一種輪胎是否漏氣的檢測方法、檢測系統及檢測裝置與流程
本發明涉及機器視覺領域，特別是涉及一種輪胎是否漏氣的檢測方法、檢測系統及檢測裝置。
背景技術：
隨著社會的快速發展，汽車迅速成為人們生活中不可缺少的一部分。橡膠輪胎是汽車的重要組成部分，然而橡膠輪胎的內胎在生產時會因為工藝等方面的原因，生產出一些漏氣的不合格內輪胎，而這些不合格品就需要被準確的篩選出來。目前，廠家檢測的方法主要通過對內輪胎充氣，然后靜置24小時，查看是否出現癟胎來判斷待測內輪胎是否漏氣。這種方法存在幾個明顯的缺點：第一，廠家每天的內輪胎產量很大，這樣會占據很大的空間；第二，輪胎放置的時間過久，影響生產效率；第三，整個過程都是工人手工作業，效率低下，而且通過這樣的方法得到的結果依舊不可靠，內輪胎品質不穩定，這將會給生產廠家帶來名譽損失。綜上所述，現有的檢測輪胎是否漏氣的方法，無法準確高效地篩選出漏氣輪胎。
因此，如何準確高效地篩選出漏氣輪胎，成為本領域技術人員亟需解決的技術問題。
技術實現要素：
本發明的目的是提供一種輪胎是否漏氣的檢測方法，能夠準確高效地篩選出漏氣輪胎。
為實現上述目的，本發明提供了如下方案：
一種輪胎是否漏氣的檢測方法，所述檢測方法包括：
分別獲取被測輪胎的第一輪胎面積和第二輪胎面積，其中，獲取所述第一輪胎面積的時刻與獲取所述第二輪胎面積的時刻相差設定的時間間隔；
根據所述第一輪胎面積和所述第二輪胎面積確定所述被測輪胎的面積變化率；
判斷所述面積變化率是否大于第一設定閾值；
如果所述面積變化率大于第一設定閾值，則確定所述被測輪胎漏氣；
如果所述面積變化率小于或等于第一設定閾值，則確定所述被測輪胎不漏氣。
可選的，確定所述第一設定閾值的方法包括：
獲取樣本數據集，所述樣本數據集包括多組樣本數據，其中，一組所述樣本數據包括已知是否漏氣的一個輪胎的面積變化率和所述輪胎的漏氣標記；
將所述樣本數據集分為測試樣本數據集和校驗樣本數據集，其中，所述測試樣本數據集包括所述樣本數據集中的若干組樣本數據，所述校驗樣本數據集包括所述樣本數據集中、除所述測試樣本數據集以外的樣本數據；
選擇bp神經網絡模型，并利用所述測試樣本數據集訓練所述bp神經網絡模型，得到初選閾值，并根據所述初選閾值更新所述bp神經網絡模型；
利用所述校驗樣本數據集對所述bp神經網絡模型進行漏氣標記校驗，如果所述bp神經網絡模型輸出的漏氣標記的錯誤率小于或等于第二設定閾值，將所述第一設定閾值設定為所述初選閾值；
如果所述bp神經網絡模型輸出的漏氣標記的錯誤率大于第二設定閾值，重新選擇bp神經網絡模型。
可選的，所述根據所述第一輪胎面積和所述第二輪胎面積確定所述被測輪胎的面積變化率具體包括：
根據公式：w＝(s1-s2)/s2，確定所述被測輪胎的面積變化率，其中，w表示所述被測輪胎的面積變化率，s1表示所述第一輪胎面積，s2表示所述第二輪胎面積。
可選的，所述分別獲取被測輪胎的第一輪胎面積和第二輪胎面積之前還包括：
在t1時刻采集所述被測輪胎的第一測量圖像；
在t1+δt時刻采集所述被測輪胎的第二測量圖像，其中，δt表示所述設定的時間間隔；
分別對所述第一測量圖像和所述第二測量圖像進行圖像二值化處理，得到對應的二值化第一圖像和二值化第二圖像；
分別提取所述二值化第一圖像和所述二值化第二圖像的輪廓線，得到對應的第一輪廓圖像和第二輪廓圖像；
根據所述第一輪廓圖像確定所述第一輪胎面積，并根據所述第二輪廓圖像確定所述第二輪胎面積。
根據本發明提供的具體實施例，本發明公開了以下技術效果：
