JP5779232B2 - タイヤの表面の外観をモニタする方法 - Google Patents
タイヤの表面の外観をモニタする方法 Download PDFInfo
- Publication number
- JP5779232B2 JP5779232B2 JP2013505375A JP2013505375A JP5779232B2 JP 5779232 B2 JP5779232 B2 JP 5779232B2 JP 2013505375 A JP2013505375 A JP 2013505375A JP 2013505375 A JP2013505375 A JP 2013505375A JP 5779232 B2 JP5779232 B2 JP 5779232B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- space
- filter
- filters
- tire
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
A‐少なくとも1本のタイヤの表面上に存在する所与の異常の画像を作るステップを有し、
B‐複数個のフィルタで形成された1つの集まりの助けを借りて、表面の多変量画像を各画素が画素ベクトルの形態で表されたフィルタの空間中に構成するステップを有し、各画素ベクトルの成分は、集まりに属するフィルタの各々の助けを借りて変換された画像中のこの画素の値に一致した値を持ち、
C‐線形関数の助けを借りて、この多変量画像をフィルタの空間から、変数が集まりに属するフィルタ又はフィルタの組み合わせである所与の次元のスペクトル空間に変換してスペクトル画像を形成するステップを有し、
D‐この異常に関して、スペクトル画像のうちでスペクトル空間に変換された異常のポイントを統計学的に表されるやり方で含むようなスペクトル空間を表すゾーンを求めることによって分類子を構成するステップを有する。
‐選別されるべきタイヤの表面の全て又は一部のディジタル画像を作り、
‐選別されるべきタイヤの画像のうちで選別されるべきタイヤの多変量画像をフィルタの集まりの助けを借りてフィルタの空間中で求め、
‐線形変換の助けを借りて、選別されるべきタイヤの多変量画像を変換することによって選別されるべきタイヤのスペクトル画像を形成し、
‐選別されるべきタイヤのスペクトル画像のポイントの存在場所を、異常を表すと共に分類子の助けを借りて識別されたスペクトル空間のゾーンに関してスペクトル空間中で分析する。
‐データを分析する方法の助けを借りて、フィルタの空間の前記次元以下の次元の多元空間を探し求め、前記変換された変数は、相関関係がなく又は独立しており、
‐フィルタの前記空間から多元空間に移ることができる前記線形変換を求める。
‐タイヤの表面又はタイヤの表面の一部分の画像を作ることができる照明・撮像手段と、
‐計算手段とを有し、計算手段は、
・上述の発明の具体化例の変形例のうちの1つに従って求められた形態学的フィルタの1つ又は2つ以上の集まりを1つ又は2つ以上の所与の異常に関して記憶し、
・選別されるべきタイヤの表面の画像を上述の発明の具体化例の変形例のうちの1つに従って線形変換の助けを借りてスペクトル画像に変換し、
・上述の発明の具体化例の変形例のうちの1つに従って分類子の助けを借りて、選別されるべき前記タイヤの前記表面上の異常の存否を判定することができることを特徴とする装置にある。
‐ E⊂R2, T⊂R 及び TL=T×T×....×T、この場合、Lは、画像空間TL又はフィルタの空間の次元であり、
‐ x=xi\i∈{1,2,....,P}は、ベクトル画素
の空間座標であり、Pは、Eの画素の数であり、
‐ fj\j∈{1,2,....,L}は、図4にハッチングが施された状態で表されたチャネル(Lは又、チャネルの数である)、
‐ fj(xj)は、チャネルfjに関するベクトル画像
の値である。
は、多変量画像
を表すためのP×L随伴行列を示している。
は、ベクトル画素(即ち、単位体)を表すP行と初期集まりに属するフィルタの数に対応したL列(即ち、チャネル又は変数)で構成される。以下の記法は、行列計算のために使用できる。
ここで、
の行ベクトル(即ち、画素‐ベクトル又は単位体)は、TLの要素であり、RLのベクトルとみなされ、この場合、Lは、初期集まり(F1(f),F2(f),....,FL(f)):Fi=(Fi1,....,Fij,....,FiL)ただし、
に属するフィルタの数を表している。
また、
の列ベクトル(即ち、チャネル又は変数)は、RPの要素である。
Fj=(F1j,....,Fij,....,FPj)
ただし、Fj=Fj f
インディシャル記法では、画像
と関連した随伴アレイは次のようにも書き表せる。
を同様に定める。
で示され、即ち、
の列Fjに代えて、
が用いられ、但し、
は、Fjの平均値である。
データ
を列(変数)の相関がない行列
に変換する線形写像
を探し求め、即ち、
である。
最大にする線形写像
を見出そうとする。
すなわち、
の成分(列)の相関がない場合、マトリックス
は、対角行列である。したがって、線形写像
は、中央データ
分散行列のN個の固有ベクトルで形成される。
の列Fjの各々が中央に置かれて
により換算されると、中央に配置されるのではなく、分散行列
ではなく、相関行列corXの固有値を探し求める。この場合、
は、いわゆる慣性行列とも呼ばれる相関行列の固有ベクトルの行列である。
のチャネルについて共分散を計算することによって測定された信号対雑音比の関数として多元軸を選択する。雑音(ノイズ)の分散値は、元のスパイクの高さに相当しており、信号の分散値は、雑音スパイクを除去した後の元の共分散の大きさに相当している。
によって定義され、但し、
は、ファクタ
の画像の中央チャネルkである。中央チャネルは、その平均値を中央チャネルから差し引くことによって得られ、即ち、
であり、この式において、Eは、ランダム変数の数学的予測値、即ち、その平均値である。
