一种轮胎标码识别系统技术方案

本发明专利技术属于智能影像识别领域，具体涉及一种轮胎标码识别系统，包括基于ARM处理器的移动端平台以及识别模型，所述识别模型的训练数据采用半智能化标注方法。本发明专利技术的轮胎标码识别系统使用了基于ARM处理器的移动端平台，大大减小设备体积，设备的造价大大降低，运营成本大大降低，能够手持使用，满足各种条件下的灵活配置。本发明专利技术的本发明专利技术的轮胎标码识别系统利用神经网络训练、应用识别模型，在模型的训练数据方面采用了半智能化标注方法，提高了数据标注的效率。

A type of tire scale identification system

The invention belongs to the field of intelligent image recognition, in particular to a tire scale code identification system, including a mobile terminal platform based on a ARM processor and a recognition model. The training data of the recognition model uses a semi intelligent annotation method. The system uses the mobile terminal platform based on ARM processor, which greatly reduces the volume of the equipment, reduces the cost of the equipment greatly, reduces the operating cost greatly, can be used in hand-held use, and meets the flexible configuration under various conditions. The invention of the invention of the invention uses the neural network to train and apply the recognition model, and uses a semi intelligent annotation method in the training data of the model, which improves the efficiency of the data annotation.

【技术实现步骤摘要】
一种轮胎标码识别系统
本专利技术属于智能影像识别领域，具体涉及一种轮胎标码识别系统。
技术介绍
对于汽车制造商来说，保存轮胎的生产日期来组建一个汽车的数据库尤为重要。轮胎生产日期、轮胎制造商信息(例如D.O.T.代码)在胎的侧壁上，以浮雕或突出的形式出现在黑色橡胶表面；轮胎厂商在轮胎的制造过程中，需要记录这类数据；轮胎翻新厂商，翻新、跟踪轮胎的使用也需要对此类信息的高效提取；很多涉及大量轮胎标码识别的场景，目前都没有小型化、低成本、高鲁棒性的解决方法。目前大型厂商一般使用成套的工业光学识别设备，大多成本高昂，运营费用较高。由于无法微型化、手持化，对一些定制化的轮胎很难在尺寸上统一处理，仍需要人工录入。
技术实现思路
针对现有技术中存在的问题，本专利技术的目的是提供一种智能化、基于移动端的轮胎标码识别系统，以解决上述
技术介绍
中提到的问题。为了实现上述目的，本专利技术采用如下技术方案：一种轮胎标码识别系统，包括基于ARM处理器的移动端平台以及识别模型，所述识别模型的训练数据采用半智能化标注方法。进一步优化，所述移动端平台由3840*3840高像素摄像头，ARM处理器、Soc主板、4GRam、16GRom以及其他配套硬件设备组成。进一步优化，所述摄像头拍摄到的图像以PNG格式由Soc处理模块读取，由识别模型进行处理。进一步优化，所述识别模型包括一层或多层处理流程。进一步优化，所述识别模型包括三层处理流程：第一层，拷贝原始图像使用双线性插值算法等比例缩小到原图大小1/8，即480*480，用训练好的OpenCVHaarCascade模型探测到ROI区域，并返回ROI区域弧线大致坐标；第二层，把第一层处理得到的弧形区域坐标重新映射到原图，在原图上提取该区域，剪切该区域，把剪切出的图像归一化处理，使用矩阵广播，填充、进行第二层ROI区域检测；通过此轮探测，框到轮胎单个的编码字母、数字的边框；第三层，由第二层找到的编码边框把每一个编码剪切出来，归一化成为60*80的矩阵，由CNN卷积网络进行识别，识别结果输出到数据库。进一步优化，所述识别模型使用了三层处理模型，首层模型和第二层模型为OpenCV分类器，第三层模型为深度学习模型。进一步优化，所述三层处理模型均需要训练数据来训练。进一步优化，所述训练数据训练的具体过程为：首层模型的数据是根据整个标注区域，取x、y轴的顶点以及弧度区域的边缘最大值，并按比例缩小为1/8，进行训练；第二层模型的数据需要将训练好的第一层模型应用到原图上提取特征坐标，剪切出弧形标码区域，把标注的每个单独的编码四边形框坐标递归变换到弧形标码区域图片上，再次归一化到统一尺寸，利用双线性插值算法等比例缩小到原图大小1/4，并用此数据集训练第二层模型，使其能捕捉探测到每个字母数字的边框；第三层模型的训练是基于每一个剪切好的单个字符图像，对RGB三个通道选择最优通道，一般是B通道数据完整度最高，将其归一化为60*80的矩阵，进行CNN卷积池化层和全连接层经过softmax分类，从而判断A-Z/0-9所有字符。本专利技术的有益效果在于：(1)本专利技术的轮胎标码识别系统使用了基于ARM处理器的移动端平台，大大减小设备体积，设备的造价大大降低，运营成本大大降低，能够手持使用，满足各种条件下的灵活配置。(2)本专利技术的本专利技术的轮胎标码识别系统利用神经网络训练、应用识别模型，在模型的训练数据方面采用了半智能化标注方法，提高了数据标注的效率。附图说明图1是本专利技术的整体流程示意图；图2是本专利技术的轮胎识别ROI示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。一种轮胎标码识别系统，包括基于ARM处理器的移动端平台以及识别模型，所述识别模型的训练数据采用半智能化标注方法。专利技术实施例中使用的移动端平台，类似智能手机的基础配置，由高像素摄像头(3840*3840)，ARM处理器Soc主板、4GRam，16GRom以及其他配套硬件设备组成。摄像头附带LED闪光灯，由处理器控制，在拍摄目标时，能够根据成像质量自动增加曝光；摄像头镜头使用较高解析力的镜头，实施例中使用摄像头CMOS使用大像素颗粒，单颗成像感光颗粒直径为3微米以上，在弱光环境下、微光环境下能使用较快的快门时间，能够快速成像、稳定成像，配合LED闪光灯补光能够实现无拖影、清晰度较高的成像质量。拍摄时GUI界面会提示使用者把轮胎的外轮廓框进预设的画幅区域内。摄像头拍摄到的图像以PNG格式由Soc处理模块读取，由识别模型进行处理；识别模型包括一或多层处理流程；实施例中使用三层处理流程：第一层，拷贝原始图像使用双线性插值算法等比例缩小到原图大小1/8，即480*480，用训练好的OpenCVHaarCascade模型探测到ROI区域，并返回ROI区域弧线大致坐标；第二层，把第一层处理得到的弧形区域坐标重新映射到原图，在原图上提取该区域，剪切该区域，把剪切出的图像归一化处理，使用矩阵广播，填充、进行第二层ROI区域检测；通过此轮探测，框到轮胎单个的编码字母、数字的边框；第三层，由第二层找到的编码边框把每一个编码剪切出来，归一化成为60*80的矩阵；由CNN卷积网络进行识别；识别结果输出到数据库。针对每一层的处理模型，需要训练数据来训练，本专利技术使用了三层模型，包括两层OpenCV分类器模型和一层深度神经网络模型即深度学习模型；针对前两层采集大量负样本数据，作为负面训练集；数据的标注过程使用xml文件记录相关坐标，每一个编码字母或者数字用四边形框单独框出来，并对每个四边形框标注其内的字母、数值；大约3000张类似图片标注完成后进行数据的再清洗、生成三层模型对应所需的数据；首层模型的数据是根据整个标注区域，取x、y轴的顶点以及弧度区域的边缘最大值，并按比例缩小为1/8，进行训练；针对第二层模型的数据需要将训练好的第一层模型应用到原图上提取特征坐标，剪切出弧形标码区域，把标注的每个单独的编码四边形框坐标递归变换到弧形标码区域图片上，再次归一化到统一尺寸，利用双线性插值算法等比例缩小到原图大小1/4，并用此数据集训练第二层模型，使其能捕捉探测到每个字母数字的边框；第三层模型的训练是基于每一个剪切好的单个字符图像，对RGB三个通道选择最优通道，一般是B通道数据完整度最高，将其归一化为60*80的矩阵，进行CNN卷积池化层和全连接层经过softmax分类，从而判断A-Z/0-9所有字符。如图1所示，在首轮数据标注完成后，用第一批次的数据训练初步的模型，利用这个初步模型，包括第一层到第三层的模型生成轮胎标码，显示在标注界面，标注人员可根据模型的结果进行微调，比如调整某个ROI区域框的坐标，更正区域框内的识别字符等等。在标注过程中，使用已经训练好的各个层次的识别模型，在新的标注图片集预先生成预测的xml数据，这些数据显示在标注界面，标注工作就是纠错的过程，当发现模型自动标注的部分从而大大减少了操作的复杂度，加快了标注的速度。以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术本文档来自技高网...

