基于计算机视觉的汽车轮胎监测系统技术方案

本发明专利技术提供了一种基于计算机视觉的汽车轮胎监测系统，该监测系统包括相机单元和嵌入式处理单元；所述相机单元包括监控相机和光源；所述嵌入式处理单元内设有GPU，所述嵌入式处理单元通过CAN总线与相机单元相连。通过本发明专利技术系统可以对论汽车轮胎进行全面的检测，包括轮胎外侧，胎面，轮胎内侧，避免了普通检查轮胎难以检测轮胎内侧情况。本发明专利技术系统硬件实现成本较低，也能够在非汽车上普及使用。

Automobile Tire Monitoring System Based on Computer Vision

The invention provides an automobile tire monitoring system based on computer vision, which comprises a camera unit and an embedded processing unit; the camera unit includes a monitoring camera and a light source; the embedded processing unit is equipped with a GPU, and the embedded processing unit is connected with the camera unit through a CAN bus. The system of the invention can comprehensively detect the tire of an automobile, including the outer side of the tire, the tread and the inner side of the tire, thus avoiding the difficulty of detecting the inner side of the tire by common inspection. The hardware implementation cost of the system is low, and the system can also be widely used on non-automobiles.

【技术实现步骤摘要】
基于计算机视觉的汽车轮胎监测系统
本专利技术涉及一种计算机监测系统，具体涉及一种基于计算机视觉的汽车轮胎健康监测系统。
技术介绍
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。图像分类在很多领域有广泛应用，包括安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类，医学领域的图像识别等。基于深度学习的图像分类方法：可以通过有监督或无监督的方式学习层次化的特征描述，从而取代了手工设计或选择图像特征的工作。深度学习模型中的卷积神经网络(ConvolutionNeuralNetwork,CNN)近年来在图像领域取得了惊人的成绩，CNN直接利用图像像素信息作为输入，最大程度上保留了输入图像的所有信息，通过卷积操作进行特征的提取和高层抽象，模型输出直接是图像识别的结果。这种基于"输入-输出"直接端到端的学习方法取得了非常好的效果，得到了广泛的应用。目标检测(ObjectDetection)是计算机视觉领域中一个基础性的研究课题，主要包含两类不同的检测任务：目标实例检测(InstanceObjectDetection)和目标类别检测(GenericObjectDetection)。目标检测任务可分为两个关键的子任务：目标分类和目标定位。目标分类任务负责判断输入图像中是否有感兴趣类别的物体出现，输出一系列带分数的标签表明感兴趣类别的物体出现在输入图像的可能性。目标定位任务负责确定输入图像中感兴趣类别的物体的位置和范围，输出物体的包围盒，或物体中心，或物体的闭合边界等，通常方形包围盒是最常用的选择。轮胎作为车辆重要部件之一，它不仅关系到车辆的操控性能，还事关车上人员的生命安全。据统计，高速公路46％的交通事故是由于轮胎发生故障引起的。因此，维持轮胎“健康工作“十分必要。轮胎监测主要包含了一下几个方面：(1)胎压监测。在汽车的行驶中，胎压异常会引起轮胎局部磨损、操控舒适性降低、油耗增加等问题，从而导致爆胎。实时监测胎压变化，是预防爆胎的关键。(2)检查轮胎的磨损情况监测。轮胎的由于长时间的使用会有一定的磨损，当磨损较为严重时候，可能有爆胎情况的发生。因此定期检测轮胎的磨损情况十分有必要。(3)轮胎破损监测。汽车在行驶中，可能较硬的金属等刺破轮胎的外胎，此时会有很大的安全隐患，如爆胎等。因此实时检测轮胎完成程度十分有必要。(4)轮胎老化检测：汽车论坛长时间使用会出现比如轮胎胎面或者胎壁出现裂缝等轮胎老化的现象，此时需要更换轮胎，否则老化的轮胎由于胎壁强度减弱，在高速行驶中由于温度上升容易发生爆胎危险。(5)轮胎起包变形检测：轮胎出现起包变形是一件很危险的事情，一般情况下都建议更换轮胎。