基于卷积神经网络的轮胎缺陷X光图像分类

摘要

轮胎缺陷的类型直接决定着轮胎是否为残次品或废品,对于轮胎定级具有重要参考价值,探索高性能的轮胎缺陷分类方法至关重要。采用卷积神经网络技术,提出一个端到端的图像自动分类算法。首先,从国内某轮胎生产线上通过现场运行的轮胎X光射线缺陷检测系统采集胎侧异物缺陷、胎冠异物缺陷、气泡缺陷、胎冠劈缝、胎侧开根5种最常见缺陷类型和1种正常胎侧图像作为分类目标,并且依据缺陷图像的缺陷尺度,将每幅图像缩放到127×127像素的统一大小;然后,设计含有5个卷积层、3个池化层、3个全连接层的网络结构。最后,用采集的缺陷样本对所设计的深度网络进行训练学习与测试。并将该算法和大量传统分类算法进行实验对比,取得更好的分类效果,平均测试识别率高达96.51%。