[發(fā)明專利]一種輪胎磨損辨識(shí)模型的訓(xùn)練方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011128720.8
• 申請(qǐng)日: 2020-10-20
• 公開（公告）號(hào): CN112270402A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設(shè)計(jì)）人: 羅映;王淑超;李丙洋;羅全巧;姜緒民
• 申請(qǐng)（專利權(quán)）人: 山東派蒙機(jī)電技術(shù)有限公司;山東省網(wǎng)聯(lián)智能車輛產(chǎn)業(yè)技術(shù)研究院有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種輪胎磨損辨識(shí)模型的訓(xùn)練方法及系統(tǒng)，通過不同的原始辨識(shí)模型分別對(duì)磨損圖像進(jìn)行識(shí)別，將識(shí)別準(zhǔn)確率更高的模型作為基礎(chǔ)辨識(shí)模型；在基礎(chǔ)辨識(shí)模型的基礎(chǔ)上以卷積層數(shù)、卷積核數(shù)、優(yōu)化器模型分別做為單個(gè)影響因子進(jìn)行單獨(dú)考察，通過不斷調(diào)整，對(duì)多個(gè)辨識(shí)模型辨識(shí)結(jié)果進(jìn)行對(duì)比，在每次調(diào)整后以識(shí)別率更高的模型作為基礎(chǔ)辨識(shí)模型進(jìn)行再次優(yōu)化，同時(shí)，以得到的模型卷積層數(shù)確定模型池化層數(shù)，使每個(gè)卷積層后均對(duì)應(yīng)的設(shè)置有池化層，防止出現(xiàn)過擬合，增加池化層后，能夠提供圖像平移和旋轉(zhuǎn)的不變性，極大的提高了輪胎磨損識(shí)別率。

技術(shù)領(lǐng)域

本發(fā)明涉及汽車安全技術(shù)領(lǐng)域，特別涉及一種輪胎磨損辨識(shí)模型的訓(xùn)練方法及系統(tǒng)。

背景技術(shù)

現(xiàn)階段，車輛爆胎仍然是威脅行車安全的重大隱患，現(xiàn)有技術(shù)中較為普遍的做法是通過對(duì)車胎胎壓、車胎溫度進(jìn)行實(shí)時(shí)監(jiān)測(cè)，當(dāng)胎壓、車胎溫度達(dá)到一定的范圍后，對(duì)駕駛員進(jìn)行提醒，提前采取相應(yīng)的措施避免因突然爆胎造成行車事故，但是這種方法沒有考慮輪胎使用壽命、磨損、扎釘子、鼓包等各種實(shí)際中遇到的復(fù)雜情況，不能有效對(duì)爆胎的可能性發(fā)出預(yù)警。隨著智能化技術(shù)的發(fā)展，越來越多的先進(jìn)技術(shù)應(yīng)用于對(duì)車輛輪胎的監(jiān)控中，例如百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司在申請(qǐng)?zhí)枮镃N201910933246.7的專利申請(qǐng)中就將圖像識(shí)別技術(shù)引入到車輛爆胎預(yù)警方法中，通過采集輪胎圖像進(jìn)行磨損程度分析，進(jìn)而提出預(yù)警。當(dāng)前，通過圖像識(shí)別模型進(jìn)行輪胎磨損分析是比較先進(jìn)的研究方法，行業(yè)內(nèi)也建立了多種輪胎磨損辨識(shí)模型，但是，如何進(jìn)一步通過訓(xùn)練使現(xiàn)有的辨識(shí)模型更加準(zhǔn)確是值得研究的問題。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明的目的是提供一種辨識(shí)模型的訓(xùn)練方法及系統(tǒng)，并給出優(yōu)化后的辨識(shí)模型，能夠具備較高的磨損識(shí)別率。

一種輪胎磨損辨識(shí)模型的訓(xùn)練方法；包括以下步驟：

S1：獲取輪胎磨損圖像，對(duì)輪胎磨損圖像進(jìn)行處理，得到輪胎磨損樣本圖像；具體地，獲取的輪胎磨損圖像包括：輪胎胎面磨損圖像、胎肩或者輪胎側(cè)面的磨損圖像；

S2：通過不同的原始辨識(shí)模型分別對(duì)磨損圖像進(jìn)行識(shí)別，將識(shí)別準(zhǔn)確率更高的模型作為基礎(chǔ)辨識(shí)模型；

S3：在基礎(chǔ)辨識(shí)模型的基礎(chǔ)上以卷積層數(shù)為單一變量進(jìn)行模型調(diào)整，采用不同的卷積層數(shù)模型分別對(duì)輪胎磨損處理圖像進(jìn)行識(shí)別，將識(shí)別準(zhǔn)確率更高的模型作為訓(xùn)練模型；

S4：在上述獲得的訓(xùn)練模型的基礎(chǔ)上以卷積核數(shù)為單一變量進(jìn)行模型調(diào)整，采用包含不同卷積核數(shù)的模型分別對(duì)輪胎磨損處理圖像進(jìn)行識(shí)別，選取識(shí)別準(zhǔn)確率更高的模型作為新的訓(xùn)練模型；

S5：以S4中得到的新的訓(xùn)練模型中的卷積層數(shù)為標(biāo)準(zhǔn)，確定模型池化層數(shù)，得到新的訓(xùn)練模型；

S6：在上述獲得的訓(xùn)練模型的基礎(chǔ)上匹配不同的優(yōu)化器模型繼續(xù)優(yōu)化訓(xùn)練模型，采用不同優(yōu)化器模型分別對(duì)輪胎磨損處理圖像進(jìn)行識(shí)別，將識(shí)別準(zhǔn)確率更高的模型作為最終識(shí)別模型。

進(jìn)一步，對(duì)輪胎磨損圖像進(jìn)行處理，包括：

對(duì)所述輪胎磨損圖像進(jìn)行灰度化，得到各像素點(diǎn)的灰度值；

對(duì)各像素點(diǎn)的灰度值進(jìn)行歸一化處理。

在調(diào)整第三辨識(shí)模型的優(yōu)化器模型中，可選的，優(yōu)化器模型包括AdaGrad優(yōu)化器、SGD優(yōu)化器、Momentum優(yōu)化器、Adam優(yōu)化器。

一種輪胎磨損辨識(shí)模型訓(xùn)練系統(tǒng)，包括：

圖像處理模塊，用于對(duì)輪胎磨損圖像進(jìn)行處理，得到輪胎磨損樣本圖像；

第一訓(xùn)練單元，通過不同的原始辨識(shí)模型分別對(duì)輪胎磨損樣本圖像進(jìn)行識(shí)別，獲取識(shí)別率更高的模型作為基礎(chǔ)辨識(shí)模型；

第二訓(xùn)練單元，以卷積層數(shù)為單一變量，調(diào)整第一訓(xùn)練單元獲取的基礎(chǔ)辨識(shí)模型中的卷積層數(shù)，以識(shí)別率更高的卷積層模型作為繼續(xù)訓(xùn)練模型；