本發明提供的檢測方法，根據被測輪胎在設定時間間隔內的面積變化率來自動判斷內輪胎是否漏氣，不僅能提高工作效率，而且還能避免手工操作中由于個體差異性帶來的誤差，從而提高漏氣檢測的準確性。
本發明的目的還在于提供一種輪胎是否漏氣的檢測系統，能夠準確高效地篩選出漏氣輪胎。
為實現上述目的，本發明提供了如下方案：
一種輪胎是否漏氣的檢測系統，所述檢測系統包括：
面積獲取模塊，用于分別獲取被測輪胎的第一輪胎面積和第二輪胎面積，其中，獲取所述第一輪胎面積的時刻與獲取所述第二輪胎面積的時刻相差設定的時間間隔；
變化率確定模塊，用于根據所述第一輪胎面積和所述第二輪胎面積確定所述被測輪胎的面積變化率；
變化率判斷模塊，用于判斷所述面積變化率是否大于第一設定閾值；
漏氣情況確定模塊，用于如果所述面積變化率大于第一設定閾值，則確定所述被測輪胎漏氣，如果所述面積變化率小于或等于第一設定閾值，則確定所述被測輪胎不漏氣。
可選的，所述檢測系統還包括與所述變化率判斷模塊連接的第一閾值確定模塊，用于
獲取樣本數據集，所述樣本數據集包括多組樣本數據，其中，一組所述樣本數據包括已知是否漏氣的一個輪胎的面積變化率和所述輪胎的漏氣標記；
將所述樣本數據集分為測試樣本數據集和校驗樣本數據集，其中，所述測試樣本數據集包括所述樣本數據集中的若干組樣本數據，所述校驗樣本數據集包括所述樣本數據集中、除所述測試樣本數據集以外的樣本數據；
選擇bp神經網絡模型，并利用所述測試樣本數據集訓練所述bp神經網絡模型，得到初選閾值，并根據所述初選閾值更新所述bp神經網絡模型；
利用所述校驗樣本數據集對所述bp神經網絡模型進行漏氣標記校驗，如果所述bp神經網絡模型輸出的漏氣標記的錯誤率小于或等于第二設定閾值，將所述第一設定閾值設定為所述初選閾值；
如果所述bp神經網絡模型輸出的漏氣標記的錯誤率大于第二設定閾值，重新選擇bp神經網絡模型。
根據本發明提供的具體實施例，本發明公開了以下技術效果：
本發明提供的檢測系統，漏氣情況確定模塊根據被測輪胎在設定時間間隔內的面積變化率來自動判斷內輪胎是否漏氣，不僅能提高工作效率，而且還能避免手工操作中由于個體差異性帶來的誤差，從而提高漏氣檢測的準確性。
本發明的目的還在于提供一種輪胎是否漏氣的檢測裝置，能夠準確高效地篩選出漏氣輪胎。
為實現上述目的，本發明提供了如下方案：
一種輪胎是否漏氣的檢測裝置，所述檢測裝置包括：
傳送裝置，用于將被測輪胎傳送到設定的第一圖像采集區域和第二圖像采集區域；
圖像采集裝置，對應所述第一圖像采集區域和所述第二圖像采集區域設置，用于分別采集所述第一圖像采集區域中的被測輪胎的第一測量圖像和所述第二圖像采集區域中的被測輪胎的第二測量圖像，其中，采集所述第一測量圖像的時刻和采集所述第二測量圖像的時刻相差設定的時間間隔；
圖像處理裝置，與所述圖像采集裝置連接，用于根據所述第一測量圖像確定所述被測輪胎的第一輪胎面積，并根據所述第二測量圖像確定所述被測輪胎的第二輪胎面積。
權利要求5或6所述的檢測系統，與所述圖像處理裝置連接，用于確定所述被測輪胎是否漏氣。
可選的，所述檢測裝置還包括分別對應所述第一圖像采集區域和所述第二圖像采集區域設置的位置傳感器，且所述位置傳感器與所述檢測系統連接，用于當所述被測輪胎進入所述第一圖像采集區域時或所述被測輪胎進入所述第二圖像采集區域時，給所述檢測系統發送位置信號；
所述檢測系統根據所述位置信號控制所述傳送裝置停止運動。
可選的，所述檢測裝置還包括分別對應所述第一圖像采集區域和所述第二圖像采集區域設置的位置傳感器，且所述位置傳感器與所述檢測系統連接，用于當所述被測輪胎進入所述第一圖像采集區域時或所述被測輪胎進入所述第二圖像采集區域時，給所述檢測系統發送位置信號；
