一种基于深度学习的轮胎缺陷检测系统

为了提高轮胎缺陷检测的效率与准确率,论文设计了一款轮胎缺陷检测系统。该系统首先将数据库中选择的原始图像进行预处理,在提高图像的对比度之后,对预处理后的轮胎图像进行固定像素大小的切割,将轮胎图像切割为若干张像素大小为1024*1024的图像,论文选用视觉图像注释器对切割后的轮胎图像进行特征标记,标记后的图像以坐标形式呈现,用Mask R-CNN网络对准备好的训练集进行自适应训练,最后通过测试集对训练好的模型进行评测,实验发现轮胎杂物缺陷检测率为96.68%。可以发现,该系统可以有效地检测出轮胎的杂物缺陷,使得轮胎厂家可以节约人工成本,大大缩减轮胎缺陷的检测时间。