である。
ベイズの理論により、
の方向ベクトルであるフィルタの空間によって形成され、スペクトル画像がフィルタの初期集まり(Ff(x)=F1 f(x),F2 f(x),....,FL f(x))の助けを借りて得られた多変量画像に一致しているということを考慮することによってこのステップを実施することが可能である。
Claims (15)
- タイヤの表面の画像のディジタル処理によってタイヤの表面上の異常を検出する方法であって、前記タイヤの前記表面上に存在する異常の画像の特徴部を識別することができるフィルタの組み合わせが選択され、前記方法は、
A‐少なくとも1本のタイヤの表面上に存在する所与の異常の画像を作るステップを有し、
B‐複数個のフィルタで形成された1つの集まり((F1(f),F2(f),....,FL(f)),(F1(f),F2(f),....,FM(f)))を用いて、前記表面の多変量画像(Ff(x)=(F1 f(x),F2 f(x),....,FL f(x)),Ff(x)=(F1 f(x),F2 f(x),....,FM f(x)))を前記フィルタの空間中に構成するステップを有し、前記フィルタの空間中において各画素は画素ベクトル(F f (x))の形態で表され、各画素ベクトルの成分は、前記集まりに属する前記フィルタの各々を用いて変換された前記画像中のこの画素の値に一致した値を持ち、
C‐線形関数(ζ)を用いて、この多変量画像を前記フィルタの前記空間から、変数が前記集まりに属する前記フィルタ又はフィルタの組み合わせである所与の次元(L,M)のスペクトル空間に変換してスペクトル画像(Ff(x)=(F1 f(x),F2 f(x),....,FL f(x)),c’(x)=(c’1(x),c’2(x),....,c’N(x)),c(x)=(c1(x),c2(x),....,cK(x)))を形成するステップを有し、
D‐この異常に関して、前記スペクトル空間(F f (x)=(F 1 f (x),F 2 f (x),....,F L f (x)),c’(x)=(c’ 1 (x),c’ 2 (x),....,c’ N (x)),c(x)=(c 1 (x),c 2 (x),....,c K (x)))に変換された前記異常の前記スペクトル画像のポイントを統計学的な表示方法で含むような前記スペクトル空間を表すゾーンを求めることによって分類子を構成するステップを有する、検出方法。 - 選別されるべきタイヤの表面上の異常を検出するため、
‐選別されるべき前記タイヤの前記表面の全て又は一部のディジタル画像を作り、
‐選別されるべき前記タイヤの前記画像のうちで選別されるべき前記タイヤの前記多変量画像(Fft(x)=(F1 ft(x),F2 ft(x),....,FL ft(x)),Fft(x)=(F1 ft(x),F2 ft(x),....,FM ft(x)))をフィルタの前記集まり((F1(f),F2(f),....,FL(f)),(F1(f),F2(f),....,FM(f)))の助けを借りて前記フィルタの前記空間中で求め、
‐前記線形変換(ζ)の助けを借りて、選別されるべき前記タイヤの前記多変量画像(Fft(x)=(F1 ft(x),F2 ft(x),....,FL ft(x)),c’t(x)=(c’1 t(x),c’2 t(x),....,c’K t(x)),ct(x)=(c1 t(x),c2 t(x),....,cK t(x)))を変換することによって選別されるべき前記タイヤの前記スペクトル画像(Fft(x)=(F1 ft(x),F2 ft(x),....,FL ft(x)),Fft(x)=(F1 ft(x),F2 ft(x),....,FM ft(x)))を形成し、
‐選別されるべき前記タイヤの前記スペクトル画像(Fft(x)=(F1 ft(x),F2 ft(x),....,FL ft(x)),c’t(x)=(c’1 t(x),c’2 t(x),....,c’K t(x)),ct(x)=(c1 t(x),c2 t(x),....,cK t(x)))の前記ポイントの存在場所を、前記異常を表すと共に前記分類子を用いて識別された前記スペクトル空間の前記ゾーンに関して前記スペクトル空間中で分析する、請求項1記載の検出方法。 - 前記ステップDの実施中、線形判別分析型の方法を用いることによって前記分類子を構成し、前記表示ゾーンは、多元空間の超曲面によって画定される、請求項1又は2記載の検出方法。
- 前記フィルタの前記空間は、前記スペクトル空間を形成し、前記スペクトル画像(Ff(x)=(F1 f(x),F2 f(x),....,FL f(x)),(Fft(x)=(F1 ft(x),F2 ft(x),....,FL ft(x)))は、フィルタの初期集まり((F1(f),F2(f),....,FL(f))に基づいて得られた前記多変量画像に相当している、請求項1〜3のうちいずれか一に記載の検出方法。
- 前記ステップBの終了時であり前記ステップCの実施前に、
‐データ(PCA,FCA,ICA)を分析する方法を用いて、前記フィルタの前記空間の前記次元(L)以下の次元(N)の多元空間を探し求め、前記変換された変数(c’1,c’2,....,c’k,....,c’N)は、相関関係がなく又は独立しており、
‐前記フィルタの前記空間から前記多元空間に移ることができる前記線形変換(ζ)を求める、請求項1〜3のうちいずれか一に記載の検出方法。 - ‐ステップAの実施中、シリーズをなす数本の互いに異なるタイヤの表面上に存在する所与の異常の画像を作り、
‐ステップBの実施中、前記画像の各々の多変量画像を求め、
‐ステップCの実施中、前記多変量画像を組み合わせて単一の多変量画像を構成する、請求項5記載の検出方法。 - データ分析を主成分分析型の方法に従って、多元対応分析型の方法に従って又は独立成分分析型の方法に従って実施する、請求項5又は6記載の検出方法。
