[發明專利]輪胎圖像識別方法和輪胎圖像識別裝置

在審

• 申請號: 201880048281.4
• 申請日: 2018-08-07
• 公開（公告）號: CN110945337A
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 西井雅之;大澤靖雄;若尾泰通
• 申請（專利權）人: 株式會社普利司通
• 主分類號: G01M17/02
• 分類號: G01M17/02;B60C11/03;B60C11/24;B60C13/00;G06T7/00
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

根據本發明：獲得輪胎類型和輪胎狀態中的任一者或這兩者彼此不同的多個輪胎圖像，所獲得的圖像被作為教師圖像；將所述教師圖像轉換成預定像素數的大??；使用轉換后的多個教師圖像的數據作為學習圖像、利用卷積神經網絡來進行學習，并且設置所述卷積神經網絡的參數；獲得識別對象輪胎的輪胎圖像，并且將所獲得的輪胎圖像轉換成與所述教師圖像的大小相同的大?。灰约皩⑺鲎R別對象輪胎的轉換后的輪胎圖像輸入到所述卷積神經網絡，并且判斷所述識別對象輪胎的輪胎類型和輪胎狀態中的任一者或這兩者。

技術領域

本發明涉及用于識別輪胎圖像的方法和裝置。

背景技術

已建議在發生由于磨損引起的胎面橡膠的減少、或者由于外傷或劣化引起的損壞的情況下用新輪胎更換輪胎，以確保輪胎性能和安全性。上述現象的判斷所用的信息獲取主要通過利用視覺檢查的外觀觀察來進行。

在磨損量的判斷中，盡管該判斷對于輪胎的行駛性能和安全性能是重要的，但很難說駕駛員的檢查每天根據需要頻繁地進行。

因此，代替人的視覺檢查，如果可以從諸如照相機等的機器所產生的圖像中識別諸如磨損量等的輪胎信息，則不僅可以期待檢查的省力化，而且還可以期待管理成本的降低。

近年來，圖像處理技術和圖像識別技術已顯著進步，并且已開始例如以下的針對向輪胎檢查的應用的研究：拍攝輪胎的胎面花紋并且分析該胎面花紋的高寬比和胎面溝槽深度以識別輪胎磨損量(例如，參見專利文獻1)。

現有技術文獻

專利文獻

專利文獻1：US 2016/0343126

發明內容

發明要解決的問題

然而，存在如下的問題：在專利文獻1中，由于預先通過諸如開發者等的人的介入來設置諸如胎面花紋的邊緣和線等的作為特征幾何信息的特征量，因此不僅分析參數局限于個體情況，而且花費大量時間來分析大量輪胎。

另外，分析精度已受諸如所使用的圖像的亮度、角度或大小等的個體圖像狀態影響。

本發明是有鑒于傳統問題而作出的，并且目的在于提供一種可以從輪胎的圖像容易地且可靠地識別輪胎類型和磨損狀態的方法和裝置。

用于解決問題的方案

本發明提供一種輪胎圖像識別方法，包括以下步驟：獲得輪胎類型和輪胎狀態中的任一者或這兩者彼此不同的多個輪胎圖像，所獲得的圖像被作為教師圖像；將各個教師圖像轉換成預定像素數的大小；使用轉換后的多個教師圖像的數據作為學習圖像、利用卷積神經網絡來進行學習，并且設置所述卷積神經網絡的參數；獲得識別對象輪胎的輪胎圖像，并且將所獲得的輪胎圖像轉換成與所述教師圖像的大小相同的大??；以及將所述識別對象輪胎的轉換后的輪胎圖像輸入到所述卷積神經網絡，并且判斷所述識別對象輪胎的輪胎類型和輪胎狀態中的任一者或這兩者。

此外，本發明提供一種輪胎圖像識別裝置，包括：輪胎圖像拍攝部件，用于拍攝多個教師圖像和識別對象圖像，所述多個教師圖像是輪胎類型和輪胎狀態中的任一者或這兩者彼此不同的輪胎圖像；圖像數據轉換部件，用于將所述教師圖像和所述識別對象圖像轉換成預定像素數的大?。惶卣髁刻崛〔考?，用于提取所述圖像數據轉換部件轉換后的圖像的特征量；以及判斷部件，用于將所述識別對象圖像的特征量與所述教師圖像的特征量進行比較，以判斷對象輪胎的輪胎類型和輪胎狀態中的任一者或這兩者，其中，所述特征量提取部件包括所述教師圖像被配置為學習圖像的卷積神經網絡的卷積層和池化層，以及其中，所述判斷部件包括所述卷積神經網絡的全連接層。

本發明的發明內容部分并未列舉本發明所需的所有特征，并且這些特征的子組合也可以成為本發明。