CN114290859B - 一种胎压检测方法、系统、装置及存储介质 - Google Patents

Abstract

本发明公开了一种胎压检测模型、方法、系统、装置及存储介质，其中方法包括以下步骤：获取汽车轮胎图像；将所述汽车轮胎图像输入至胎压检测模型进行处理后，输出胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；其中，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理。本发明通过利用胎压检测模型对捕获的汽车轮胎图像进行分类，能够在车外对多辆汽车的胎压状况进行判断，而且具有判断效率高的特点。本发明可广泛应用于胎压监测技术领域内。

Description

一种胎压检测方法、系统、装置及存储介质

技术领域

本发明涉及胎压检测技术领域，尤其是一种胎压检测方法、系统、装置及存储介质。

背景技术

车辆的轮胎保持合适的气压对于安全驾驶至关重要，充气不足或漏气的轮胎会影响车辆的整体操控性，使车辆的响应速度变慢，停车速度变慢，严重时，可能导致轮胎爆胎。

目前，汽车和卡车通常配备轮胎压力监测系统(Tire Pressure MonitoringSystem，TPMS)，TPMS采用无线传输技术，利用固定于汽车轮胎内的高灵敏度微型无线传感装置在行车或静止的状态下采集轮胎的胎压数据，驾驶员可通过仪表板查看轮胎的胎压数据。然而，TPMS的局限性在于，它的胎压数据只有能够进入车辆内部才能看到，并且它依赖于轮胎内的单个传感装置来采集胎压数据，无法在车外对车辆的胎压情况进行检测。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于：提供一种胎压检测方法、系统、装置及存储介质。

本发明一方面所采取的技术方案是：

一种胎压检测方法，包括以下步骤：

获取汽车轮胎图像；

将所述汽车轮胎图像输入至胎压检测模型进行处理后，输出胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；

其中，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理。

进一步，所述一种胎压检测方法还包括建立所述胎压检测模型的训练步骤，所述胎压检测模型的训练步骤包括以下步骤：

所述胎压检测方法还包括建立所述胎压检测模型的训练步骤，所述胎压检测模型的训练步骤，包括以下步骤：

获取数据集图像，所述数据集图像包括训练集图像，所述数据集图像带有分类标签；

将所述训练集图像输入至所述胎压检测模型中，获取预测分类标签；

根据所述预测分类标签和所述分类标签计算损失函数；

利用损失函数对所述胎压检测模型的网络参数进行优化。

进一步，所述胎压检测模型的训练步骤，还包括以下步骤：

获取不同位置和角度的所述训练集图像。

进一步，所述数据集图像包括测试集图像，所述胎压检测模型的训练步骤，还包括以下步骤：

采用测试集图像对所述胎压检测模型进行验证。

进一步，所述胎压检测方法还包括以下步骤：

对所述胎压检测结果进行视觉显示。

本发明另一方面所采取的技术方案是：

一种胎压检测系统，包括：

图像获取模块，用于获取汽车轮胎图像；

检测模块，用于将所述汽车轮胎图像输入至胎压检测模型进行处理后，输出胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；

