[发明专利]检测车辆轮胎的花纹的方法、设备和存储介质

说明书

本发明提供了一种检测车辆轮胎的花纹的方法、设备和存储介质。该方法包括：获取包括车辆的两个轮胎的原始图片；利用分割模型对原始图片进行分割以得到左侧轮胎花纹图片和右侧轮胎花纹图片；将左侧轮胎花纹图片和右侧轮胎花纹图片分别附加第一标签输入孪生神经网络的两个分支，并根据损失函数获得第一损失值；将左侧轮胎花纹图片和右侧轮胎花纹图片分别附加第二标签输入孪生神经网络的两个分支，并根据损失函数获得第二损失值；确定第一损失值是否大于或等于第二损失值；如果第一损失值大于或等于第二损失值，确定车辆的左侧轮胎的花纹和右侧轮胎的花纹相同；以及如果第一损失值小于第二损失值，确定车辆的左侧轮胎的花纹和右侧轮胎的花纹不同。

技术领域

本发明涉及智能检测领域，更具体地，涉及一种用于检测车辆轮胎的花纹的方法、实现这种方法的设备以及计算机可读存储介质。

背景技术

随着社会经济的不断发展和人民生活水平的持续提高，城市机动车保有量迅猛增长，机动车车辆年检的工作量也随之迅速增大。在车辆的使用过程中，车主可能出于各种原因对车辆轮胎进行更换或改装，从而造成车辆左右车轮的轮胎可能不同。然而，不同的轮胎的摩擦力等技术指标可能存在差异，从而有可能在车辆行驶过程中造成意外状况。因此，作为机动车车辆年检的其中一项内容，需要对车辆左右车轮的轮胎进行检测，以确定二者花纹是否相同。在传统的车辆年检中，需要工作人员肉眼对左右轮胎花纹进行判断。然而，由于轮胎的纹络、表面线条特征比较复杂，工作人员肉眼的判断往往可能产生偏差或漏检。

现有技术中，也有一些借助于机器的轮胎检测方法，例如通过统计关键区域像素的均值或像素分布图的方法，或者基于某些深度学习的方法，通过网络学习轮胎的特征，计算轮胎的距离(或者余弦相似度)，与设定的阈值进行比较以判断是否一致。

然而，一方面，这些方法达不到较好的精度，另一方面，这些方法需要人为干预或控制的参数较多，实施较为复杂。因此，如何精确、客观地检测车辆轮胎花纹是当前急需解决的技术问题。

发明内容

针对上述问题，本发明提供了一种用于检测车辆轮胎的花纹的方案，能够在尽量减少人为控制的参数的情况下自动检测车辆轮胎的花纹是否一致。

根据本发明的一个方面，提供了一种用于检测车辆轮胎的花纹的方法。该方法包括：获取包括车辆的两个轮胎的原始图片；利用分割模型对该原始图片进行分割以得到左侧轮胎花纹图片和右侧轮胎花纹图片；将该左侧轮胎花纹图片附加第一标签输入孪生神经网络的第一分支，将该右侧轮胎花纹图片附加该第一标签输入该孪生神经网络的第二分支，并根据损失函数获得该左侧轮胎花纹图片和该右侧轮胎花纹图片的第一损失值，该孪生神经网络的第一分支和第二分支分别包括多个卷积层和多个全连接层，并且该孪生神经网络的第一分支和第二分支具有相同的参数集合；将该左侧轮胎花纹图片和该右侧轮胎花纹图片分别附加第二标签输入该孪生神经网络的两个分支，并根据该损失函数获得该左侧轮胎花纹图片和该右侧轮胎花纹图片的第二损失值；确定该第一损失值是否大于或等于该第二损失值；如果该第一损失值大于或等于该第二损失值，确定该车辆的左侧轮胎的花纹和右侧轮胎的花纹相同；以及如果该第一损失值小于该第二损失值，确定该车辆的左侧轮胎的花纹和右侧轮胎的花纹不同。

根据本发明的另一个方面，提供了一种用于检测车辆轮胎的花纹的设备。该设备包括：存储器，其上存储有计算机程序代码；以及处理器，其被配置为运行该计算机程序代码，以执行如上所述的方法。

根据本发明的再一个方面，提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序代码，该计算机程序代码在被运行时执行如上所述的方法。

利用本发明的方案，一方面利用分割模型对车辆轮胎区域进行精确划分，另一方面利用训练过的孪生神经网络对车辆的左右轮胎的花纹是否一致进行判断，从而在尽量减少工作人员干预的情况下获得了尽可能精确的检测结果。此外，本发明还提供了对孪生神经网络进行训练的方法。

附图说明