Automatic defect recognition over x-ray tire images using deep learning

Abstract

The current CyXplus’s software, CyXPERT, is able to automatically detect, localize and classify defect for in-line X-ray tire inspection. However, it depends on a configuration that is the time-consuming and user-variant. This project proposes an automatic defect recognition on X-ray manufactured tire inspection by deep learning algorithm, a robust method with a smaller margin of error. It also proposes processing and augmentation of the database, which are the prerequisites to carry out the learning of a neural network. A computer vision approaches called classification was chosen to be developed. It presented good results with high accuracy, however it has a significant number of false detection and in addition the defect localization is done by large zone areas. Due to the complicated nature of deep learning algorithms there is still a significant amount of work to be done before applying this algorithm in the industry. But generally, the project had promising results and a good evolution.

O software atual da CyXplus, CyXPERT, é capaz de detectar, localizar e classificar automaticamente defeitos para inspeção de pneus de raio X em linha de produção. No entanto, depende de uma configuração que consome muito tempo e é variável entre usuários. Este projeto propõe um reconhecimento automático do defeito na inspeção de raios X de pneus fabricados por um algoritmo de deep learning, um método robusto com uma margem de erro menor. Ele também propõe o processamento e a ampliação do banco de dados, que são os pré-requisitos para realizar o aprendizado de uma rede neural. Foi escolhido para ser desenvolvido um método de visão por computador chamado classificação. O qual apresentou bons resultados com alta precisão, porém tem um número significativo de falsas detecções e, além disso, a localização do defeito é feita por grandes zonas. Devido à natureza complicada dos algoritmos de deep learning, ainda há uma quantidade significativa de trabalho a ser feito antes da aplicação deste algoritmo na indústria. Mas no geral, o projeto teve resultados promissores e uma boa evolução.