- 前記多元空間は、前記スペクトル空間を形成し、フィルタの前記初期集まり(Ff(x)=(F1 f(x),F2 f(x),....,FL f(x)))に基づいて得られた前記多変量画像(Ff(x)=(F1 f(x),F2 f(x),....,FL f(x)),Fft(x)=(F1 ft(x),F2 ft(x),....,FL ft(x)))を線形変換(ζ)を用いて前記多元空間に変換することによって前記スペクトル画像(c’(x)=(c’1(x),c’2(x),....,c’N(x)),(c’t(x)=(c’1 t(x),c’2 t(x),....,c’N t(x)))を得る、請求項5〜7のうちいずれか一に記載の検出方法。
- 前記ステップCの終了時、前記線形変換(ζ)を用いて前記多元空間に変換された前記多変量画像に関して最も適切な多元軸(Δ1,Δ2,....Δ k,....ΔK)を求め、前記多変量画像の説明を数(K)が前記多元空間の軸の数(N)よりも少ない前記軸だけで表された前記画像の座標(c’1(x),c’2(x),....,c’k(x),....,c’K(x))に限定して縮小した多元空間を得る、請求項5〜7のうちいずれか一に記載の検出方法。
- 前記多元軸を選択する第1の方法は、前記多元軸(Δ1,Δ2,....Δk,....ΔK)を保存するステップから成り、前記多元軸に関して、前記多元空間(c’(x)=(c’1(x),c’2(x),....,c’N(x)))に変換された前記異常の前記多変量画像のポイントのクラスタに関する前記多元軸の慣性の和が前記ポイントのクラスタに対する1組の軸の慣性の所与の百分率を表す、請求項9記載の検出方法。
- 前記多元軸(Δ1,Δ2,....Δk,....ΔK)を選択する第2の方法は、考慮対象の前記軸に関して前記多元空間に変換された前記多変量画像の前記画素ベクトルと関連した前記要因に含まれている最も大きな信号対雑音比を有する前記多元軸を保存するステップから成る、請求項9記載の検出方法。
- 前記適切な多元軸を求めた後、フィルタの前記初期集まり(F1(f),F2(f),....,FL(f))を前記縮小多元空間中に投影し、前記多元空間(d’1 f,d’2 f,d’3 f,....d’L f)中に投影されると共にベクトルが前記多元軸(Δ1,Δ2,....Δk,....ΔK)の原点から最も遠くに位置する前記初期集まりのフィルタを第2の選択方法を用いて求め、前記初期集まりのフィルタ(F1(f),F2(f),....,Fn(f),....,FM(f))の数(M)を減少させ、前記画像の座標(c(x)=(c1(x),c2(x),....,ck(x),....,cK(x)))を前記縮小多元空間中で再計算する、請求項9〜11のうちいずれか一に記載の検出方法。
- 前記初期集まりのフィルタ(F1(f),F2(f),....,FL(f))を前記縮小多元空間(d’1 f,d’2 f,d’3 f,....d’L f)に投影し、この空間内において、前記フィルタ(F1(f),F2(f),....,Fn(f),....,FM(f))を選択し、該フィルタに関し、前記原点からの前記フィルタの距離の自乗の和が、前記縮小多元空間中に投影された前記初期集まりに属する前記組をなすフィルタの原点に対する距離の自乗の和の所与の百分率を表し、又は、前記フィルタに関し、前記原点からの前記フィルタの距離を前記縮小多元空間中に投影された前記初期集まりに属する前記組をなすフィルタの前記原点からの距離の自乗を和で除算して得られる値がフィルタの数の逆数(1/L)よりも大きい、請求項12記載の検出方法。
- 前記縮小多元空間は、前記スペクトル空間を形成し、前記フィルタ(F1(f),F2(f),....,Fn(f),....,FM(f))の減少した集まりに基づいて得られる前記多変量画像数式(Ff(x)=(F1 f(x),F2 f(x),....,FM f(x)),(Fft(x)=(F1 ft(x),F2 ft(x),....,FM ft(x)))を前記線形変換(ζ)を用いて前記縮小多元空間に変換することにより前記スペクトル画像(c(x)=(c1(x),c2(x),....,ck(x),....,cK(x)),ct(x)=(c1 t(x),c2 t(x),....,cK t(x)))を得る、請求項12又は13記載の検出方法。
- 選別されるべきタイヤの表面上の異常をモニタすると共に検出する装置であって、
‐タイヤの表面又はタイヤの表面の一部分の画像を作ることができる照明・撮像手段と、
‐計算手段とを有し、前記計算手段は、
・請求項3、5又は14のうちのいずれか一の記載に従って求められた形態学的フィルタの1つ又は2つ以上の集まりを1つ又は2つ以上の所与の異常に関して記憶し、
・選別されるべき前記タイヤの前記表面の画像を請求項3、5又は14のうちのいずれか一の記載に従って線形変換(ζ)を用いてスペクトル画像に変換し、
・請求項3、5又は14のうちのいずれか一の記載に従って分類子を用いて、選別されるべき前記タイヤの前記表面上の異常の存否を判定することができる、装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1052951A FR2959046B1 (fr) | 2010-04-19 | 2010-04-19 | Methode de controle de l'aspect de la surface d'un pneumatique |
FR1052951 | 2010-04-19 | ||
PCT/EP2011/053284 WO2011131410A1 (fr) | 2010-04-19 | 2011-03-04 | Methode de controle de l'aspect de la surface d'un pneumatique |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013532315A JP2013532315A (ja) | 2013-08-15 |
JP5779232B2 true JP5779232B2 (ja) | 2015-09-16 |
Family
