Resumen

La detección automática de defectos es un problema importante y desafiante en la inspección de calidad industrial. En este artículo se propone un método eficaz de detección de defectos para garantizar la calidad de los neumáticos, que aprovecha la similitud de características de las imágenes de neumáticos para captar las anomalías. El algoritmo de detección propuesto consta principalmente de tres pasos. En primer lugar, se explota el descriptor de regresión kernel local para derivar un conjunto de vectores de características de una imagen de neumático inspeccionada. Estos vectores se utilizan para evaluar la disimilitud de las características de los píxeles. A continuación, el grado de distorsión de la textura de cada píxel se estima mediante la media ponderada de la disimilitud entre un píxel y sus vecinos, lo que da como resultado un mapa de anomalías de la imagen inspeccionada. Por último, los defectos se localizan segmentando este mapa de anomalías con un sencillo proceso de umbralización. A diferencia de algunos algoritmos de detección existentes que no funcionan con imágenes de la banda de rodadura de los neumáticos, el algoritmo de detección propuesto funciona bien no sólo con imágenes de los flancos, sino también con imágenes de la banda de rodadura. Los resultados experimentales demuestran que el algoritmo propuesto puede localizar con precisión los defectos de las imágenes de neumáticos y supera a los algoritmos tradicionales de detección de defectos en términos de diversas métricas cuantitativas.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:mapa de anomalías, algoritmo de detección, vectores de características, imágenes de neumáticos, método eficaz de detección de defectos, descriptor de regresión kernel local, algoritmos tradicionales de detección de defectos, detección automática de defectos, inspección de calidad industrial, proceso simple de umbralización
• Keywords:anomaly map, detection algorithm, feature vectors, tire images, efficient defect detection method, local kernel regression descriptor, traditional defect detection algorithms, automatic defect detection, industrial quality inspection, simple thresholding process