其中，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理。

进一步，所述胎压检测系统还包括模型训练模块，所述模型训练模块包括：

获取单元，用于获取数据集图像，所述数据集图像包括训练集图像，所述数据集图像带有分类标签；

处理单元，用于将所述训练集图像输入至所述胎压检测模型中，获取预测分类标签；

计算单元，用于根据所述预测分类标签和所述分类标签计算损失函数；

优化单元，用于利用损失函数对所述胎压检测模型的网络参数进行优化。

本发明另一方面所采取的技术方案是：

一种胎压检测装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的一种胎压检测方法。

本发明一方面所采取的技术方案是：

一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的一种胎压检测方法。

本发明的有益效果是：本发明通过利用胎压检测模型对捕获的汽车轮胎图像进行分类，能够在车外对多辆汽车的胎压状况进行判断，而且具有判断效率高的特点。

附图说明

为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1为本发明的一种胎压检测方法的步骤流程图；

图2为本发明的一种胎压检测模型框架图；

图3为本发明的一种胎压检测系统结构框图；

图4为本发明的一种胎压检测装置结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

下面参照附图详细描述根据本发明实施例提出的一种胎压检测模型、方法、系统、装置及存储介质，首先将参照附图描述根据本发明实施例提出的一种胎压检测模型。

参照图1，本发明实施例中的一种胎压检测方法，包括以下步骤：

S1、构建并训练胎压检测模型，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理；

具体地，胎压检测模型可采用TensorFlow来进行模型框架的搭建，在一个实施例中，参照图2，采用ResNet网络架构，该ResNet网络架构包括输入层，其中，(3，224，224)确定了输入的图片3个RGB通道，输入图片的规格为高度为224像素，宽度为224像素；图像处理层用于对输入的图像进行图像预处理和特征提取等，图像处理层包括若干个resnet block(残差神经网络块)，每一个resnet block还包括两个basic block(基本块)，每一个resnetblock需要添加2个残差，在resnet block之间残差形式是1*1con的卷积形式，例如identiy(128*1*1+RELU)、identiy(256*1*1+RELU)等，在resnet block内部残差形式是lambda x:x的形式，例如identiy(lambda x:x+RELU)，如图2所述，resnet block之间的残差用粗箭头表示，resnet block内部的残差用细箭头表示；输出层，用于输出胎压检测结果，输出层包括average pool(全局平均池)和FC(全连接层)。

另外，在图2所示的ResNet网络架构，BN为批量归一化操作，RELU为激活函数，stride为步长，padding为填充操作，maxpooling为最大池化层。

构建完毕的胎压检测检测模型需要进行适当强度的训练，训练完毕的胎压检测模型，可用于对捕获的汽车轮胎图像进行分类处理，从而判定汽车轮胎的胎压状况。

S2、获取汽车轮胎图像；

具体地，捕获的汽车轮胎图像用于输入至所述胎压检测模型中，从而判定当前汽车的胎压状况。可采用摄像头等图像捕获装置来获取来汽车轮胎图像。

S3、将所述汽车轮胎图像输入至胎压检测模型进行处理后，输出胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；

具体地，捕获的汽车轮胎图像输入胎压检测模型中，该胎压检测模型对该汽车轮胎图像进行分类，从而根据分类结果可以确定汽车轮胎的胎压状况，其中胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种。

胎压检测结果为轮胎完整，表示当前的汽车轮胎的胎压正常；胎压检测结果为轮胎平坦，表示当前的汽车轮胎的胎压不足，需要对汽车轮胎充气；胎压检测结果为无轮胎，表示汽车轮胎图像中并不存在汽车轮胎，例如，该汽车轮胎图像是车身或者只有半个汽车轮胎等的图像。

综上所述，本申请通过利用胎压检测模型对捕获的汽车轮胎图像进行分类，能够在车外对多辆汽车的胎压状况进行判断，而且具有判断效率高的特点。

进一步作为可选的实施方式，步骤S1包括以下步骤S11-S14：

S11、获取数据集图像，所述数据集图像包括训练集图像，所述数据集图像带有分类标签；

S12、将所述训练集图像输入至所述胎压检测模型中，获取预测分类标签；

S13、根据所述预测分类标签和所述分类标签计算损失函数；

S14、利用损失函数对所述胎压检测模型的网络参数进行优化。

具体地，本申请的数据集图像里分为训练集图像和测试集图像，在一个实施例中，将图片下载到文件夹中，每一个类别分为一个文件夹，使用TensorFlow中的tfrecord，将图片划为同一格式，并且为每一类图片添加上标签。将每一类的图片的前70％存储为训练集的tfrecord文件，剩下的30％存储为测试集的tfrecord文件。

将训练集图像输入到构建好的胎压检测模型中，利用胎压检测模型对训练集图像进行特征提取，从而判定当前输入的训练集图像的预测分类标签，利用预测分类标签和训练集图像携带的分类标签来计算损失函数，利用损失函数对该胎压检测模型中的网络参数进行优化训练，直到达到预期的准确率为止，才结束训练。

