买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利基于K-means算法的轮胎X射线缺陷图像分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114627322B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210410114.8，技术领域涉及：G06V10/762；该发明授权基于K-means算法的轮胎X射线缺陷图像分类方法是由郑明凯;余清;蔡姚杰设计研发完成，并于2022-04-19向国家知识产权局提交的专利申请。

本基于K-means算法的轮胎X射线缺陷图像分类方法在说明书摘要公布了：一种基于K‑means算法的轮胎X射线缺陷图像分类方法，包括以下步骤：1轮胎数据集预处理；2迁移VGG16网络模型进行图像的特征提取；3利用K均值聚类算法为每张图像分配类别标签，并用平均准确率和混淆矩阵来评估模型的分类效果。本发明通过对比度受限的自适应直方图均衡化进行图像进行预处理，使得图像强度分布更宽、缺陷与背景信息对比度明显；然后引入已经预训练好的VGG16网络来学习轮胎图像特征，减少了从头开始训练模型的过程。最后使用无监督的K‑means方法对轮胎数据进行分类，该方法不需要标记训练数据，训练速度快分类准确率高。

本发明授权基于K-means算法的轮胎X射线缺陷图像分类方法在权利要求书中公布了：1.基于K-means算法的轮胎X射线缺陷图像分类方法，其特征在于：包括以下步骤： 1数据集预处理：采集轮胎图像的数据集，根据轮胎缺陷种类将采集的轮胎数据集划分为四个类别，分别为劈缝缺陷、跳线缺陷、异物缺陷、以及正常轮胎，对每张图片进行对比度受限的自适应直方图均衡化处理； 2网络模型迁移：在ImageNet数据集上预训练图像特征提取模型VGG16网络，迁移预训练好后的VGG16网络，进行不同种类轮胎图像的缺陷特征提取； 3构建缺陷分类模型：在VGG16网络提取轮胎缺陷图像特征后，利用K均值聚类算法为每张轮胎图像分配类别标签，并用平均准确率和混淆矩阵来评估模型的分类效果； 步骤3的具体过程如下： 利用K-means算法为每张轮胎图像数据分配类别标签，将步骤2中经过VGG16网络提取缺陷特征后的轮胎图像作为样本集，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇，簇的数量通过可视化数据后进行选择，算法的具体步骤如下： 设数据集为X＝{x1,x2,…,xi,…,xn}，聚类成的簇的个数为K，聚类中心为C＝{c1,c2,…,cj,…,ck}； a从数据集中随机选择K个样本作为聚类中心； b计算数据集中每个样本xi与聚类中心cj的距离，其中，i＝1,2,…,n，j＝1，2，…，k；距离的计算公式如下： 式中：m为样本的维度； c计算每个样本到聚类中心的距离，找到最小距离并将该样本划分到对应的簇； d对聚类中心进行重新计算更新，计算公式如下： 然后，计算目标函数的结果，计算公式如下： e对聚类中心和目标函数进行判断，将所有图像划分到对应的聚类中心内； 步骤3中，各类别平均准确率mAP的公式如下： 式中：通过AP计算每个类别的分类准确率；TP表示数据得到正确分类的数量，FP表示数据被错误分类的数量；q表示类别数量；mAP表示各类别分类准确率的平均；该公式表示所有类别中正确分类的样本占样本总数的比例，数值越接近100％分类效果越好； 步骤3中，混淆矩阵采用b行b列的矩阵形式来表示，其中每列代表一个预测类别，每列的总数代表预测为该类别数据的数目；每行代表数据的真实类别，每行数据总数代表该类别数据实例数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。