[发明专利]基于边云协同和AR的汽车轮胎外观质量智能检测方法

权利要求书

1.一种基于边云协同和AR的汽车轮胎外观质量智能检测方法，其特征在于，应用于边缘端，所述边缘端分别与云服务平台以及若干终端通信连接，所述方法包括：

S1、接收实时采集的汽车轮胎图像，该实时汽车轮胎图像由终端采用AR眼镜获取；

S2、调取由云服务平台训练完毕的汽车轮胎外观检测的深度学习模型，将所述实时汽车轮胎图像作为深度学习模型的输入，获取质量智能检测结果。

2.如权利要求1所述的汽车轮胎外观质量智能检测方法，其特征在于，还包括：

S3、根据所述质量智能检测结果，对存在缺陷的实时汽车轮胎图像进行缺陷位置、缺陷类型以及所属缺陷类型的概率值大小进行标记，并发送至终端显示。

3.如权利要求2所述的汽车轮胎外观质量智能检测方法，其特征在于，所述S3中还包括：将标记结果发送至所述云服务平台用于优化所述深度学习模型。

4.如权利要求1～3任一项所述的汽车轮胎外观质量智能检测方法，其特征在于，所述S2的深度学习模型采用YOLOv5模型，其训练过程具体包括：

S10、构建样本数据集，所述样本数据集中包括存在缺陷的汽车轮胎图像；

S20、采用迁移学习方法调用初始模型参数，并输入所述样本数据集，通过前向传播对样本进行计算，得到轮胎缺陷图像预测框的位置、大小以及所包含缺陷的类别；

S30、将缺陷样本中概率值最高的所属类别作为样本缺陷类别；

S40、根据步骤S30中获取的样本缺陷检测类别与实际缺陷类别的差距，通过梯度下降迭代更新前向传播中的权重矩阵和偏置，减小预测框与真实框之间的损失；

S50、重复步骤S20到S30，直到达到设定的训练批量batch-size。

5.如权利要求4所述的汽车轮胎外观质量智能检测方法，其特征在于，所述S10中构建样本数据集，具体包括：

在轮胎外部合理安置摄像头，在轮胎旋转过程进行抓拍获得，包含同一个缺陷的样本有多个，分别为不同角度或位置拍摄的图像；

对收集到的图像进行镜像、增加噪声、图像变亮、图像变暗和图像高斯滤波操作，扩充原始数据集；

将扩充后的数据集中的图像信息，通过LabelImg图像标注工具将缺陷区域进行标注，确定图像中的实际缺陷类别。

6.一种基于边云协同和AR的汽车轮胎外观质量智能检测系统，其特征在于，应用于边缘端，所述边缘端分别与云服务平台以及若干终端通信连接，所述方法包括：

接收模块，用于接收实时采集的汽车轮胎图像，该实时汽车轮胎图像由终端采用AR眼镜获取；

检测模块，用于调取由云服务平台训练完毕的汽车轮胎外观检测的深度学习模型，将所述实时汽车轮胎图像作为深度学习模型的输入，获取质量智能检测结果。

7.如权利要求6所述的汽车轮胎外观质量智能检测系统，其特征在于，还包括：

所述反馈模块，用于根据所述质量智能检测结果，对存在缺陷的实时汽车轮胎图像进行缺陷位置、缺陷类型以及所属缺陷类型的概率值大小进行标记，并发送至终端显示。

8.如权利要求7所述的汽车轮胎外观质量智能检测方法，其特征在于，所述反馈模块还用于将标记结果发送至所述云服务平台用于优化所述深度学习模型。

9.一种存储介质，其特征在于，其存储有用于基于边云协同和AR的汽车轮胎外观质量智能检测的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～5任一项所述的汽车轮胎外观质量智能检测方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～5任一项所述的汽车轮胎外观质量智能检测方法。