[发明专利]车辆轮胎的胎纹检测方法、装置、电子设备及存储介质

权利要求书

1.一种车辆轮胎的胎纹检测方法，其特征在于，包括：

获取待检测车辆的轮胎图像；

根据所述轮胎图像确定候选胎冠区域；

采用基于深度学习的目标分类模型，对所述候选胎冠区域的胎纹进行分类；

根据分类结果，确定所述胎纹是否合格。

2.如权利要求1所述的车辆轮胎的胎纹检测方法，其特征在于，所述基于深度学习的目标分类模型，具体通过如下方式获取：

在基于深度学习的LeNet分类网络之后依次添加一第一卷积层、一第二卷积层和一池化层，在所述池化层后连接一输出维度控制在512维的第一全连接层，在所述第一全连接层之后连接一输出维度控制在2维的第二全连接层；在所述第二全连接层之后连接一Loss层，得到调整后的基于深度学习的LeNet分类网络；

根据所述调整后的基于深度学习的LeNet分类网络，训练得到所述基于深度学习的目标分类模型。

3.如权利要求1所述的车辆轮胎的胎纹检测方法，其特征在于，根据所述轮胎图像确定候选胎冠区域，具体包括：

判断所述轮胎图像中是否存在圆形区域；

若存在，则根据所述圆形区域确定目标圆形区域，并将所述目标圆形区域的外接矩形表征的区域作为所述候选胎冠区域；

若不存在，则判断所述轮胎图像中是否存在椭圆形区域；

若存在，则根据所述椭圆形区域确定目标椭圆形区域，并将所述目标椭圆形区域的外接矩形表征的区域作为所述候选胎冠区域。

4.如权利要求3所述的车辆轮胎的胎纹检测方法，其特征在于，所述根据所述圆形区域确定目标圆形区域，具体包括：

通过计算所述圆形区域的圆心的数量，确定所述圆形区域的数量；

若所述数量大于或者等于2，则保留各所述圆形区域中面积最大的圆形区域；

根据所述面积最大的圆形区域，确定目标圆形区域；

所述根据所述椭圆形区域确定目标椭圆形区域，具体包括：

通过计算所述椭圆形区域的中心点的数量，确定所述椭圆形区域的数量；

若所述数量大于或者等于2，则保留各所述椭圆形区域中面积最大的椭圆形区域；

根据所述面积最大的椭圆形区域，确定目标椭圆形区域。

5.如权利要求4所述的车辆轮胎的胎纹检测方法，其特征在于，所述根据所述面积最大的圆形区域，确定目标圆形区域，具体包括：

获取所述面积最大的圆形区域的若干连通域；

对所述若干连通域中的每一连通域分别执行预设操作；所述预设操作包括：获取当前连通域的边缘的点集；根据所述点集进行圆形拟合，得到所述圆形的结构体；

根据所述圆形的结构体，确定目标圆形区域；

所述根据所述面积最大的椭圆形区域，确定目标椭圆形区域，具体包括：

获取所述面积最大的椭圆形区域的若干连通域；

对所述若干连通域中的每一连通域分别执行预设操作；所述预设操作包括：获取当前连通域的边缘的点集；根据所述点集进行椭圆形拟合，得到所述椭圆形的结构体；

根据所述椭圆形的结构体，确定目标椭圆形区域。

6.如权利要求5所述的车辆轮胎的胎纹检测方法，其特征在于，所述根据所述圆形的结构体，确定目标圆形区域，具体包括：

获取基于所述待检测车辆的胎冠区域设定的第一条件阈值；

判断各所述圆形的结构体是否满足所述第一条件阈值；

删除不满足所述第一条件阈值的圆形的结构体，得到所述目标圆形区域；

所述根据所述椭圆形的结构体，确定目标椭圆形区域，具体包括：

获取基于所述待检测车辆的胎冠区域设定的第二条件阈值；

判断所述各所述椭圆形的结构体是否满足所述第二条件阈值；

删除不满足所述第二条件阈值的椭圆形的结构体，得到所述目标椭圆形区域。

7.如权利要求1所述的车辆轮胎的胎纹检测方法，其特征在于，在所述根据所述轮胎图像确定候选胎冠区域之前，还包括：

将所述轮胎图像转换为二值化图像；

所述根据所述轮胎图像确定候选胎冠区域，具体为：根据所述二值化图像确定候选胎冠区域。