KR102062271B1 - 타이어 상태 추정장치 및 방법 - Google Patents

타이어 상태 추정장치 및 방법 Download PDF

Info

Publication number
KR102062271B1
KR102062271B1 KR1020180074506A KR20180074506A KR102062271B1 KR 102062271 B1 KR102062271 B1 KR 102062271B1 KR 1020180074506 A KR1020180074506 A KR 1020180074506A KR 20180074506 A KR20180074506 A KR 20180074506A KR 102062271 B1 KR102062271 B1 KR 102062271B1
Authority
KR
South Korea
Prior art keywords
vector
tire
damage
neurons
wear
Prior art date
Application number
KR1020180074506A
Other languages
English (en)
Inventor
김범규
Original Assignee
만도헬라일렉트로닉스(주)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 만도헬라일렉트로닉스(주) filed Critical 만도헬라일렉트로닉스(주)
Priority to KR1020180074506A priority Critical patent/KR102062271B1/ko
Application granted granted Critical
Publication of KR102062271B1 publication Critical patent/KR102062271B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/02—Tyres
    • G01M17/025—Tyres using infrasonic, sonic or ultrasonic vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

타이어 상태 추정장치 및 방법이 개시된다. 본 발명의 일실시예에 따른 타이어 상태 추정장치는 타이어의 음향을 측정하는 음향센서와, 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치 및 음향센서에 의해 측정된 음향신호를 벡터화한 음향 벡터를 생성하고, 생성된 음향 벡터를 뉴로모픽 장치에 입력하고, 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 입력된 음향 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 수신하고, 수신된 마모 패턴 정보를 근거로 하여 타이어의 마모상태를 추정하고, 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 입력된 음향 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 수신하고, 수신된 손상 패턴 정보를 근거로 하여 타이어의 손상상태를 추정하는 제어부를 포함한다.

Description

타이어 상태 추정장치 및 방법{APPARATUS FOR ESTIMATING TIRE STATUS AND CONTROL METHOD THEREOF}
본 발명은 타이어 상태 추정장치 및 방법에 관한 것으로, 보다 상세하게는 타이어의 마모 혹은 손상 등의 타이어 상태를 추정할 수 있는 타이어 상태 추정장치 및 방법에 관한 것이다.
일반적으로, 차량의 타이어 상태는 주행 안정성과 연비에 큰 영향을 줄 수 있다.
타이어는 주행 과정에서 도로와의 마찰로 인해 마모될 수 있고, 예기치 못한 충격으로 인해 타이어 외부 표면에 흠이 생기는 손상이 발생할 수 있다.
기존에는 바퀴 속도, 타이어 압력 혹은 타이어 회전주기를 이용하여 타이어의 마모나 손상을 추정한다.
하지만, 기존방식은 비정상적인 도로, 마모가 잘 일어나는 굴곡도로 등 주행 환경에 따른 타이어의 마모 혹은 손상을 추정하기 어렵다.
또한, 기존에는 외부 환경에 따른 타이어 찌그러짐, 타이어 팽창 혹은 수축으로 인한 타이어 외형 변화를 반영하기 어려워 타이어의 마모 혹은 손상을 추정하기 어렵다.
대한민국 등록특허 제10-1748650호(2017.06.13.등록) 대한민국 등록특허 제10-1602071호(2016.03.03.등록) 대한민국 공개특허 제10-2016-0045263호(2016.04.27.공개)
본 발명의 실시예는 뉴로모픽 장치(Neuromorphic device)를 이용하여 타이어의 상태를 보다 효과적으로 추정할 수 있는 타이어 상태 추정장치 및 방법을 제공하고자 한다.
본 발명의 일 측면에 따르면, 타이어의 음향을 측정하는 음향센서; 상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치; 및 상기 음향센서에 의해 측정된 음향신호를 벡터화한 음향 벡터를 생성하고, 상기 생성된 음향 벡터를 상기 뉴로모픽 장치에 입력하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 수신하고, 상기 수신된 마모 패턴 정보를 근거로 하여 상기 타이어의 마모상태를 추정하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 수신하고, 상기 수신된 손상 패턴 정보를 근거로 하여 상기 타이어의 손상상태를 추정하는 제어부를 포함하는 타이어 상태 추정장치가 제공될 수 있다.
또한, 상기 뉴로모픽 장치는 상기 음향 벡터를 내부의 복수의 뉴런에 상기 병렬 버스를 통해 동시에 전파시키고, 상기 음향 벡터와 상기 복수의 뉴런에 저장된 마모 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 마모 패턴 정보를 상기 제어부로 전달하고, 상기 음향 벡터와 상기 복수의 뉴런에 저장된 손상 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 손상 패턴 정보를 상기 제어부로 전달할 수 있다.