所述檢測系統根據所述位置信號控制所述圖像采集裝置采集所述第一測量圖像或采集所述第二測量圖像。
可選的，所述圖像采集裝置具體包括第一圖像采集裝置和第二圖像采集裝置，其中，所述第一圖像采集裝置對應所述第一圖像采集區域設置，用于采集所述第一測量圖像；所述第二圖像采集裝置對應所述第二圖像采集區域設置，用于采集所述第二測量圖像。
根據本發明提供的具體實施例，本發明公開了以下技術效果：
本發明利用檢測系統控制傳送裝置將被測輪胎傳輸到圖像采集區域，并根據圖像采集裝置采集的被測輪胎的圖像判斷輪胎是否漏氣，實現了漏氣檢測的自動化，能夠提高漏氣檢測的效率和準確度。與現有的基于人工的漏氣檢測技術相比，不僅為工廠節省了大量的人力和空間，而且為工廠的自動化升級改造提供了方便。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。
圖1為本發明實施例1的流程圖；
圖2為本發明實施例1確定第一設定閾值的流程圖；
圖3為本發明實施例3的結構框圖；
圖4為本發明實施例4的流程圖；
圖5為本發明實施例5檢測裝置的結構示意圖；
圖6為本發明實施例5中遮光盒的結構示意圖；
圖7為本發明實施例5中led燈的結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
本發明的目的是提供一種輪胎是否漏氣的檢測方法、檢測系統及檢測裝置，能夠準確高效地篩選出漏氣輪胎。
為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。
實施例1：
如圖1所述，一種輪胎是否漏氣的檢測方法包括：
步驟11：分別獲取被測輪胎的第一輪胎面積和第二輪胎面積，其中，獲取所述第一輪胎面積的時刻與獲取所述第二輪胎面積的時刻相差設定的時間間隔，可選地，設定的時間間隔的范圍是3～7分鐘，優選地，設定的時間間隔為5分鐘；
步驟12：根據所述第一輪胎面積和所述第二輪胎面積確定所述被測輪胎的面積變化率，本實施例中，根據公式：w＝(s1-s2)/s2，確定所述被測輪胎的面積變化率，其中，w表示所述被測輪胎的面積變化率，s1表示所述第一輪胎面積，s2表示所述第二輪胎面積；
步驟13：判斷所述面積變化率是否大于第一設定閾值；
步驟14：如果所述面積變化率大于第一設定閾值，則確定所述被測輪胎漏氣，將所述被測輪胎標記為漏氣輪胎；
步驟15：如果所述面積變化率小于或等于第一設定閾值，則確定所述被測輪胎不漏氣，將所述被測輪胎標記為合格輪胎。
具體地，如圖2所示，確定所述第一設定閾值的方法包括：
步驟131：獲取樣本數據集，所述樣本數據集包括多組樣本數據，其中，一組所述樣本數據包括已知是否漏氣的一個輪胎的面積變化率和所述輪胎的漏氣標記；
步驟132：將所述樣本數據集分為測試樣本數據集和校驗樣本數據集，其中，所述測試樣本數據集包括所述樣本數據集中的若干組樣本數據，所述校驗樣本數據集包括所述樣本數據集中、除所述測試樣本數據集以外的樣本數據；
步驟133：選擇bp神經網絡模型，并利用所述測試樣本數據集訓練所述bp神經網絡模型，得到初選閾值，并根據所述初選閾值更新所述bp神經網絡模型；
步驟134：利用所述校驗樣本數據集對所述bp神經網絡模型進行漏氣標記校驗；
步驟135：判斷所述bp神經網絡模型輸出的漏氣標記的錯誤率是否大于第二設定閾值；
若是，返回步驟133；
否則，執行步驟136；
步驟136：將所述第一設定閾值設定為所述初選閾值。
本實施例中，在執行步驟11之前還包括：
步驟101：在t1時刻采集所述被測輪胎的第一測量圖像；