按照上述的方式，将每一类训练集图像投入到胎压检测模型中进行训练。

进一步作为可选的实施方式，所述步骤S11包括以下步骤：

S111、获取不同位置和角度的数据集图像。

具体地，数据集图像的选取，对于胎压检测模型的训练效果至关重要。

本申请在获取数据集图像时，首先设置汽车轮胎的胎压处于正常状态，利用摄像装置获取完整类的数据集图像，每捕获一张完整类的数据集图像，便微调摄像装置相对于汽车轮胎的位置和角度，这样，连续获取的完整类的数据集图像之间存在微小的差异，从而保证胎压检测模型能够学习到汽车的轮毂盖旋转角度这一类特征。在一个实施例中，完整类的数据集图像包括300张图像。

当采集完完整类的数据集图像后，排出汽车轮胎中的部分气体，使得汽车轮胎处于扁平的状态，同样的道理，收集扁平类的数据集图像，在一个实施例中，扁平类的数据集图像包括300张图像。

最后，采集无轮胎形状类的数据集图像，其中无轮胎形状类的数据集图像主要包括无轮胎、有部分轮胎以及汽车侧面等多种类型的图像。在一个实施例中，无轮胎类的图像也包括300张图像。

进一步作为可选的实施方式，所述数据集图像包括测试集图像，步骤S1还包括以下步骤：

S15、采用测试集图像对所述胎压检测模型进行验证。

具体地，主要是通过使用获取的数据集图像对胎压检测模型进行训练的，其中，数据集图像还包括测试集图像，例如，可将百分之三十的数据集图像作为测试集图像(百分之七十的数据集图像作为训练集图像)，将测试集图像输入至经过训练集图像训练后的胎压检测模型，根据输出的胎压检测结果，确定该胎压检测模型的准确率和健壮性，如果胎压检测结果的准确率达不到预设的要求，例如，要求准确率达到百分之九十，测试集图像所对应的胎压检测结果的准确率达不到百分之九十，则修改胎压检测模型的网络参数，重新对胎压检测模型进行训练，直到该胎压检测模型符合预期要求。

进一步作为可选的实施方式，所述胎压检测方法还包括以下步骤：

S4、对所述胎压检测结果进行视觉显示。

具体地，胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中，对于每一种胎压检测结果，可以在视觉上进行显示，如，可以控制相应的指示装置进行相应的提示，在一个实施例中，指示装置可包括黄色指示灯、绿色指示灯和红色指示灯，例如，在进行胎压检测时，汽车缓缓进入摄像装置的图像采集范围内，摄像装置开始捕获的轮胎图像为汽车车身或部分轮胎图像，那么，此时，胎压检测模型判定汽车轮胎的胎压检测结果为无轮胎，则相应的黄色指示灯亮起，汽车缓缓驶过，摄像装置捕获到了包括汽车轮胎的汽车轮胎图像，如果胎压检测模型判定胎压检测结果为轮胎完整，则相应的绿色指示灯亮起，如果胎压检测模型根据捕获的汽车轮胎图像判定胎压检测结果为轮胎平坦，则说明汽车轮胎气压不足，则相应的红色指示灯亮起。此外，指示装置还可以包括可以进行声音提示的硬件器件，例如蜂鸣器，当判断汽车的胎压检测结果为轮胎平坦时，可以控制蜂鸣器发出蜂鸣声，从而在听觉方面提示胎压不足。

其次，参照附图描述根据本发明实施例提出的一种胎压检测系统。

图3是本发明一个实施例的一种胎压检测系统结构示意图。

该系统具体包括：

图像获取模块201，用于获取汽车轮胎图像；

检测模块202，用于将所述汽车轮胎图像输入至胎压检测模型进行处理后，输出胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；