본 발명의 다른 측면에 따르면, 타이어의 영상을 획득하는 영상센서; 상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치; 및 상기 영상센서에 의해 획득된 영상신호를 벡터화한 영상 벡터를 생성하고, 상기 생성된 영상 벡터를 상기 뉴로모픽 장치에 입력하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 수신하고, 상기 수신된 마모 패턴 정보를 근거로 하여 상기 타이어의 마모상태를 추정하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 수신하고, 상기 수신된 손상 패턴 정보를 근거로 하여 상기 타이어의 손상상태를 추정하는 제어부를 포함하는 타이어 상태 추정장치가 제공될 수 있다.
또한, 상기 제어부는 영상센서에 의해 획득된 영상 데이터에서 관심영역을 설정하고, 상기 설정된 관심영역에 대하여 미리 설정된 윈도우 단위로 분할하여 미리 설정된 픽셀씩 중첩시키면서 해당 윈도우의 픽셀 값들을 벡터 데이터로 변환하여 상기 영상 벡터를 생성할 수 있다.
또한, 상기 뉴로모픽 장치는 상기 영상 벡터를 내부의 복수의 뉴런에 상기 병렬 버스를 통해 동시에 전파시키고, 상기 영상 벡터와 상기 복수의 뉴런에 저장된 마모 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 마모 패턴 정보를 상기 제어부로 전달하고, 상기 영상 벡터와 상기 복수의 뉴런에 저장된 손상 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 손상 패턴 정보를 상기 제어부로 전달할 수 있다.
본 발명의 또 다른 측면에 따르면, 타이어의 음향을 측정하고, 상기 측정된 음향신호를 벡터화한 음향 벡터를 생성하고, 상기 생성된 음향 벡터를 상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치에 입력하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 이용하여 상기 타이어의 마모상태를 추정하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 이용하여 상기 타이어의 손상상태를 추정하는 타이어 상태 추정방법이 제공될 수 있다.
본 발명의 또 다른 측면에 따르면, 타이어의 영상을 획득하고, 상기 획득된 영상 데이터에서 관심영역을 설정하고, 상기 설정된 관심영역에 대하여 미리 설정된 윈도우 단위로 분할하여 미리 설정된 픽셀씩 중첩시키면서 해당 윈도우의 픽셀 값들을 벡터 데이터로 변환한 영상 벡터를 생성하고, 상기 생성된 영상 벡터를 상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치에 입력하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 이용하여 상기 타이어의 마모상태를 추정하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 이용하여 상기 타이어의 손상상태를 추정하는 타이어 상태 추정방법이 제공될 수 있다.
본 발명의 실시예는 뉴로모픽 장치를 이용하여 다양한 환경에 노출된 타이어의 상태를 미리 학습시킨 후 학습된 데이터를 통해 음향센서에 의해 측정된 타이어 음향이나 이미지센서에 의해 획득된 타이어 영상에서 타이어의 상태를 추정함으로써 타이어의 마모나 손상 등을 보다 정확하고 신뢰성 있게 추정할 수 있다.
본 발명의 실시예는 타이어 상태를 추정하는 속도를 높일 수 있고 타이어의 마모나 손상에 대한 높은 신뢰성과 높은 인식률을 확보할 수 있다.
본 발명의 실시예는 뉴로모픽 장치를 이용하기 때문에 타이어 상태 추정에 사용되는 디지털 신호처리 소자에 대한 의존도를 상대적으로 줄일 수 있어 비용 절감과 발열 감소의 효과를 얻을 수 있다.
본 발명의 실시예는 주행 환경 및 주변 환경 변수 등을 모두 고려한 데이터를 학습시키기 때문에 외부 환경에 의한 오차가 발생하지 않는다.
본 발명의 실시예는 뉴로모픽 장치에서 기학습된 데이터와 획득한 데이터를 비교하여 복잡한 연산 없이 빠른 시간내에 타이어 마모상태 및 손상상태를 판별할 수 있다.
도 1은 본 발명의 일실시예에 따른 타이어 상태 추정장치의 제어블록도이다.
도 2는 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 음향센서에 의해 타이어 음향을 측정하고, 영상센서에 의해 타이어 영상을 촬영하는 것을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어의 음향을 이용하여 타이어의 마모상태를 추정하는 것을 설명하기 위한 그래프이다.