ID=42797317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013505375A Expired - Fee Related JP5779232B2 (ja) | 2010-04-19 | 2011-03-04 | タイヤの表面の外観をモニタする方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9002093B2 (ja) |
EP (1) | EP2561479A1 (ja) |
JP (1) | JP5779232B2 (ja) |
CN (1) | CN102844791B (ja) |
BR (1) | BR112012025402A2 (ja) |
FR (1) | FR2959046B1 (ja) |
WO (1) | WO2011131410A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2980896B1 (fr) | 2011-09-30 | 2016-07-01 | Soc Tech Michelin | Methode d'analyse rapide des elements en relief figurant sur la surface interne d'un pneumatique |
FR2980735B1 (fr) | 2011-09-30 | 2016-09-09 | Soc De Tech Michelin | Methode amelioree de controle de l'aspect de la surface d'un pneumatique |
RU2629799C2 (ru) * | 2012-02-17 | 2017-09-04 | Конинклейке Филипс Н.В. | Оценка и наблюдение острого повреждения легких (ali)/синдрома острой дыхательной недостаточности (ards) |
US10063837B2 (en) * | 2013-07-25 | 2018-08-28 | TIREAUDIT.COM, Inc. | System and method for analysis of surface features |
ITRM20130561A1 (it) * | 2013-10-11 | 2015-04-12 | Bridgestone Corp | Metodo di misura del livello di penetrazione del foglietto tra le corde della tela di carcassa in un pneumatico |
KR101613226B1 (ko) | 2013-11-19 | 2016-04-19 | 주식회사 만도 | 타이어 공기압 추정방법 및 추정장치 |
FR3038110B1 (fr) * | 2015-06-29 | 2017-08-11 | Michelin & Cie | Procede de segmentation d'image |
FR3038111B1 (fr) * | 2015-06-29 | 2017-08-11 | Michelin & Cie | Procede de segmentation d'image |
US11472234B2 (en) | 2016-03-04 | 2022-10-18 | TIREAUDIT.COM, Inc. | Mesh registration system and method for diagnosing tread wear |
US10789773B2 (en) | 2016-03-04 | 2020-09-29 | TIREAUDIT.COM, Inc. | Mesh registration system and method for diagnosing tread wear |
TW201743074A (zh) | 2016-06-01 | 2017-12-16 | 原相科技股份有限公司 | 量測裝置及其運作方法 |
CN107490370B (zh) * | 2016-06-13 | 2020-01-10 | 原相科技股份有限公司 | 测量装置及其运作方法,轨迹感测系统及其轨迹感测方法 |
US10677713B1 (en) * | 2016-08-04 | 2020-06-09 | Hrl Laboratories, Llc | Adaptive gas analyzer |
EP3361444A1 (en) * | 2017-02-10 | 2018-08-15 | ABB Schweiz AG | Real-time, full web image processing method and system for web manufacturing supervision |
JP7132701B2 (ja) * | 2017-08-10 | 2022-09-07 | 株式会社ブリヂストン | タイヤ画像の認識方法及びタイヤ画像の認識装置 |
US10824049B1 (en) | 2017-10-06 | 2020-11-03 | Hrl Laboratories, Llc | Optical-frequency up-converting spectrometric imager |
FR3118489A1 (fr) * | 2020-12-28 | 2022-07-01 | Safran | Procédé de contrôle non destructif pour une pièce aéronautique |
