System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及轮胎的状态的推测方法、推测装置、推测系统、推测程序以及学习完成模型的生成方法。
技术介绍
1、专利文献1公开了使用机器学习模型来推测轮胎的胎面磨损值的方法。机器学习模型收集并使用方向盘角、车轮速度、前后加速度、制动压、行驶总距离等从车载传感器得到的传感器数据,推测各轮胎的胎面磨损。
2、现有技术文献
3、专利文献
4、专利文献1:日本特表2021-524040号公报
技术实现思路
1、专利技术所要解决的课题
2、但是,胎面不仅在其整体上产生均匀的磨损,有时也产生集中于特定的部分的磨损、在轮胎的周向范围内出现特征性图案的磨损。这种现象也称为偏磨损。如果放任偏磨损,则轮胎容易损伤,或容易产生打滑,或车辆难以舒适地行驶。因此,尽早发现偏磨损,采取轮胎更换、轮胎换位等对策是重要的。然而,偏磨损有时会在胎面的磨损量比规定少的时刻发生,有时仅通过推测胎面的磨损量无法发现偏磨损。在专利文献1中并未考虑这一点。
3、本公开的目的在于提供将轮胎的偏磨损作为轮胎的状态来进行推测的方法、装置、系统和程序以及学习完成模型的生成方法。
4、用于解决课题的手段
5、本公开的一个方面的轮胎的状态的推测方法包括如下步骤:获取以包含作为对象的轮胎的胎面的两端并且该胎面在规定方向上连续的方式从正面拍摄该胎面而得到的图像;将获取的图像输入学习完成的第1机器学习模型;以及从学习完成的第1机器学习模型导出输出。
6
7、上述方法也可以还包括如下步骤:根据从学习完成的第1机器学习模型导出的输出,判定是否需要更换作为对象的轮胎。
8、上述方法也可以还包括如下步骤:生成判定结果显示画面,该判定结果显示画面显示是否需要更换作为对象的轮胎的判定结果。
9、上述方法也可以还包括如下步骤:将获取的图像输入与第1机器学习模型不同的学习完成的第2机器学习模型;以及从学习完成的第2机器学习模型导出输出。其中,学习完成的第2机器学习模型的输出与作为对象的轮胎的胎面的槽的深度的推测结果对应。另外,判定是否需要更换作为对象的轮胎也可以根据从所述学习完成的第1机器学习模型导出的输出和从所述学习完成的第2机器学习模型导出的输出来判定是否需要更换所述作为对象的轮胎。
10、在上述方法中,也可以是,作为对象的轮胎的偏磨损的推测结果是与胎面的偏磨损的程度相关的推测结果,用阶段性地示出偏磨损的程度的指标来表示。
11、上述方法也可以还包括如下步骤:生成推测结果显示画面,该推测结果显示画面将与从第1机器学习模型导出的输出对应的指标与该指标在阶段性地示出偏磨损的程度的指标的整体中的定位一起显示。
12、在上述方法中,也可以是,作为所述对象的轮胎的偏磨损的推测结果是与偏磨损的类型相关的推测结果。
13、上述方法也可以还包括如下步骤:获取作为对象的轮胎在车辆中的安装位置的信息;以及根据获取的安装位置的信息和从第1机器学习模型导出的输出,决定作为所推荐的轮胎的换位模式的推荐模式。
14、上述方法也可以还包括如下步骤:生成显示所决定的推荐模式的换位画面。
15、上述方法也可以还包括如下步骤:将判定结果显示画面的数据设为能够经由网络访问的状态;以及生成用于经由网络访问判定结果显示画面的数据的二维码。
16、上述方法也可以还包括如下步骤:将推测结果显示画面的数据设为能够经由网络访问的状态;以及生成用于经由网络访问推测结果显示画面的数据的二维码。
17、本公开的一个方面的轮胎的状态的推测装置具有图像获取部、存储部以及导出部。图像获取部获取以包含作为对象的轮胎的胎面的两端并且该胎面在规定方向上连续的方式从正面拍摄该胎面而得到的图像。存储部存储学习完成的机器学习模型。导出部将获取的图像输入学习完成的机器学习模型,并从学习完成的机器学习模型导出输出。另外,学习完成的机器学习模型的输出与作为对象的轮胎的偏磨损的推测结果对应。
18、上述推测装置也可以还具有画面生成部,该画面生成部生成推测结果显示画面,该推测结果显示画面显示与从学习完成的机器学习模型导出的输出对应的推测结果。
19、本公开的一个方面的轮胎的状态的推测系统也可以还具有推测装置、照相机以及显示器,该推测装置具有上述画面生成部。照相机拍摄作为对象的轮胎的胎面。显示器显示推测结果显示画面。
