研制了自動(dòng)化、高精度、高效率的溝槽深度、裂紋等輪胎狀態(tài)智能檢測裝置。結合對輪胎花紋結構的分析， 設計了基于機器視覺(jué)測距的輪胎溝槽深度、鼓包、皸裂等狀態(tài)的檢測方法。通過(guò)將待測圖片分為固定大小的分 塊，利用卷積神經(jīng)網(wǎng)絡(luò )進(jìn)行分塊有無(wú)裂紋的預測，并對有裂紋分塊進(jìn)行標注，實(shí)現了對裂紋的檢測。針對缺陷檢 測負樣本不足問(wèn)題，通過(guò)有監督單樣本數據擴充方法對自制樣本進(jìn)行數據擴充，模型準確率明顯提升，達到 92.93%。使用python 進(jìn)行了檢測軟件的開(kāi)發(fā)，集成了輪胎溝槽深度測量和裂紋檢測兩種算法，同時(shí)針對裂紋 檢測處理緩慢導致的丟幀問(wèn)題，提出了多線(xiàn)程檢測算法實(shí)現方案。對檢測裝置進(jìn)行測試驗證，裝置溝槽深度測量 結果與電子深度尺測量結果相差約為0.2mm, 且裂紋檢測功能驗證結果良好。