EP4309136A1 (en) * | 2021-03-16 | 2024-01-24 | Sony Group Corporation | Method and device for determination of tire condition |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7421321B2 (en) * | 1995-06-07 | 2008-09-02 | Automotive Technologies International, Inc. | System for obtaining vehicular information |
WO1998035012A2 (en) * | 1997-02-12 | 1998-08-13 | Chan Eugene Y | Methods and products for analyzing polymers |
US6155110A (en) * | 1997-04-24 | 2000-12-05 | Bridgestone/Firestone, Inc. | Method for predicting tire performance on rain groove roadways |
JP2000222572A (ja) * | 1999-01-28 | 2000-08-11 | Toshiba Tec Corp | 性別の判定方法 |
US6397615B1 (en) * | 1999-08-26 | 2002-06-04 | Denso Corporation | Vehicle air conditioner with non-contact temperature sensor |
US6775663B1 (en) * | 1999-12-17 | 2004-08-10 | Si Han Kim | Information coding and retrieval system and method thereof |
JP2003085536A (ja) * | 2001-09-10 | 2003-03-20 | Daihatsu Motor Co Ltd | 車両認識装置及び車両認識方法 |
US6934018B2 (en) * | 2003-09-10 | 2005-08-23 | Shearographics, Llc | Tire inspection apparatus and method |
JP2007287071A (ja) * | 2006-04-20 | 2007-11-01 | Osaka Industrial Promotion Organization | 複数の自律ロボットからなる群の動作を制御するシステムと監督ロボット、探索ロボットおよび表示装置 |
JP4763522B2 (ja) | 2006-06-14 | 2011-08-31 | 株式会社ブリヂストン | タイヤ検査装置 |
JP4512578B2 (ja) | 2006-10-27 | 2010-07-28 | 株式会社ブリヂストン | 分離フィルタ決定装置及びタイヤ検査装置 |
JP4845755B2 (ja) | 2007-01-30 | 2011-12-28 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム及び記憶媒体 |
US8087301B2 (en) * | 2007-09-24 | 2012-01-03 | Infineon Technologies Ag | Optical systems and methods for determining tire characteristics |
JP2009122939A (ja) * | 2007-11-14 | 2009-06-04 | Bridgestone Corp | タイヤ検査用特徴抽出プログラム作成装置及びタイヤ検査装置 |
CN201227944Y (zh) * | 2008-05-23 | 2009-04-29 | 上海航盛实业有限公司 | 无线轮胎压力监视系统 |
JP4964329B2 (ja) * | 2010-05-11 | 2012-06-27 | 住友ゴム工業株式会社 | タイヤ空気圧低下検出装置及び方法、並びにタイヤの空気圧低下検出プログラム |
US8737747B2 (en) * | 2011-02-14 | 2014-05-27 | Xerox Corporation | Method for automated tire detection and recognition |
-
2010
- 2010-04-19 FR FR1052951A patent/FR2959046B1/fr not_active Expired - Fee Related
-
2011
- 2011-03-04 EP EP11707399A patent/EP2561479A1/fr not_active Withdrawn
- 2011-03-04 US US13/642,440 patent/US9002093B2/en not_active Expired - Fee Related
- 2011-03-04 CN CN201180019681.0A patent/CN102844791B/zh not_active Expired - Fee Related
- 2011-03-04 JP JP2013505375A patent/JP5779232B2/ja not_active Expired - Fee Related
- 2011-03-04 BR BR112012025402A patent/BR112012025402A2/pt not_active IP Right Cessation
- 2011-03-04 WO PCT/EP2011/053284 patent/WO2011131410A1/fr active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US9002093B2 (en) | 2015-04-07 |
BR112012025402A2 (pt) | 2016-07-05 |