도 4는 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어의 음향을 이용하여 타이어의 손상상태를 추정하는 것을 설명하기 위한 그래프이다.
도 5는 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어의 음향을 이용하여 타이어의 마모상태를 추정하는 것을 설명하기 위한 제어흐름도이다.
도 6은 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어의 음향을 이용하여 타이어의 손상상태를 추정하는 것을 설명하기 위한 제어흐름도이다.
이하에서는 본 발명의 실시예들을 첨부 도면을 참조하여 상세히 설명한다. 이하에 소개되는 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 사상을 충분히 전달할 수 있도록 하기 위해 예로서 제공하는 것이다. 본 발명은 이하 설명되는 실시예들에 한정하지 않고 다른 형태로 구체화할 수도 있다. 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 도면에서 생략하였으며 도면들에 있어서, 구성요소의 폭, 길이, 두께 등은 편의를 위하여 과장하여 표현할 수 있다. 명세서 전체에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
일반적으로, 뇌에는 수천억 개의 신경 세포(즉, 뉴런(neuron))가 존재하며, 서로 복잡한 신경망으로 구성되어 있다. 뉴런은 수천 개의 다른 뉴런과 신호를 주고 받는 시냅스를 통해 학습, 기억 등 지적 능력을 발휘한다. 뉴런은 신경계의 구조적, 기능적 단위이며 정보 전달의 기본 단위이다. 시냅스는 뉴런 사이의 접합부를 가리키며 어느 하나의 뉴런의 축색 돌기와 다른 뉴런의 수상 돌기가 연결된 부위를 말한다. 한 개의 뉴런은 수천 개의 다른 뉴런과 시냅스를 통해 연결되어 있다.
뉴로모픽 장치(혹은 뉴로모픽 칩)는 생물 신경 시스템을 모사한 인공 신경계를 뉴런 수준에서 제작함으로써, 두뇌가 처리하는 정보처리 방식을 모사하기 위해 만들어진 반도체 회로와 같은 장치이다. 뉴로모픽 장치는 상술한 생물학적 뉴런 구조를 모방하여 생물학적인 뉴런의 기능을 단순화시킨 인공의 뉴런을 사용한다.
뉴로모픽 장치는 불특정한 환경에 스스로 적응할 수 있는 지능화된 시스템, 예를 들면, 음성인식, 위험인지, 실시간 고속 신호처리, 인지 및 추정 등을 수행하는 컴퓨터, 로봇, 가전기기, 자율 주행 차량 등에 사용되는 추세에 있다.
본 발명의 일실시예에 따른 타이어 상태 추정장치는 뉴로모픽 장치를 구성하는 수천개의 뉴런들에 타이어의 음향 또는/및 영상을 대상으로 타이어의 마모상태를 특정 지을 수 있는 마모 패턴들과 타이어의 손상상태를 특정 지을 수 있는 손상 패턴들을 학습시킨다. 학습 대상이 되는 마모 패턴은 타이어 트래드 홈의 형상과 크기를 변화시켜 학습시킨 패턴일 수 있다. 학습 대상이 되는 손상 패턴은 타이어의 스크래치, 못 박힘 등 타이어 손상원인이 되는 요소를 변화시켜 학습시킨 패턴일 수 있다.
본 발명의 일실시예에 따른 타이어 상태 추정장치는 음향 센서 혹은 영상 센서를 이용하여 타이어 마모 혹은/및 손상 정도에 따른 음향 데이터 혹은 영상 데이터를 획득하고, 획득한 데이터를 뉴로모픽 장치로 전달하며, 뉴로모픽 장치에서 기학습된 데이터와 획득한 데이터를 비교하고, 뉴로모픽 장치로부터 비교결과를 제공받아 타이어의 마모 및 손상 정도를 판별하고, 판별된 결과를 표시할 수 있다.
도 1은 본 발명의 일실시예에 따른 타이어 상태 추정장치의 제어블록도이다.
도 1을 참조하면, 타이어 상태 추정장치는 감지부(10), 제어부(20), 뉴로모픽 장치(30) 및 표시부(40)를 포함할 수 있다.
제어부(20)에는 감지부(10), 뉴로모픽 장치(30) 및 표시부(40)가 전기적으로 연결되어 있다.
감지부(10)는 타이어의 음향과 타이어의 영상을 감지한다.
감지부(10)는 타이어의 음향을 측정하는 음향센서(11) 또는/및 타이어의 영상을 획득하는 영상센서(12)를 포함할 수 있다.
