周后，首先，在所拍摄的二维图像的各帧中，提取狭缝光像的投影结果。作为所提取的各帧中的狭缝光像的代表位置而求出横坐标（以下，X坐标）的平均值。X坐标的平均值会随着帧的前进而向左右位移，但该位移是由轮胎的偏心旋转导致的，因此基于位移量将偏心成分除去。对除去偏心成分后的图像求出特征量，进行缺陷的检测。
[0050] 图2是示出作为本发明的实施方式的缺陷检测方法的流程图。
[0051] 在步骤S1开始前，预先用图1所示的方法，连续地取得包含狭缝光像的二维图像。
[0052] 在步骤S1中，从所拍摄的多个二维图像数据提取狭缝光像。在步骤S2中，从所提取的狭缝光像将作为因偏心而导致的模糊的偏心成分除去。在步骤S3中，基于除去偏心成分后的光像算出特征量，在步骤S4中，基于所算出的特征量检测薄大凸缺陷。
[0053] 以下，详细地说明上述各步骤。
[0054] ＜步骤S1＞狭缝光像的提取
[0055] 狭缝光像的提取是，为了检测出缺陷像，从狭缝光像将直线状光像以外的像即因设置于胎面部的槽而形成的光像等除去，仅提取直线状光像。图3是示出狭缝光像的提取次序的流程图。
[0056] 此外，狭缝光的尺寸在本实施方式中是长度为200mm且宽度为3mm。图4是示出利用区域相机4拍摄的二维图像的一例的图。仅狭缝光照射的部分作为光像被拍摄，其它部分未在图像中出现。另外，3个曲线状部分是因胎面图案的槽而形成的，显得粗的部分是在按胎面部的接地面所描绘的色线处有反射的部分。
[0057] 将这种因槽而形成的光像、因反射而形成的光像等除去，仅提取投影到接地面的狭缝光像。
[0058] 如图3所示，在步骤A1中进行预处理，在步骤A2中进行光像的标记和噪声的除去，仅提取狭缝光像的直线状区域。
[0059] [步骤A1]预处理
[0060] 作为预处理，将所拍摄的二维图像数据二值化，而且施行膨胀处理和收缩处理。二值化时的阈值能够用公知的决定方法来决定，但在本实施方式中，使用了判别分析法。对二值化后的图像数据进行m次膨胀处理后，进行m次收缩处理。例如是m=3。在此，先进行膨胀处理，由此，即使是所拍摄的狭缝光像有裂缝的情况下也能够消除裂缝。
[0061] 图5是示出预处理后的图像的图。接地面的狭缝光像和接地面以外的狭缝光像连结着或者平行地孤立。另外，因反射而形成的光 像变粗的部分由于本来光量较弱而作为光像来说亮度值较小，基本上能够通过二值化处理除去，但狭缝光附近的光像的亮度值较高，因此变粗，即使通过预处理也无法除去。
[0062] 以上所说明的预处理是对1个帧进行的处理，对拍摄的所有的帧进行预处理。
[0063] [步骤A2]标记和除去噪声
[0064] 对狭缝光像因反射而变粗的部分、槽的内壁面以及底面的狭缝光像连结着的部分，算出该区域的光像的粗细。对整个图像施行标记处理，以各标记在X方向进行射影处理，从所有标记的射影像算出中央值Pn。在此，n是帧编号，按每1个帧进行射影处理和中央值的算出。
[0065] 首先，基于下述式（1）决定阈值thn,d。使用阈值thn,d对射影像的各行进行阈值处理，将阈值thn,d以上的行除去。通过该处理，能够将粗细为阈值thn,d以上的行删除，能够将槽的光像等因连结而变粗的部分除去。
[0066] 然后，基于下述式（2）决定阈值thn,s。将比阈值thn,d小的行中的阈值thn,s以上的行置换为与thn,s相同的值。由此，能够使不像连结部分那样粗但因反射而稍微变粗的部分变细。
[0067] [数1]
[0068] thn，d＝Pn×Cd …(1)
[0069] thn，s＝Pn×Cs …(2)
[0070] 在此，Cd和Cs是预先决定的系数。例如是Cd=2.5，Cs=1.2。
[0071] 图6是示出标记和除去噪声后的图像的图。在该阶段，残留有表示接地面的光像的直线状区域和表示槽的底面的光像的孤立区域。
[0072] [步骤A3]直线状区域的提取
