一种基于卷积神经网络的轮胎外壁完好程度的识别方法技术

本发明专利技术公开了一种基于卷积神经网络的轮胎外壁完好程度的识别方法，包括首先获取并进行图像预处理已对其破损分类的轮胎外壁图像；然后直接基于DenseNet神经网络模型构建非对称卷积结构；再进行构建特征融合模块来融合不同层级的目标特征，将轮胎外壁图像输入融合到DenseNet神经网络模型中；轮胎外壁图像在DenseNet神经网络模型中通过10

【技术实现步骤摘要】
一种基于卷积神经网络的轮胎外壁完好程度的识别方法


[0001]本专利技术涉及卷积神经网络的应用
，具体来说，涉及一种基于卷积神经网络的轮胎外壁完好程度的识别方法。

技术介绍

[0002]目前，在本领域暂未覆盖轮胎外壁完整程度的检测，并且，没有任何的可量化的轮胎外壁完整度的检测设备，还一直都是依赖于人工的目视检测和人工判断，而且人工检测，需要是车辆静止停留在车位上，存在效率低、易遗漏和易出错的一系列现实问题。
[0003]随着社会的工业化发展，制造出专用的检测设备，用于预防轮胎损坏是需要被正视的缺陷。

技术实现思路

[0004]针对相关技术中的上述技术问题，本专利技术提出一种基于卷积神经网络的轮胎外壁完好程度的识别方法，能够克服现有技术方法的上述不足。
[0005]为实现上述技术目的，本专利技术的技术方案是这样实现的：
[0006]一种基于卷积神经网络的轮胎外壁完好程度的识别方法，包括以下步骤：
[0007]S1:首先，获取已对其破损分类的轮胎外壁图像，所述轮胎外壁包括胎面，并进行图像预处理；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的轮胎外壁完好程度的识别方法，其特征在于，包括以下步骤：S1:首先，获取已对其破损分类的轮胎外壁图像，所述轮胎外壁包括胎面，并进行图像预处理；S2:处理好轮胎外壁图像后，直接基于经过改进后的DenseNet神经网络模型，构建非对称卷积结构；S3:在包含构建好的非对称卷积结构的网络基础上，进行构建特征融合模块来融合不同层级的目标特征，将预处理后的轮胎外壁图像输入融合到改进后的DenseNet神经网络模型中；S4:预处理后的轮胎外壁图像在DenseNet神经网络模型中通过10
‑
fold交叉检验的训练策略，对DenseNet神经网络模型进行训练、验证和测试；S5:最后，利用Adam算法优化交叉熵代价函数，优化DenseNet神经网络模型模型，提高识别轮胎外壁是否破损或完好的程度。2.根据权利要求1所述的基于卷积神经网络的轮胎外壁完好程度的识别方法，其特征在于，步骤S1中，预处理轮胎外壁图像时，预处理的方法为图像归一化和数据集增强，所述归一化就是用于减小待分类轮胎外壁图像由于背景图像及轮毂反射对训练模型的影响。3.根据权利要求1所述的基于卷积神经网络的轮胎外壁完好程度的识别方法，其特征在于，步骤S2中，改进DenseNet神经网络模型是将DenseNet神经网络模型中第一个卷积层替换为Inception结构。4.根据权利要求2所述的基于卷积神经网络的轮胎外壁完好程度的识别方法，其特征在于，所述增强数据集的方法包括对轮胎外壁图像做平移、旋转、翻转及倾斜和随机变化图像的亮度、饱和度、对比度、锐化、色调、加入随机噪点及随机像素丢失的处理，将经过处理操作后的轮胎外壁图像数据整合到数据集。5.根...

【专利技术属性】
技术研发人员：朱晓鹰，朱岩，
申请(专利权)人：北京科基佳德智能技术有限公司，
类型：发明
国别省市：