음향센서(11)와 영상센서(12)는 타이어(T)의 음향과 영상을 감지할 수 있도록 타이어(T)와 인접한 차량 부분에 장착될 수 있다. 예를 들면, 음향센서(11)와 영상센서(12)는 차량의 전방 범퍼 측면과 바퀴 사이 혹은 사이드 실 가드 부분과 바퀴 사이에 장착될 수 있다(도 2 참조).
음향센서(11)는 설치 환경에 따라 저항형, 콘덴서형, 광섬유형, 압전형, 일렉트릿(Electret)형, 다이나믹형 혹은 MEMS(Micro Electro Mechanical Systems)형 마이크로폰을 포함할 수 있다.
음향센서(11)는 타이어의 음향을 측정하고 측정된 음향신호를 제어부(20)에 전달한다.
영상센서(12)는 RGB 센서 또는 적외선이미지센서(Infrared image sensor)를 포함할 수 있다.
영상센서(12)는 타이어의 영상을 획득하고 획득된 영상신호를 제어부(20)에 전달한다.
제어부(20)는 음향센서(11)에 의해 측정된 음향신호 또는 영상센서(12)에 의해 획득된 영상신호를 벡터화한 입력 벡터를 생성한다.
제어부(20)는 생성된 입력 벡터를 뉴로모픽 장치(30)에 입력한다.
제어부(20)는 뉴로모픽 장치(30)에 저장된 복수의 뉴런 중에서 입력된 입력 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 수신한다.
제어부(20)는 뉴로모픽 장치(30)로부터 수신된 마모 패턴 정보를 근거로 하여 타이어의 마모정도를 추정한다.
제어부(20)는 뉴로모픽 장치(30)에 저장된 복수의 뉴런 중에서 입력된 입력 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 수신한다.
제어부(20)는 수신된 손상 패턴 정보를 근거로 하여 타이어의 손상정도와 손상종류를 추정한다.
도 3은 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어 음향을 이용하여 타이어의 마모상태를 추정하는 것을 설명하기 위한 그래프이다.
도 3을 참조하면, 타이어 소음은 타이어 패턴, 주행 환경(예를 들면, 주행속도, 운전방법 등) 및 주변 환경(예를 들면, 지형, 도로 상태, 기온 등) 조건에 따라 달라지므로 일률적으로 단정하기 힘들다.
따라서, 이러한 타이어 패턴, 주행 환경 및 주변 환경 등을 모두 고려한 타이어 소음 측정이 필요하고 그 측정된 데이터를 정상, 주의, 즉시 교체 등의 범주로 나누어 조건에 따라 데이터를 학습시켜 놓아야 한다.
타이어 소음은 직간접 발생원인에 따라 다양하게 분류 가능하다. 본 발명의 일실시예에서는 타이어 마모 및 손상 정도를 판단하기 위해 사용하는 타이어 소음은 직접적인 원인에서 기인하는 패턴 소음과 험이다. 패턴 소음은 타이어가 접지했을 때 트레드 홈 안의 공기가 압축되어 방출될 때 발생하는 소음으로서, 트레드 홈의 형상과 크기에 따라 음의 주파수가 변하고 속도가 빨라질수록 소리가 커진다. 험은 직진 주행 시 발생되는 소음으로 트레드 디자인에 같은 간격으로 배열된 피치가 노면을 규칙적으로 치는 데서 발생되는 소음이다.
본 발명의 일실시예에 따른 타이어 상태 추정장치는 음향 데이터를 뉴로모픽 장치(30)를 이용하여 사전에 학습시키고, 주행 중 발생하는 소음 데이터와 사전에 학습된 데이터와 비교하며, 그 비교 결과로부터 타이어 마모상태를 추정한다.
먼저, 정상적인 새 타이어의 소음을 정해진 조건인 주행속도, 주행환경, 주변환경 조건하에서 측정한다. 패턴 소음은 트레드의 홈 형상과 크기에 따라 음의 주파수가 달라지기 때문에, 시간이 지남에 따라 트레드가 마모되고, 새 타이어 소음과는 다른 주파수 대역에서 음향 신호가 나타난다. 타이어의 마모 정도와 주파수 대역을 추적하면서 ‘정상’, ‘주의’, ‘즉시 교체’ 3가지 범주에 해당하는 주파수 대역을 설정하고, 주파수 스펙트럼 신호를 벡터 데이터로 변환하여 뉴로모픽 장치(30)의 뉴런들에 학습시킨다. 음향 센서(11)를 이용하여 타이어 마모 정도를 정상, 주의, 즉시 교체 등의 3가지 범주로 구분하고자 할 경우, 각 범주에 해당하는 타이어의 소음을 주행 환경, 주변 환경 등을 모두 고려하여 측정한 후 측정된 데이터를 취득하고 학습시킨다. 이때, 데이터 형태는 어느 한가지로 국한되지 않는다. 주파수 영역 스펙트럼 등의 신호 데이터 자체가 될 수도 있고, 마모 정도에 따라 특정하게 발생하는 신호 데이터가 될 수도 있다.
