[发明专利]轮胎图像识别方法和轮胎图像识别装置

说明书

根据本发明：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；将所述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。

技术领域

本发明涉及用于识别轮胎图像的方法和装置。

背景技术

已建议在发生由于磨损引起的胎面橡胶的减少、或者由于外伤或劣化引起的损坏的情况下用新轮胎更换轮胎，以确保轮胎性能和安全性。上述现象的判断所用的信息获取主要通过利用视觉检查的外观观察来进行。

在磨损量的判断中，尽管该判断对于轮胎的行驶性能和安全性能是重要的，但很难说驾驶员的检查每天根据需要频繁地进行。

因此，代替人的视觉检查，如果可以从诸如照相机等的机器所产生的图像中识别诸如磨损量等的轮胎信息，则不仅可以期待检查的省力化，而且还可以期待管理成本的降低。

近年来，图像处理技术和图像识别技术已显著进步，并且已开始例如以下的针对向轮胎检查的应用的研究：拍摄轮胎的胎面花纹并且分析该胎面花纹的高宽比和胎面沟槽深度以识别轮胎磨损量(例如，参见专利文献1)。

现有技术文献

专利文献

专利文献1：US 2016/0343126

发明内容

发明要解决的问题

然而，存在如下的问题：在专利文献1中，由于预先通过诸如开发者等的人的介入来设置诸如胎面花纹的边缘和线等的作为特征几何信息的特征量，因此不仅分析参数局限于个体情况，而且花费大量时间来分析大量轮胎。

另外，分析精度已受诸如所使用的图像的亮度、角度或大小等的个体图像状态影响。

本发明是有鉴于传统问题而作出的，并且目的在于提供一种可以从轮胎的图像容易地且可靠地识别轮胎类型和磨损状态的方法和装置。

用于解决问题的方案

本发明提供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。

此外，本发明提供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。

本发明的发明内容部分并未列举本发明所需的所有特征，并且这些特征的子组合也可以成为本发明。