轮胎出现此类情况证明轮胎内部的金属线圈已经变形或断裂，如果继续行驶则极有可能发生爆胎危险。目前对以上的几个方面的检测主要为一下几种方式：胎压监测：胎压监测主要是专业测压力仪器进行测压，或者通过传感器方式进行压力测试。轮胎磨损、轮胎破损、轮胎老化、轮胎起包变形情况监测：主要是通过专业汽车4s维修人员判定。针对最接近的现有技术，主要有以下的缺点：胎压监测：如果通过测压仪器进行测压，通过传感器方式进行实时测压。轮胎磨损情况：主要通过人工方式辨别。以及通过激光结合传统图像处理进行检测。轮胎破损情况：主要通过人工方式辨别。目前现有的技术分别具有以下问题和缺点：1.胎压监测：如果通过测压仪器进行测压，可以十分精准的测出当前轮胎的胎压，但是无法做到实时检测，且需要专业的测试仪器。通过传感器方式测胎压，此种方式可以实时检测汽车轮胎胎压，但是成本相对较高，一般仅在高端汽车中由配备。2.轮胎磨损情况检测：多为人工方式进行辨别，做不到实时的检测，可能由于长时间忽略轮胎的检查而导致轮胎磨损过于严重。而目前由于的基于激光方式结合图像处理进行轮胎的模型检测，其功能单一，给汽车车身上带来配件的冗余。3.轮胎破损、轮胎老化、轮胎起包变形情况检测：多为人工方式进行辨别，做不到实时检测，而汽车一旦出现轮胎破损，便很可能带来很大的安全隐患。
技术实现思路
本专利技术的目的是提供一种基于计算机视觉的汽车轮胎监测系统，对汽车轮胎进行实时监测，及时发现潜在的危险，排除安全隐患，避免由轮胎的异常状态而导致的安全事故，以弥补现有技术的不足。为达到上述目的，本专利技术采取的具体技术方案为：一种基于计算机视觉的汽车轮胎监测系统，该监测系统包括相机单元和嵌入式处理单元；所述相机单元包括监控相机和光源；所述嵌入式处理单元内设有GPU，所述嵌入式处理单元通过CAN总线与相机单元相连。进一步的，所述嵌入式处理单元采用hikey970开发板，其开发板配有高阶12核Mali-G72MP12图形处理器GPU，在此之上可运行深度学习算法。进一步的，所述深度学习算法为预先训练好的TensorFlow深度学习算法模型，选择VGG和YOLO。进一步的，所述VGG是分类算法，主要作用是对轮胎气量和轮胎磨损情况进行分类。其中用于轮胎气量分类的照片是由图3所示轮胎内侧相机，以前左相机端为例A3相机提供，分类的结果分为“正常气量”、“气量过小”、“气量过大”三种情况。用于轮胎磨损分类的照片主要通过图2所示，主要是拍摄轮胎胎面，分类的结果为“无磨损”、“轻微磨损”、“严重磨损”三种情况。如图4所描述VGG算法的整体结构，主要包含了卷积层，激活层，池化层，全连接层，以及softmax分类层。包含了16个隐藏层(13个卷积层和3个全连接层)，其中卷积核的大小3x3，池化层为最大池化尺寸(2x2)。卷积层表示如下：上述公式表示为单通的二维图像卷积公式，表示的是输入层为l-1，输入的特征图是X(1-1)(m*m)，特征对应的卷积核是K(1)(n*n)，每一层加上的偏置单元为B(1).所采集到的照片为彩色照片，其通道数为三，则多通道卷积公式为：其中N1-1表示的是卷积的通道的数量；池化层有两种方式，平均池化或最大值池化，平均池化表示取卷积核中元素的平均值为输出，最大值池化表示取卷积核中的最大值为输出，以下为平均池化公式：使用的卷积核每个单元的权重都是β(I+1)激活层表示为：φ(x)＝max(0，x)X为激活激活函数的输入。进一步的，所述VGG训练过程：(1)采集数据并分类VGG分类算法是有监督算法，在算法在使用前需要通过大量数据进行训练，对此，进行算法训练前需要收集轮胎照片数据，其中要包含如下分类“正常气量”、“气量过小”、“气量过大”“无磨损”、“轻微磨损”、“严重磨损”六种类别，要保证每种类别的照片不少于100张，并将数据集分为训练集，验证集，测试集。(2)训练算法模型本系统使用tensorflow深度学习框架进行模型的训练和实际的模型的部署，利用本文档来自技高网...

【技术保护点】
1.一种基于计算机视觉的汽车轮胎监测系统，其特征在于，该监测系统包括相机单元和嵌入式处理单元；所述相机单元包括监控相机和光源；所述嵌入式处理单元内设有GPU，所述嵌入式处理单元通过CAN总线与相机单元相连。

【技术特征摘要】
1.一种基于计算机视觉的汽车轮胎监测系统，其特征在于，该监测系统包括相机单元和嵌入式处理单元；所述相机单元包括监控相机和光源；所述嵌入式处理单元内设有GPU，所述嵌入式处理单元通过CAN总线与相机单元相连。2.如权利要求1所述的监测系统，其特征在于，所述嵌入式处理单元采用hikey970开发板，其开发板配有高阶12核Mali-G72MP12图形处理器GPU，在此之上可运行深度学习算法。3.如权利要求1所述的监测系统，其特征在于，所述深度学习算法为预先训练好的TensorFlow深度学习算法模型，选择V...

【专利技术属性】
技术研发人员：魏宪，郭栋，兰海，唐晓亮，郭杰龙，孙威振，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：福建,35