一种基于机器学习的成型轮毂识别方法技术

本发明专利技术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。本发明专利技术的有益效果是：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。由于识别错误造成识别不准确的情况发生。由于识别错误造成识别不准确的情况发生。

【技术实现步骤摘要】
一种基于机器学习的成型轮毂识别方法


[0001]本专利技术涉及机器学习
，尤其涉及一种基于机器学习的成型轮毂识别方法。

技术介绍

[0002]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。
[0003]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。视觉检测单元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的成型轮毂识别方法，其特征在于，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。2.根据权利要求1所述的一种基于机器学习的成型轮毂识别方法，其特征在于， 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。3.根据权利要求2所述的一种基于机器学习的成型轮毂识别方法，其特征在于，步骤S13中所述轮毂结构包括螺栓孔结构、窗口结构、气嘴孔结构、辐条结构、安装面结构、肋背结构、轮辋结构、偏距、挂型结构和装车曲线。4.根据权利要求2或3所述的一种基于机器学习的成型轮毂识别方法，其特征在于，所述轮毂编码包括前缀码、厂商识别代码、商品项目代码和校验码，所述商品项目代码包括车轮材料代码、成型工艺代码、车轮结构代码和车轮表面状态代码。5.根据权利要求1所述的一种基于机器学习的成型轮毂识别方法，其特征在于，步骤S2中所述采集轮毂编码及两侧结构图像包括以下步骤：S21：定位轮毂编码位置，采集轮毂编码信息；S22：采集轮毂正面、反面和侧面的结构图像信息。6.根据权利要求1所述的一种基于机器学习的成型轮毂识别方法，其特征在于，步骤S2中所述基于神经网络提取图像特征包括以下步骤：S23：基于卷积神经网络对采集的图像进行图像预处理；S24：对处...

【专利技术属性】
技术研发人员：林斌，万坤，田勇，万士文，李庆贺，计森林，苏俩征，许国强，
申请(专利权)人：浙江跃岭股份有限公司，
类型：发明
国别省市：