步驟102：在t1+δt時刻采集所述被測輪胎的第二測量圖像，其中，δt表示所述設定的時間間隔；
步驟103：分別對所述第一測量圖像和所述第二測量圖像進行圖像二值化處理，得到對應的二值化第一圖像和二值化第二圖像；
步驟104：分別提取所述二值化第一圖像和所述二值化第二圖像的輪廓線，得到對應的第一輪廓圖像和第二輪廓圖像；
步驟105：根據所述第一輪廓圖像確定所述第一輪胎面積，并根據所述第二輪廓圖像確定所述第二輪胎面積。
本發明提供的檢測方法，根據被測輪胎在設定時間間隔內的面積變化率來自動判斷內輪胎是否漏氣，不僅能提高工作效率，而且還能避免手工操作中由于個體差異性帶來的誤差，從而提高漏氣檢測的準確性。
實施例2：
一種輪胎是否漏氣的檢測系統包括：
面積獲取模塊21，用于分別獲取被測輪胎的第一輪胎面積和第二輪胎面積，其中，獲取所述第一輪胎面積的時刻與獲取所述第二輪胎面積的時刻相差設定的時間間隔；
變化率確定模塊22，用于根據所述第一輪胎面積和所述第二輪胎面積確定所述被測輪胎的面積變化率；
變化率判斷模塊23，用于判斷所述面積變化率是否大于第一設定閾值；
漏氣情況確定模塊，用于如果所述面積變化率大于第一設定閾值，則確定所述被測輪胎漏氣，如果所述面積變化率小于或等于第一設定閾值，則確定所述被測輪胎不漏氣。
本實施例中，所述檢測系統還包括與所述變化率判斷模塊23連接的第一閾值確定模塊，用于
獲取樣本數據集，所述樣本數據集包括多組樣本數據，其中，一組所述樣本數據包括已知是否漏氣的一個輪胎的面積變化率和所述輪胎的漏氣標記；
將所述樣本數據集分為測試樣本數據集和校驗樣本數據集，其中，所述測試樣本數據集包括所述樣本數據集中的若干組樣本數據，所述校驗樣本數據集包括所述樣本數據集中、除所述測試樣本數據集以外的樣本數據；
選擇bp神經網絡模型，并利用所述測試樣本數據集訓練所述bp神經網絡模型，得到初選閾值，并根據所述初選閾值更新所述bp神經網絡模型；
利用所述校驗樣本數據集對所述bp神經網絡模型進行漏氣標記校驗，如果所述bp神經網絡模型輸出的漏氣標記的錯誤率小于或等于第二設定閾值，將所述第一設定閾值設定為所述初選閾值；
如果所述bp神經網絡模型輸出的漏氣標記的錯誤率大于第二設定閾值，重新選擇bp神經網絡模型。
本發明提供的輪胎是否漏氣的檢測系統，可以將原有依靠人工檢測內輪胎漏氣狀況的方式轉變為依靠機器，實現實時檢測，提高檢測效率和準確率。
實施例3：
如圖3所示，一種輪胎是否漏氣的檢測裝置，包括：傳送裝置31、圖像采集裝置32、位置傳感器33、檢測系統34和圖像處理裝置35，其中，
傳送裝置31將被測輪胎傳送到設定的第一圖像采集區域和第二圖像采集區域；圖像采集裝置32，對應所述第一圖像采集區域和所述第二圖像采集區域設置，用于分別采集所述第一圖像采集區域中的被測輪胎的第一測量圖像和所述第二圖像采集區域中的被測輪胎的第二測量圖像，其中，采集所述第一測量圖像的時刻和采集所述第二測量圖像的時刻相差設定的時間間隔；
位置傳感器33，分別對應所述第一圖像采集區域和所述第二圖像采集區域設置，且所述位置傳感器33與所述檢測系統34連接，用于當所述被測輪胎進入所述第一圖像采集區域時或所述被測輪胎進入所述第二圖像采集區域時，給所述檢測系統34發送位置信號；
圖像處理裝置35與所述圖像采集裝置32連接，用于根據所述第一測量圖像確定所述被測輪胎的第一輪胎面積，并根據所述第二測量圖像確定所述被測輪胎的第二輪胎面積；
所述檢測系統34與圖像處理裝置35連接誒，用于根據所述位置信號控制所述傳送裝置31停止運動或者根據所述位置信號控制所述圖像采集裝置32采集所述第一測量圖像或采集所述第二測量圖像；
