[發明專利]一種基于生成對抗網絡的輪胎磨損程度預測方法

有效

• 申請號: 202110769828.3
• 申請日: 2021-07-08
• 公開（公告）號: CN113255847B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 王濤;安士才;李騰;牟文青;韓偉;孫德寶
• 申請（專利權）人: 山東捷瑞數字科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/60;G06N3/04;G06N3/08
• 代理公司: 煙臺雙聯專利事務所(普通合伙) 37225
• 代理人: 呂靜

本發明涉及一種基于生成對抗網絡的輪胎磨損程度預測方法，其特征在于，步驟如下：S1：對拍攝的輪胎側面照片進行預處理；S2：利用IST?GAN網絡模型框架將S1處理后的輪胎側面圖像重構為輪胎正面圖像；S3：利用TWP預測模型框架對轉換后的輪胎正面圖像進行輪胎磨損程度的預測，得出相應的預測結論。本發明不需要做重復的大量的人工測量，節約了人工成本；只需拍攝一張車輛輪胎的側面照片，即可通過本發明的方法預測得知自己輪胎的磨損程度，實現了輪胎磨損情況的遠程預測，便于提前做好更換輪胎的計劃，同時節約了時間成本。

技術領域

本發明涉及輪胎行業花紋磨損程度識別測量技術領域，具體來說，是一種基于生成對抗網絡的輪胎磨損程度預測方法。

背景技術

眾所周知，輪胎與路面間的摩擦力是汽車驅動、制動及轉向的來源。在汽車輪胎的胎面上設計花紋可以有效提高輪胎與地面的摩擦力以及輪胎的貯水、排水能力，同時還有利于輪胎的散熱。

汽車在行駛過程中，其輪胎會不斷損耗，當輪胎花紋深度低于臨界值時，汽車輪胎與地面的摩擦力顯著下降，并對輪胎的貯水、排水能力產生較大的影響。當路面有水膜時，容易產生“水滑現象”，對交通造成極大的安全隱患。

目前輪胎胎面花紋深度的主要檢測方法有兩種，第一種方法如圖1所示，其是通過輪胎花紋深度尺或者游標卡尺，手動測量輪胎胎面同一截面的幾條主花紋溝，并取平均值，該方法的缺點是需要人工手動測量，人力成本過大，效率低下。第二種方法如圖2所示，其是利用激光傳感器水平掃描輪胎表面獲得，缺點是激光器、處理器等設備的成本較高，不能夠普遍應用。并且，這兩種技術都無法遠程測量輪胎胎面花紋深度。

車輛正常使用情況下，在沒有對車輛輪胎進行拆卸時，用戶一般不能拍攝到嚴格的車輛輪胎正面圖像，卻很容易通過手機就可以獲得輪胎的側面照片，但是側面照片并不能清楚的識別到輪胎的直線型花紋溝槽。

鑒于此，本發明通過一種圖像轉換方法，能夠將輪胎側面圖像重構成相應的輪胎正面圖像，從而實現一種遠程、快速、簡便的對輪胎磨損程度進行預測的方法。

發明內容

基于上述技術背景，本發明的主要目的是提供一種基于生成對抗網絡的輪胎磨損程度預測方法，該方法能夠實施遠程測量，通過拍攝的輪胎側面照片即可預測輪胎的磨損程度，進而及時了解輪胎磨損情況，有效降低人力、物力成本投入。

為解決上述問題，本發明所采用的技術方案是：

一種基于生成對抗網絡的輪胎磨損程度預測方法，特殊之處在于，步驟如下：

S1：對拍攝的輪胎側面照片進行預處理；

S2：利用IST-GAN網絡模型框架將S1處理后的輪胎側面圖像重構為輪胎正面圖像；

S3：利用TWP預測模型框架對轉換后的輪胎正面圖像進行輪胎磨損程度的預測，得出相應的預測結論。

進一步地，所述S1中，對拍攝的輪胎側面照片進行預處理，是指將輪胎側面照片的格式及像素進行調整，并對照片顏色作灰度處理。

進一步地，所述S2中的IST-GAN網絡模型框架以及S3中的TWP預測模型框架，其訓練過程均依賴于輪胎樣本數據集的建立，該輪胎樣本數據集的建立過程包括：

將一定數量的輪胎作為樣本，采集每個樣本輪胎同一位置的正面照片（垂直于輪胎胎面）和側面照片（與胎面有一定傾斜角度），得到一系列輪胎正面圖像和輪胎側面圖像，對照片進行預處理，得到用于IST-GAN網絡模型框架訓練的數據集；

測量并記錄每個樣本輪胎的直線型花紋溝槽深度，并根據直線型花紋溝槽深度設置三個閾值標簽作為分類依據，將其分類為建議更換輪胎、輪胎良好和輪胎優秀三類不同磨損程度的分類數據集，用于TWP預測模型框架的訓練；