20、本公开的一个方面的轮胎的状态的推测程序使计算机执行如下动作:获取以包含作为对象的轮胎的胎面的两端并且该胎面在规定方向上连续的方式从正面拍摄该胎面而得到的图像;将获取的图像输入学习完成的第1机器学习模型;以及从学习完成的第1机器学习模型导出输出。
21、另外,学习完成的第1机器学习模型的输出与作为对象的轮胎的偏磨损的推测结果对应。
22、本公开的一个方面的学习完成模型的生成方法包含如下步骤:准备学习用数据,该学习用数据是学习用图像与正确数据的数据集,该学习用图像是以包含轮胎的胎面的两端并且该胎面在规定方向上连续的方式从正面拍摄该胎面而得到的;以及使用学习用数据对机器学习模型的参数进行调整,以使得当输入以包含作为对象的轮胎的胎面的两端并且该胎面在规定方向上连续的方式从正面拍摄该胎面而得到的图像时,输出与正确数据对应的数据。
23、另外,正确数据是表示学习用图像的轮胎的偏磨损的程度的指标和与学习用图像的轮胎的偏磨损的类型对应的标签中的至少一方。
24、本公开的一个方面的轮胎的状态的推测方法包括如下步骤:获取包含作为对象的轮胎的胎面的图像;将获取的图像输入学习完成的第1机器学习模型;从学习完成的第1机器学习模型导出输出;将获取的图像输入与学习完成的第1机器学习模型不同的学习完成的第2机器学习模型;从学习完成的第2机器学习模型导出输出,根据从学习完成的第1机器学习模型导出的输出和从学习完成的第2机器学习模型导出的输出,判定是否需要更换作为对象的轮胎。
25、另外,学习完成的第1机器学习模型的输出与作为对象的轮胎的偏磨损的推测结果对应,学习完成的第2机器学习模型的输出与作为对象的轮胎的胎面的槽的深度的推测结果对应。
26、本公开的一个方面的轮胎的状态的推测装置具有图像获取部、存储部、导出部以及判定部。图像获取部获取包含作为对象的轮胎的胎面的图像。存储部存储学习完成的第1机器学习模型和与学习完成的第1机器学习模型不同的学习完成的第2机器学习模型。导出部将获取的图像输入学习完成的第1机器学习模型,并且将获取的图像输入学习完成的第2机器学习模型,并分别从学习完成的第1机器学习模型和学习完成的第2机器学习模型导出输出。判定部根据从学习完成的第1机器学习模型导出的输出和从学习完成的第2机器学习模型导出的输出,判定是否需要更换作为对象的轮胎。
27、另外,学习完本文档来自技高网...
【技术保护点】
1.一种轮胎的状态的推测方法,包括如下步骤:
2.根据权利要求1所述的轮胎的状态的推测方法,其中,
3.根据权利要求2所述的轮胎的状态的推测方法,其中,
4.根据权利要求2或3所述的轮胎的状态的推测方法,其中,
5.根据权利要求1至4中的任意一项所述的轮胎的状态的推测方法,其中,
6.根据权利要求5所述的轮胎的状态的推测方法,其中,
7.根据权利要求1至4中的任意一项所述的轮胎的状态的推测方法,其中,
8.根据权利要求1至7中的任意一项所述的轮胎的状态的推测方法,其中,
9.根据权利要求8所述的轮胎的状态的推测方法,其中,
10.根据权利要求3所述的轮胎的状态的推测方法,其中,
11.根据权利要求6所述的轮胎的状态的推测方法,其中,
12.一种轮胎的状态的推测装置,其具有:
13.根据权利要求12所述的轮胎的状态的推测装置,其中,
14.一种轮胎的状态的推测系统,其具有:
15.一种轮胎的状态的推测程序,其使计算机
16.一种学习完成模型的生成方法,包括如下步骤:
17.一种轮胎的状态的推测方法,包括如下步骤:
18.一种轮胎的状态的推测装置,其具有:
19.一种轮胎的状态的推测程序,其使计算机执行如下动作:
...【技术特征摘要】
【国外来华专利技术】
1.一种轮胎的状态的推测方法,包括如下步骤:
2.根据权利要求1所述的轮胎的状态的推测方法,其中,
3.根据权利要求2所述的轮胎的状态的推测方法,其中,
4.根据权利要求2或3所述的轮胎的状态的推测方法,其中,
5.根据权利要求1至4中的任意一项所述的轮胎的状态的推测方法,其中,
6.根据权利要求5所述的轮胎的状态的推测方法,其中,
7.根据权利要求1至4中的任意一项所述的轮胎的状态的推测方法,其中,
8.根据权利要求1至7中的任意一项所述的轮胎的状态的推测方法,其中,
9.根据权利要求8所述的轮胎的状态的推测方法,其中,
【专利技术属性】
技术研发人员:岩田麻里子,
申请(专利权)人:住友橡胶工业株式会社,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。