根據所述第一輪胎面積和所述第二輪胎面積確定所述被測輪胎的面積變化率；
判斷所述面積變化率是否大于第一設定閾值；
如果所述面積變化率大于第一設定閾值，則確定所述被測輪胎漏氣；
如果所述面積變化率小于或等于第一設定閾值，則確定所述被測輪胎不漏氣。
本實施例中，所述圖像采集裝置32具體包括第一圖像采集裝置321和第二圖像采集裝置322，其中，所述第一圖像采集裝置321對應所述第一圖像采集區域設置，用于采集所述第一測量圖像；所述第二圖像采集裝置322對應所述第二圖像采集區域設置，用于采集所述第二測量圖像。
所述檢測系統34根據被測輪胎的重量調節所述傳送裝置31的運動速度，使所述被測輪胎到達所述第一圖像采集區域的時刻與所述被測輪胎到達所述第二圖像采集區域的時刻相差所述設定的時間間隔。
本發明根據內輪胎在一定時間的面積變化率來判斷內輪胎漏氣與否，極大地提高了漏氣檢測的準確性和便捷性。
實施例4：
如圖4所示，一種輪胎是否漏氣的檢測方法，包括：
步驟41：通過圖像采集系統，采集測量平面a1上內輪胎的圖像數據，采集結束后通過傳送裝置將內輪胎傳送至測量平面a2，再次獲取內輪胎的圖像數據，通過對內輪胎圖像數據的處理，包括：提取測量平面、圖像二值化、提取輪廓、計算面積，得到相應的內輪胎面積s1和s2，其中，測量平面a1、a2為提前構造的兩個相同的測量平面，其上均安裝有圖像采集系統，該平面根據內輪胎的大小制作，兩平面通過傳送裝置相連；
步驟42：通過公式：w＝(s1-s2)/s2，得到面積變化率，其中，w表示所述被測輪胎的面積變化率，s1表示所述第一輪胎面積，s2表示所述第二輪胎面積；
步驟43：將待測內輪胎的面積變化率，與漏氣閾值即第一設定閾值進行比較，若得到的面積變化率大于此閾值，則此內輪胎為漏氣內輪胎，若小于或等于此閾值，則此內輪胎為正常輪胎。
本實施例中，確定漏氣閾值的方法為：選取一定數量不同型號的正常內輪胎，按照步驟41和步驟42的操作得到面積變化率w1，比較各個內輪胎的面積變化率w1，選取其中最大的變化率w11，作為漏氣閾值下限t1，輕微旋轉氣門芯，保證內輪胎的漏氣速度較慢，對其進行相同操作得到各個內輪胎的面積變化率w2，選取其中最小的變化率w21作為內輪胎的漏氣閾值上限t2，在漏氣閾值下限t1至漏氣閾值上限t2的范圍內選取一個合適的值作為內輪胎漏氣閾值t，具體實施步驟如下：
步驟431：選取大量不同型號且已知漏氣及不漏氣內輪胎作為測試樣本，選取大量不同型號的正常內輪胎作為構造樣本，并將其等分成兩組，一組輕微旋轉氣門芯，保證該內輪胎的漏氣速度較慢，一組保持不變。將測試樣本和構造樣本的內輪胎逐個放置于測量平面a1，通過圖像采集系統得到該內輪胎的面積{s1、s2、s3...}，采集結束后工控機自動控制傳送帶將輪胎傳送至測量平面a2，得到內輪胎面積
步驟432：選擇bp神經網絡初始模型，將所得的已知漏氣與否的面積變化率wi作為輸入變量，漏氣標記ti為輸出變量，
本實施例中，bp神經網絡中使用的傳遞函數為tan-sigmoid函數，輸出層的傳遞函數為線性(linear)函數。允許訓練的最大次數為10000次，學習速率為0.01，網路輸出與目標值的均方誤差小于0.01。
步驟433：初始化bp神經網絡初始模型并進行參數設置：初始化bp神經網絡初始模型的連接權值和閥值，對bp神經網絡初始模型的學習速率、期望誤差、最大步數參數進行設置；
步驟434：對輸入變量數據進行歸一化處理得到訓練集，利用該訓練集進行網絡學習訓練，直到網絡學習訓練的均方誤差達到要求，確定bp神經網絡的連接權值和閥值,得到bp神經網絡最終模型；
