[发明专利]轮胎图像识别方法和轮胎图像识别装置

权利要求书

1.一种轮胎图像识别方法，包括以下步骤：

获得轮胎类型和轮胎状态中的任一者或这两者彼此不同的多个轮胎图像，所获得的图像被作为教师图像；

将各个教师图像转换成预定像素数的大小；

使用转换后的多个教师图像的数据作为学习图像、利用卷积神经网络来进行学习，并且设置所述卷积神经网络的参数；

获得识别对象轮胎的轮胎图像，并且将所获得的轮胎图像转换成与所述教师图像的大小相同的大小；以及

将所述识别对象轮胎的转换后的轮胎图像输入到所述卷积神经网络，并且判断所述识别对象轮胎的轮胎类型和轮胎状态中的任一者或这两者。

2.根据权利要求1所述的轮胎图像识别方法，其中，所述轮胎类型或所述轮胎状态是胎面花纹、胎面磨损量和侧胎面的裂纹中的任一个。

3.根据权利要求1或2所述的轮胎图像识别方法，其中，在所述教师图像和所述识别对象轮胎的轮胎图像中拍摄了至少一个花纹周期性构造。

4.根据权利要求1至3中任一项所述的轮胎图像识别方法，其中，所述教师图像和所述识别对象轮胎的轮胎图像被转换成灰度，并且在0～1的范围内对所述灰度的等级进行归一化。

5.一种轮胎图像识别装置，包括：

轮胎图像拍摄部件，用于拍摄多个教师图像和识别对象图像，所述多个教师图像是轮胎类型和轮胎状态中的任一者或这两者彼此不同的轮胎图像；

图像数据转换部件，用于将所述教师图像和所述识别对象图像转换成预定像素数的大小；

特征量提取部件，用于提取所述图像数据转换部件转换后的图像的特征量；以及

判断部件，用于将所述识别对象图像的特征量与所述教师图像的特征量进行比较，以判断对象轮胎的轮胎类型和轮胎状态中的任一者或这两者，

其中，所述特征量提取部件包括所述教师图像被配置为学习图像的卷积神经网络的卷积层和池化层，以及

其中，所述判断部件包括所述卷积神经网络的全连接层。