[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

说明书

本发明提供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、系统、存储介质和电子设备，涉及轮胎外观质量智能检测技术领域。本发明实施例应用于边缘端，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；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。通过云服务平台—边缘端—终端的三层架构实现汽车轮胎的外观缺陷的快速准确检测；采用AR眼镜可以从不同角度或位置实时收集多张同一汽车轮胎外观图像，有利于及时发现问题，进一步提高检测效率。

技术领域

本发明涉及轮胎外观质量智能检测技术领域，具体涉及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、系统、存储介质和电子设备。

背景技术

工业质检在现代制造业非常重要，产品表面微小的划痕和凹坑等瑕疵就可能会酿成重大的事故，比如汽车轮胎的气泡缺陷、杂物缺陷等会直接影响使用效果甚至会带来生命财产损失。人工智能技术的发展已经开始赋能工业质检，效率和准确度都有了全面的提升。

目前，尚未出现专门的算法或技术研究汽车轮胎外观缺陷的检测，需要工人来通过图像观察来判断轮胎是否存在缺陷以及根据主观感觉对缺陷进行分类。而这种判断易受外界条件的干扰，并且工人任务重，工作时间长，从而导致轮胎检测过程中的漏检、错检现象频频发生。此外，虽然有人提出采用边云协同的方式实现轮胎外观质量检测，但是由于云计算平台进行缺陷检测的实时性较低，而边缘计算平台算力资源与存储资源有限，无法使用较为复杂的深度学习模型。

鉴于此，有必要提供一种能够提高汽车轮胎外观质量检测的准确度与效率的方案。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了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、系统、存储介质和电子设备，解决了现有汽车轮胎外观质量检测的准确度与效率尚待提高的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

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，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。

优选的，所述方法还包括：

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。

优选的，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。

优选的，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；