步驟435：選取所得的構造樣本的面積變化率wi對最終模型進行檢驗，得到構造樣本的漏氣標記的正確率，決定是否重新建立最終模型。
為了防止系統老化使得內輪胎面積變化率不斷增大，可以每隔30天，對上述最終得到的神經網絡模型進行重新訓練，得到新的模型。
本發明提出的基于機器視覺算法的在線內胎漏氣檢測方法，與過去的人工檢測方法相比，能夠極大地提高檢測效率。
實施例5：
如圖5～圖7所示，一種輪胎是否漏氣的檢測裝置，所述檢測裝置具體包括圖像采集裝置、傳送裝置、位置傳感器和工控機，在所述傳送裝置上還設置有遮光盒，將遮光盒內的傳送平面設置為測量平面，即圖像采集區域。圖像采集裝置設置在傳送裝置的上方。遮光盒頂部的兩側擁有鎖扣，可以和圖像采集裝置結合，前部和后部均為遮光的擋板。放置于傳送裝置上表面的內輪胎可以推開擋板進入遮光盒內即設定的圖像采集區域，同時安裝于擋板處的彈簧可以將擋板復位，其兩端安裝有位置傳感器，本實施例中位置傳感器為紅外傳感器。當所測內輪胎遮擋紅外傳感器所發出的光線時，光控開關關閉，傳送裝置停止運作，使所測內輪胎在指定位置停止，從而使圖像采集裝置可以采集圖像。本實施例還設置有安裝于遮光盒頂部的面陣光源，如led燈，圖像采集裝置即工控相機安裝于led燈的中心位置。其中，傳送裝置的傳送平臺表面干凈無污漬。
工控機可以控制傳送裝置，實現圖像采集時，傳送裝置停止，內輪胎處于遮光盒內的測量平面上，圖像采集結束后傳送裝置移動，圖像采集裝置，如相機和光源被固定在測量平面正上方，且相機相對測量平面處于正中間位置，相機視場滿足最大型號內輪胎測量的要求。
具體應用中，可根據實際需要設計傳送裝置的長度，以確保待測內輪胎由測量平面a1通過該傳送裝置到達測量平面a2的時間間隔為5分鐘以上。
本實施例提供的測量裝置的工作過程如下：
將待測內輪胎放置于傳送裝置，傳送裝置自動將內輪胎傳送至待測平面a1上方，此時工控機控制傳送裝置停止工作，工業數字相機對測量平面進行拍攝，對拍攝的圖像進行處理，最終獲得待測內輪胎的面積s1。對拍攝的圖片進行預處理，提取圖片感興趣部分，在該步驟中需事先確定內輪胎處于測量平面的范圍，其方法為在測量平面上劃定測量矩形，內輪胎測量位置僅處于該測量矩形內，在所拍攝的圖片中截取該測量矩形，即得感興趣部分。對所得感興趣部分，進行二值化處理，得到待測內輪胎的二值圖像，通過對該圖像進行輪廓查找和篩選得到待測內輪胎輪廓，從而計算得到處于測量平面a1內輪胎的面積s1；
得到待測內輪胎面積s1后，工控機控制傳送裝置開始工作，將待測內輪胎傳送至待測平面a2，傳送裝置停止工作，工業數字相機對測量平面進行拍攝，獲得待測內輪胎的面積s2；
通過公式：w＝(s1-s2)/s2，計算得到該待測內輪胎的面積變化率，與內輪胎漏氣閾值t進行比較，若所得面積變化率w大于內輪胎漏氣閾值t，則該內輪胎為漏氣輪胎，若所得面積變化率w小于內輪胎漏氣閾值t，則該內輪胎為正常輪胎。
本實施例通過將工控機和傳送裝置結合，實現了內胎漏氣檢測的自動化，為工廠的自動化升級改造提供了方便，也為工程節省了人力和空間。
本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的系統而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。
本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用范圍上均會有改變之處。綜上所述，本說明書內容不應理解為對本發明的限制。
- 還沒有人留言評論。精彩留言會獲得點贊！