(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210950523.7 (22)申请日 2022.11.08 (71)申请人 东风汽车集团股份有限公司 地址 430056 湖北省武汉市武汉经济技 术 开发区东 风大道特1号 (72)发明人 王一平　危保国　王彬　黄海波　 陈琳　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 专利代理师 余浩 (51)Int.Cl. G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) B60C 25/05(2006.01) (54)发明名称 一种基于机器学习的换胎识别方法及自动 换胎系统 (57)摘要 本发明公开了一种基于机器学习的换胎识 别方法及自动换胎系统， 涉及轮胎识别领域， 该 方法包括采集经过预处理的试验轮胎图像作为 训练图像输入至卷积神经网络模 型， 对训练图像 的抓取点和安装点进行识别； 对 卷积神经网络模 型进行修正调整， 直至卷积神经网络模型对训练 图像的抓取点和安装点的识别误差低于预设阈 值； 将实时获取的轮胎和轮胎安装位置的图像信 息输入至训练好的卷积神经网络模 型， 以对轮胎 的抓取点以及安装位置的安装点识别判断； 根据 卷积神经网络模型识别出的抓取点和安装点对 轮胎执行抓取安装动作。 本发明中采用图像识别 辅助机器人进行轮胎抓取， 并且向图像识别系统 输入训练图像进行训练以减少机器人抓取失误 的概率， 提高换胎成功率。 权利要求书2页 说明书8页 附图2页 CN 115546463 A 2022.12.30 CN 115546463 A 1.一种基于 机器学习的换胎识别方法， 其特 征在于， 包括以下步骤： 采集经过预处理 的试验轮胎图像作为训练图像输入至卷积神经网络模型， 对所述训练 图像的抓取点和安装点进行识别； 对所述卷积神经网络模型进行修正调整， 直至所述卷积神经网络模型对所述训练图像 的抓取点和安装点的识别误差低于预设阈值； 将实时获取的轮胎和轮胎安装位置的图像信息输入至训练好的所述卷积神经网络模 型， 以对轮胎的抓取点以及安装位置的安装点进行识别判断； 根据所述卷积神经网络模型识别出的抓取点和安装点对轮胎执行抓取动作或安装动 作。 2.如权利要求1所述的换胎识别方法， 其特征在于， 所述采集经过预处理 的试验轮胎图 像作为训练图像输入至卷积神经网络模型， 对所述训练图像的抓取点和 安装点进行识别， 包括： 对所述试验轮胎图像上的轮廓进行提取和标记以作为训练图像， 并将经过标记的所述 试验轮胎图像输入所述卷积神经网络模型， 以使 所述卷积神经网络模型识别并记录出所述 试验轮胎图像中的各个部位的类型。 3.如权利要求2所述的换胎识别方法， 其特征在于， 所述对所述卷积神经网络模型进行 修正调整， 直至所述卷积神经网络模型对所述训练图像的抓取点和安装点的识别误差低于 预设阈值， 包括： 步骤S1,根据提前经过轮廓提取和标记的所述训练图像上各个部位的易夹取程度， 给 每个类型进行 赋值并得到该次识别的夹取评分以作为实际夹取评分； 步骤S2,再次将所述试验轮胎图像输入所述卷积神经网络模型， 以使所述卷积神经网 络模型对所述试验轮胎图像的轮廓进行提取和标记； 步骤S3,卷积神经网络模型根据 此次对所述试验轮胎图像识别出的类型进行打分并以 该评分作为识别夹取评分； 步骤S4,将所述识别夹取评分与所述实际夹取评分的差值作为损失值对所述卷积神经 网络模型进行修 正； 步骤S5,重复上述 步骤S1‑步骤S4， 直至在预设次数中所述损失值均小于预设的阈值。 4.如权利要求3所述的换胎识别方法， 其特征在于， 所述根据提前经过轮廓 提取和标记 的所述训练图像上各个部位的易夹取程度， 给每个类型进 行赋值并得到该次识别的夹取评 分以作为实际夹取评分， 包括： 对所述训练图像的凸起结构、 孔和槽的易夹取程度进行分类， 并根据 所述凸起结构、 孔 和槽的易夹取程度由小至大 给每个类型进行 赋值以得到 夹取评分以作为实际夹取评分。 5.如权利要求3所述的换胎识别方法， 其特征在于， 所述将所述识别夹取评分与所述实 际夹取评分的差值作为损失值对所述卷积神经网络模型进行修 正， 包括： 将所述识别夹取评分和实际夹取评分相减得到训练 的所述损失值， 将所述损失值 回传 给所述卷积神经网络模型， 并根据所述损失值采用梯度下降法对所述卷积神经网络模型进 行调整。 6.如权利要求3所述的换胎识别方法， 其特 征在于， 所述预设次数为10次。 7.一种自动换胎系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115546463 A 2轮胎抓取装置， 其用于设置在所上述汽车底部， 且所述轮胎抓取装置包括夹爪部(1)和 摄像部(2)， 所述摄 像部(2)用于对所述汽车的故障轮胎或备胎进行图像信息收集； 卷积神经网络模型， 其用于接收经过预处理的试验轮胎图像， 对试验轮胎图像的抓取 点和安装点进行识别， 并对其识别结果进行修正调整， 直至所述卷积神经网络模型对所述 试验轮胎图像的抓取点和安装点的识别误差低于预设阈值， 所述卷积神经网络模型用于识 别实时获取 的轮胎和轮胎安装位置的图像信息并对所述实时图像信息中轮胎的抓取点以 及安装位置的安装点进行识别判断； 与所述卷积神经网络模型相连的控制装置， 所述控制装置与 所述轮胎抓取装置相连并 接收所述卷积神经网络模型的识别判断信息， 所述控制装置用于驱使 所述轮胎抓取装置在 所述故障轮胎的预设抓取点和备胎存放 点之间移动； 其中， 当所述轮胎抓取装置位于所述预设抓取点 时， 所述控制装置用于对实时获得的图像信 息进行分析以驱使所述夹爪部(1)拆卸 所述故障轮胎或安装所述备胎， 当所述轮胎抓取装 置位于所述备胎存放点时， 所述控制装置用于对实时获得的图像信息进 行分析以驱使 所述 夹爪部(1)取 出所述备胎或存放所述故障轮胎。 8.如权利要求7所述的自动换胎系统， 其特征在于， 所述换胎系统还包括： 感应磁轨， 其 用于铺设在所述汽车 的车底， 所述感应磁轨与所述轮胎抓取装置卡接， 且所述轮胎抓取装 置用于沿所述感应 磁轨移动以在所述预设抓取点或所述备胎存放 点之间移动。 9.如权利要求8所述的自动换胎系统， 其特 征在于， 所述轮胎抓取装置还 包括： 滑动部(3)， 其组设于所述感应 磁轨中； 伸缩组件(4)， 其一端组设于所述滑动部(3)上， 另一端与所述摄像部(2)相连， 所述伸 缩组件(4)中部与所述夹爪部(1)相连。 10.如权利要求9所述的自动换胎系统， 其特征在于， 所述自动换胎系统还包括： 多个胎 压传感器， 所述胎压传感器用于检测所述汽车轮胎的胎压信息， 所述胎压传感器与所述控 制系统相连， 且所述控制系统可根据所述胎压信息判断所述汽车轮胎是否失效。权　利　要　求　书 2/2 页 3 CN 115546463 A 3