[发明专利]一种基于机器学习的成型轮毂识别方法

说明书

本发明公开了一种基于机器学习的成型轮毂识别方法，为了解决无法辨别轮毂编码和轮毂结构不统一的情况的问题，包括以下步骤：S1：收集轮毂编码及轮毂结构数据并构建轮毂数据库；S2：采集轮毂编码及两侧结构图像，基于神经网络提取图像特征；S3：将提取的图像特征与数据库中轮毂编码及轮毂结构对比，将轮毂编码与对应的轮毂结构进行验证，得到匹配结果；S4：根据匹配结果识别轮毂类型。本发明的有益效果是：本方法基于机器学习的卷积神经网络对轮毂进行识别，便于确定轮毂类型；本方法通过对轮毂编码、轮毂结构两个不同的识别方式，实现辨别轮毂编码和轮毂结构不统一的情况，还可以避免由于识别错误造成识别不准确的情况发生。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种基于机器学习的成型轮毂识别方法。

背景技术

随着汽车行业的发展，汽车零配件制造业尤其是汽车轮毂制造业也随之高速发展起来。在汽车轮毂行业中，对于轮毂的型号参数的了解尤为关键，如轮毂的直径大小和宽度决定了和其能够匹配安装的轮胎的尺寸，轮毂的中心孔直径需要和车辆的轴承尺寸相互匹配，轮毂的偏距、螺栓孔数量和节圆直径等参数都需要符合车辆的原有设计条件。在车辆生产时，车辆和其安装的轮毂都有设定好的型号参数，在轮毂的维修和更换过程中，新更换的轮毂参数也需要符合原有的轮毂参数设定，如果两者的差距过大会极大地影响车辆的驾驶性能甚至发生事故。所以我们需要找到一定的方法以便于获取轮毂的型号参数。

一种在中国专利文献上公开的“基于相机和机器学习的辊道线轮毂的检测定位方法及系统”，其公布号CN110992339A，系统包含硬件和软件两部分，其中硬件部分包含主控单元和视觉检测单元。主控单元负责连接相机、传送带和PLC等设备，运行相关程序。视觉检测单元，包括多台工业RGB相机，负责实时地对辊道线上的轮毂采集图像。软件部分包含主控软件和视觉检测软件。主控软件根据作业流程和各个硬件设备的信号状态，向PLC发送运动控制信号。视觉检测软件负责对辊道线上的轮毂进行检测识别和定位。其不足之处是：无法辨别轮毂编码和轮毂结构不统一的情况。

发明内容

本发明主要是为了解决无法辨别轮毂编码和轮毂结构不统一的情况的问题，提供一种基于机器学习的成型轮毂识别方法，可以通过两种不同的轮毂识别方式辨别轮毂编码和轮毂结构不统一的情况。

为了实现上述目的，本发明采用以下技术方案：

一种基于机器学习的成型轮毂识别方法，包括以下步骤：

S1：收集轮毂编码及轮毂结构数据并构建轮毂数据库；

S2：采集轮毂编码及两侧结构图像，基于神经网络提取图像特征；

S3：将提取的图像特征与数据库中轮毂编码及轮毂结构对比，将轮毂编码与对应的轮毂结构进行验证，得到匹配结果；

S4：根据匹配结果识别轮毂类型。

所述轮毂数据库包括相互关联的轮毂编码数据库和轮毂结构数据库，便于识别后的轮毂编码和轮毂结构确定的轮毂类型之间的对比。

采集轮毂两侧两侧结构可以更加精准地判断轮毂结构所对应的轮毂类型，便于提高结果的精准率。

本方法可以通过轮毂编码和轮毂结构这两种不同的轮毂识别方式辨别轮毂编码和轮毂结构不统一的情况，还可以避免由于识别错误造成识别不准确的情况发生。

作为优选，步骤S1中所述收集轮毂编码及轮毂结构数据并构建轮毂数据库包括以下步骤：

S11：根据轮毂编码规则对轮毂编码结构进行解析；

S12：将每个编码对应的含义存入并构建编码数据库；

S13：根据不同轮毂型号的轮毂结构存入并构建结构数据库。