[0073] 如图6所示，孤立区域是长度比直线状区域短的直线状，与作为接地面的光像的直线状区域大致平行。因此，使用直线状区域和孤立区域的所有的光像进行霍夫（Hough）变换，检测直线。由霍 夫变换检测出的直线中的上位的直线穿过直线状区域的可能性极高，因此采用上位k条（例如k=2）直线，留下k条直线中的任一条直线通过的标记，将其它标记除去，由此能够将孤立区域除去。图7是示出所提取的直线状区域的图像。除去了孤立区域，得到了仅残留有直线状区域的光像。
[0074] ＜步骤S2＞偏心成分的除去
[0076] 为了除去偏心成分，首先，将各帧中的直线状区域的平均X坐标值的位移作为波形数据作成。如下述式（3）所示，各帧的平均X坐标值xn为所提取的所有像素的X坐标的平均值。
[0077] [数2]
[0078]
[0079] fij＝1时，g＝i
[0080] 在此，n表示帧编号，Sn表示各帧中的所提取的直线状区域的面积（f=1的像素的像素数）。另外，整体的帧数使用2的乘方的数值。在式（3）中，算出直线状区域的重心位置的x坐标。
[0081] 将横轴设为帧数，将纵轴设为平均X坐标值进行绘制，由此得到波形数据。对所得到的波形数据进行傅立叶变换，求出频谱。对所得到的频谱，利用低通滤波器去掉高频成分。通过去掉高频成分，仅偏心成分的影响残留于频谱。
[0082] 对去掉高频成分而得到的频谱进行傅立叶逆变换，得到去掉高频后的平均X坐标值xn′。基于下述式（4）算出去掉高频后的平均坐标值和去掉高频前的平均坐标值的差分，求出偏心成分dn。
[0083] [数3]
[0084] dn＝xn′-xn …(4)
[0085] 作为将求出的偏心成分除去的方法，可以考虑各式各样的方法，例如能够通过相对于所拍摄的图像平行移动dn像素来进行偏心成分的除去。
[0086] ＜步骤S3＞特征量的算出
[0087] 特征量是将1个帧分割为多个块，按每个块求出平均X坐标值而得的。块是在与狭缝正交的方向分割而成的，例如分割为10mm宽度。
[0088] 将第n帧的第b个块中的x坐标的平均值设为Xn,b，在所有帧中算出Xn,b。平均X坐标值Xn,b能够用下述式（5）求出。
[0089] [数4]
[0090]
[0091] fij＝1时，g＝i
[0092] 接着，求出所有的帧中的每个块的平均X坐标值Mb。平均X坐标值Mb是基于下述式（6）对1个块算出所有的帧的平均值而求出的。
[0093] [数5]
[0094]
[0095] 在此，N是帧的总数，将所有的帧中的1个块的平均X坐标值的和除以帧总数，由此得到平均X坐标值Mb。N只要根据轮胎的大小、种类等适当选择即可，例如如果轮胎的外周长为2000mm，则使帧数为100，使得缺陷会被拍摄到即可。
[0096] 如下述式（7）所示，特征量Fn,b是作为每个块的平均X坐标值Xn,b和平均X坐标值Mb的差分值而得到的。
[0097] [数6]
[0098] Fn，b＝|Xn，b-Mb| …(7)
[0099] ＜步骤S4＞缺陷的检测
[0100] 在特征量Fn,b比阈值α大时，能够检测为n帧的b块的图像拍摄到 缺陷。帧表示轮胎的周方向的位置，块表示宽度方向的位置，因此只要知道拍摄到缺陷的帧和块，就知道实际的缺陷位置。
[0101] 本发明在不脱离其精神或者主要特征的情况下，能够通过其它各种方式实施。因此，前述的实施方式在各方面仅为示例，本发明的范围为权利要求所示的范围，而不受说明书正文任何约束。而且，属于权利要求的范围的变形、变更均在本发明的范围内。
[0102] 附图标记说明
[0103] 1 轮胎
[0104] 2 旋转台
[0105] 3 狭缝光源
[0106] 4 区域相机
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
缺陷热门专利
QQ群二维码
意见反馈
意见反馈