【技术保护点】
1.一种轮胎标码识别系统，其特征在于，包括基于ARM处理器的移动端平台以及识别模型，所述识别模型的训练数据采用半智能化标注方法。

【技术特征摘要】
1.一种轮胎标码识别系统，其特征在于，包括基于ARM处理器的移动端平台以及识别模型，所述识别模型的训练数据采用半智能化标注方法。2.根据权利要求1所述的一种轮胎标码识别系统，其特征在于，所述移动端平台由3840*3840高像素摄像头，ARM处理器、Soc主板、4GRam、16GRom以及其他配套硬件设备组成。3.根据权利要求2所述的一种轮胎标码识别系统，其特征在于，所述摄像头拍摄到的图像以PNG格式由Soc处理模块读取，由识别模型进行处理。4.根据权利要求3所述的一种轮胎标码识别系统，其特征在于，所述识别模型包括一层或多层处理流程。5.根据权利要求3所述的一种轮胎标码识别系统，其特征在于，所述识别模型包括三层处理流程：第一层，拷贝原始图像使用双线性插值算法等比例缩小到原图大小1/8，即480*480，用训练好的OpenCVHaarCascade模型探测到ROI区域，并返回ROI区域弧线大致坐标；第二层，把第一层处理得到的弧形区域坐标重新映射到原图，在原图上提取该区域，剪切该区域，把剪切出的图像归一化处理，使用矩阵广播，填充、进行第二层ROI区域检测；通过此轮探测，框到轮胎单个的编码字母、数字的边框；第三层，由第二层找到的编码边框把每...

【专利技术属性】
技术研发人员：杨泽霖，马雁祥，罗红亮，
申请(专利权)人：深圳禾思众成科技有限公司，
类型：发明
国别省市：广东,44