US20130129182A1 (en) | 2013-05-23 |
CN102844791A (zh) | 2012-12-26 |
FR2959046A1 (fr) | 2011-10-21 |
WO2011131410A1 (fr) | 2011-10-27 |
CN102844791B (zh) | 2016-07-13 |
JP2013532315A (ja) | 2013-08-15 |
FR2959046B1 (fr) | 2012-06-15 |
EP2561479A1 (fr) | 2013-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5779232B2 (ja) | タイヤの表面の外観をモニタする方法 | |
CN114549522B (zh) | 基于目标检测的纺织品质量检测方法 | |
Li et al. | Using wavelet transform and multi-class least square support vector machine in multi-spectral imaging classification of Chinese famous tea | |
Jeong et al. | Wavelet-based data reduction techniques for process fault detection | |
US20110229020A1 (en) | Learning method and apparatus for pattern recognition | |
JP2008544766A (ja) | デジタル画像のピクセルまたはボクセルをコーディングするための方法、およびデジタル画像を処理するための方法 | |
JP5333589B2 (ja) | 代表特徴抽出システムおよび方法 | |
US12007335B2 (en) | Automatic optimization of an examination recipe | |
JP2012088796A (ja) | 画像領域分割装置、画像領域分割方法および画像領域分割プログラム | |
CN109191418B (zh) | 一种基于收缩自编码器特征学习的遥感图像变化检测方法 | |
Cudney et al. | Applying the Mahalanobis–Taguchi system to vehicle handling | |
Shang et al. | Support vector machine-based classification of rock texture images aided by efficient feature selection | |
CN114651172A (zh) | 使用卷积上下文属性以寻找半导体缺陷 | |
Cui et al. | Defect automatic detection for tire X-ray images using inverse transformation of principal component residual | |
Asokan et al. | Deep Feature Extraction and Feature Fusion for Bi-Temporal Satellite Image Classification. | |
Chang et al. | An unsupervised neural network approach for automatic semiconductor wafer defect inspection | |
Rele et al. | Machine Learning based Brain Tumor Detection using Transfer Learning | |
CN117197591B (zh) | 一种基于机器学习的数据分类方法 | |
CN115485740A (zh) | 异常晶片图像分类 | |
EP2977933B1 (en) | Image classification | |
El Azami et al. | Robust outlier detection with L0-SVDD. | |
Ayyalasomayajula et al. | Optimizing Textile Manufacturing With Neural Network Decision Support: An Ornstein-Uhlenbeck Reinforcement Learning Approach | |
CN106803080B (zh) | 一种基于形状玻尔兹曼机的补全式行人检测方法 | |
CN117152422B (zh) | 一种紫外图像无锚框目标检测方法及存储介质、电子设备 | |
CN118196730B (zh) | 车辆影像数据的处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140303 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141126 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20150226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150526 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150610 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150710 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5779232 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |