随着经济水平的提升,汽车拥有量逐渐增高,道路交通事故的发生概率虽有下降,但总数依然巨大。在众多道路交通事故中,由于轮胎质量而造成意外高达总数的46%,轮胎缺陷检测技术成为轮胎生产中必不可少的一个环节。为了保证经济效益,减少浪费,对成品轮胎的检测方案逐步淘汰,轮胎成型工艺中的带束层缺陷检测技术是目前研发重点,带束层分割技术是其中的基本。本文主要研究内容如下:(1)数据采集系统由CMOS相机采集图片、FPGA技术集成图像处理、Gig E Vision传输图像数据三部分组成,图像采集速率高达72k Hz,获得高精度轮胎带束层数据。(2)对带束层数据进行预处理。第一层带束层噪声的主要来源是不平直的贴合鼓面,本文利用RANSAC算法对鼓面进行曲面拟合,将其校正为一个平面,同时削弱了鼓板与鼓缝之间的差异。在带束层贴合成环后,第一层带束层料尾与料头衔接,难以分割,本文将这两部分定位之后差分,只保留料尾部分便于分割。第二层带束层与第一层处处对应且第二层带束层材料较窄,差分第一层原始数据后便可同时去除不平直鼓面与第一层带束层。(3)提出一种基于数学形态学的带束层分割算法。首先对带束层图像进行开操作,可以分离开带束层区域与其周围的噪声。然后选择适当的阈值,保留强度较高的带束层部分,置其他位置为0。接着选取最大连通域,只保留带束层范围,消除小面积孤立点。最后利用闭操作来填补带束层区域中的空洞。实验表明,该算法计算速度快,对于效果较好图像可以得到很好的分割效果,但鲁棒性较差,效果较差图像的分割效果不佳。运用于工业中会出现错误率高的问题。(4)提出基于无监督学习的带束层分割算法。利用模糊聚类算法中的FCM、S-FCM和FCM＿S对带束层图像进行聚类,对比其分割精度与运算耗时。实验中,FCM＿S鲁棒性较好,S-FCM运算耗时较短。(5)提出基于有监督学习的带束层分割算法。介绍了Res Net、FCN、U-Net网络结构,在U-Net中加入BN层生成一种改进的U-Net网络。实验结果表明,Res Net表现不佳,在分割图像中仍能看到鼓板痕迹。改进的U-Net网络得到了更好的分割效果,鲁棒性强且训练时间更短,测试速度快是有监督学习的优势,这样就可以满足工业应用中精度高、速度快、错误率低的要求。对比文中所有带束层分割算法,基于数学形态学的带束层分割算法时间复杂度最小,但是其缺点是鲁棒性差,错误率高,难以选择出适合所有数据的统一参数。有监督学习中改进的U-Net网络得到了最好的带束层分割精度,同时稳定性强、错误率低,检测时间略长但也能满足工业需求,是最适用于轮胎成型工艺缺陷检测中的带束层分割算法。