轮胎的质量对于汽车的安全水平和驾驶性能影响极大,每条全钢子午线轮胎在出厂前都会经过严格的质检流程。X光检测是轮胎内部检测缺陷的一个必要环节,现在采用的人工检查方式效率低、主观性强,故其智能化迫在眉睫。为了解决该问题,课题组与某企业合作设计实现了针对子午线轮胎的缺陷检测系统,利用传统图像处理方法与深度学习算法对轮胎X光图像进行缺陷检测。通常情况下,轮胎X光图像的区域分割是缺陷检测的首要环节,而且某些缺陷是基于区域间边界进行判断的,所以获取轮胎X光图像中各部位间的精细边界至关重要。现如今针对轮胎X光图像的区域分割的研究仍处于初期阶段,所获得的区域分割精度普遍较低,从而影响边界差级缺陷和各区域内部缺陷的判定。为此,本文以轮胎各区域边界分割为切入点进行边界分割算法和相关缺陷检测算法研究。首先,构建了边界分割模型,并进一步改进得到边界坐标回归模型和边界二阶回归模型,实现了边界精确坐标获取。然后,利用所获得边界实现对差级缺陷和带束层区域内部常见缺陷的检测。基于课题组现有的缺陷检测系统,我们增加了轮胎边界分割功能、边界差级缺陷检测功能和带束层部分缺陷检测功能,使得缺陷检测的缺陷类型更加全面。根据在多家轮胎生产企业中的现场测试结果表明,该系统在时效性和准确率上可以达到实际现场辅助应用的要求,但在成像效果变动较大图像上的泛化能力有限。论文主要工作如下:（1）基于边界热图回归的方法建立了边界分割模型,解决了现有区域分割算法所得边界结果过于粗糙的问题。针对区域分割算法过多注重区域内部的分割结果,忽视了更重要的边界区域的分割,导致区域分割的边界结果粗糙的问题,提出了将区域分割问题转换为边界分割问题。将边界分割作为多标签语义分割问题用边界热图回归的方式解决,为此设计了边界概率热图生成策略,采用热图结果联合Argmax获取边界坐标。所建立的边界分割模型基于轻量级分割网络,速度快,具有较好效果。（2）基于边界坐标分布期望回归的方法建立了边界坐标回归模型,解决了边界热图回归对边界坐标信息利用不充分的问题。基于轮胎各区域间边界水平宽度只有一个像素的先验,利用Softmax行归一化实现从边界热图转换得到每行坐标的概率分布,计算每行上概率分布的期望即为该行坐标。该方法使得整个模型端到端可导,并以此引入边界连续性约束直接对边界坐标进行回归,进一步提升了边界坐标的获取精度。（3）基于由粗到精的思想提出了轮胎边界二阶回归模型,此方法在大幅度提升回归模型准确性的同时,实现了精度与速度的平衡。针对轻量级网络下采样倍数过高、而大型网络推理过慢,导致现有模型难以在精度和速度之间达到平衡的问题,我们提出了将回归任务分为粗定位和精细定位两步,减少在非边界区域上的特征计算。首先在低分辨率、大视野下获取各个边界的粗糙坐标和特征热图,并由此生成各个边界的候选区域;而后在原始分辨率、小视野的候选区域中进行精细回归,得到最终边界坐标。（4）提出了边界差级缺陷检测和带束层区域缺陷检测算法。利用边界二阶回归模型得到的边界坐标,针对不同类型的边界设计不同的差级缺陷判定策略,从而实现边界差级缺陷的检测。对于带束层区域常见缺陷,我们采用改进后的YOLOX对其中的缺陷进行检测。针对不同缺陷的特征差异过大导致最终某些缺陷检测性能被抑制的问题,提出了多组检测头并联结构,将形态、特征相近的目标由同一检测头负责,从而缓解了不同类型缺陷性能差异过大的问题。