其中，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理。

进一步作为可选的实施方式，胎压检测系统还包括模型训练模块200，模型训练模块200包括：

获取单元201，用于获取数据集图像，所述数据集图像包括训练集图像，所述数据集图像带有分类标签；

处理单元202，用于将所述训练集图像输入至所述胎压检测模型中，获取预测分类标签；

计算单元203，用于根据所述预测分类标签和所述分类标签计算损失函数；

优化单元204，用于利用损失函数对所述胎压检测模型的网络参数进行优化。

可见，上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

参照图4，本发明实施例提供了一种胎压检测装置，包括：

至少一个处理器301；

至少一个存储器302，用于存储至少一个程序；

当至少一个程序被至少一个处理器301执行时，使得至少一个处理器301实现的一种胎压检测方法。

同理，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

此外，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，处理器可执行的指令在由处理器执行时用于执行上述的一种胎压检测方法。

本实施例的一种存储介质，可执行本发明方法实施例所提供的一种胎压检测方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台装置(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (7)

1.一种胎压检测方法，其特征在于，包括以下步骤：

获取汽车轮胎图像；

将所述汽车轮胎图像输入至胎压检测模型进行处理，输出得到胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；

其中，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理；所述胎压检测模型采用ResNet网络架构，包括输入层、图像处理层和输出层，所述输入层用于输入图像，该图像包含3个RGB通道，且该图像的高度为224像素和宽度为224像素，所述图像处理层用于对输入的图像进行图像预处理和特征提取，所述图像处理层包括若干个残差神经网络块，每一个残差神经网络块还包括两个基本块，每一个残差神经网络块需要添加2个残差，在残差神经网络块之间的残差形式是1*1con的卷积形式，在残差神经网络块内部的残差形式是lambda x:x的形式，所述输出层用于输出胎压检测结果，所述输出层包括全局平均池化层和全连接层；

所述胎压检测方法还包括对建立的所述胎压检测模型进行训练，包括如下步骤：

获取数据集图像，所述数据集图像包括训练集图像，所述数据集图像带有分类标签；

将所述训练集图像输入至所述胎压检测模型中，获取预测分类标签；

根据所述预测分类标签和所述分类标签计算损失函数；

利用损失函数对所述胎压检测模型的网络参数进行优化。

2.根据权利要求1所述的一种胎压检测方法，其特征在于，所述获取数据集图像这一步骤，包括以下步骤：

获取不同位置和角度的所述数据集图像。

3.根据权利要求1所述的一种胎压检测方法，其特征在于，所述数据集图像包括测试集图像，所述胎压检测模型的训练步骤，还包括以下步骤：

采用测试集图像对所述胎压检测模型进行验证。

4.根据权利要求1所述的一种胎压检测方法，其特征在于，所述胎压检测方法还包括以下步骤：

对所述胎压检测结果进行视觉显示。

5.一种胎压检测系统，其特征在于，包括：

图像获取模块，用于获取汽车轮胎图像；

检测模块，用于将所述汽车轮胎图像输入至胎压检测模型进行处理后，输出胎压检测结果，所述胎压检测结果包括轮胎完整、轮胎平坦或无轮胎中的一种；

其中，所述胎压检测模型用于对所述汽车轮胎图像进行分类处理；所述胎压检测模型采用ResNet网络架构，包括输入层、图像处理层和输出层，所述输入层用于输入图像，该图像包含3个RGB通道，且该图像的高度为224像素和宽度为224像素，所述图像处理层用于对输入的图像进行图像预处理和特征提取，所述图像处理层包括若干个残差神经网络块，每一个残差神经网络块还包括两个基本块，每一个残差神经网络块需要添加2个残差，在残差神经网络块之间的残差形式是1*1con的卷积形式，在残差神经网络块内部的残差形式是lambda x:x的形式，所述输出层用于输出胎压检测结果，所述输出层包括全局平均池化层和全连接层；

所述胎压检测系统还包括模型训练模块，所述模型训练模块包括：

获取单元，用于获取数据集图像，所述数据集图像包括训练集图像，所述数据集图像带有分类标签；

处理单元，用于将所述训练集图像输入至所述胎压检测模型中，获取预测分类标签；

计算单元，用于根据所述预测分类标签和所述分类标签计算损失函数；

优化单元，用于利用损失函数对所述胎压检测模型的网络参数进行优化。

6.一种胎压检测装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-4任一项所述的一种胎压检测方法。

7.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-4任一项所述的一种胎压检测方法。