이후 주행 중에 실시간으로 측정되는 음향 신호가 벡터 데이터로 변환되어 뉴로모픽 장치(30)에 전달되면, 패턴 매칭 방법을 통해 뉴로모픽 장치(30)에 기학습된 정상, 주의, 즉시 교체 범주 중 어느 범주에 해당되는지 카테고리 값(범주에 해당하는 뉴런의 마모 패턴 정보)이 결정된다. 뉴로모픽 장치(30)가 제어부(20)로 그 카테고리 값을 전송하면, 제어부(20)는 이 카테고리 값에 따라 타이어 마모상태를 정상, 주의, 즉시 교체 중 어느 하나인지를 판단하고, 판단된 타이어 마모상태를 표시부(40)에 표시시킨다.
도 4는 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어 음향을 이용하여 타이어의 손상상태를 추정하는 것을 설명하기 위한 그래프이다.
도 4를 참조하면, 타이어의 손상 상태는 타이어의 마모 상태를 추정하는 방법과 유사한 방법으로 추정할 수 있다.
타이어의 소음 중 험은 주행 시트레드 디자인에 같은 간격으로 배열된 피치가 노면을 규칙적으로 치는 데서 발생되는 소음이기 때문에, 정상적인 상태에서의 규칙적인 소음이 아닌 소음은 손상으로 판단 가능하다. 예를 들어, 못이 박혀 있거나, 깊은 스크래치가 발생하면 정상적인 상태에서의 주파수 스펙트럼 신호와는 다른 도 4와 같이 튀는 양상을 보일 것이므로 추정 가능하다.
본 발명의 일실시예에 따른 타이어 상태 추정장치는 못 박힘, 스크래치, 정상 등의 손상종류에 대한 주파수 스펙트럼 신호를 벡터 데이터로 변환하여 뉴로모픽 장치(30)에 학습시킨다.
이후 주행 중에 실시간으로 측정되는 음향 신호가 벡터 데이터로 변환되어 뉴로모픽 장치(30)에 전달되면, 패턴 매칭 방법을 통해 뉴로모픽 장치(30)에 기학습된 손상종류에 대한 범주 중 어느 범주에 해당되는지 카테고리 값(범주에 해당하는 뉴런의 손상 패턴 정보)이 결정된다. 뉴로모픽 장치(30)가 제어부(20)로 그 카테고리 값을 전송하면, 제어부(20)는 이 카테고리 값에 따라 타이어 손상종류를 못 박힘, 스크래치, 정상 중 어느 하나인지를 판단하고, 판단된 타이어 손상상태를 표시부(40)에 표시시킨다.
한편, 영상 신호의 경우, 정상적인 새 타이어 트레드 영상을 촬영하고 벡터 데이터로 변환하여 뉴로모픽 장치(30)에 학습시킨다. 이후 주행 중 혹은 정차 중의 타이어 트레드 홈을 실시간으로 촬영하고, 촬영된 영상 신호를 벡터 데이터로 변환한 후 뉴로모픽 장치(30)에 기학습된 데이터와 비교한다. 음향 신호를 사용한 타이어 상태 추정방법과 마찬가지로, 마모 정도는 정상, 주의, 즉시 교체 3가지 범주 중 어느 범주에 해당되는지 패턴 매칭을 통해 결정된다. 타이어 손상상태도 마찬가지로 손상종류별로 학습된 영상과 패턴 매칭을 통해 추정할 수 있다.
다시 도 1을 참조하면, 제어부(20)는 벡터생성부(21), 마모판단부(22) 및 손상판단부(23)를 포함할 수 있다.
뉴로모픽 장치(30)는 뉴런부(31), 인식부(32) 및 학습부(33)를 포함할 수 있다.
뉴런부(31)는 하드웨어 형태로 구현된 수천 개의 뉴런이 병렬 버스에 의해 연결되어 있다.
인식부(32)와 학습부(33)는 패턴에 대한 학습과 인식을 각각 담당한다. 인식부(32)와 학습부(33)는 뉴로모픽 장치(30)의 내부를 구성한다.
학습부(33)는 타이어의 음향 또는 영상을 대상으로 타이어의 각종 마모정도와, 타이어의 각종 손상정도와 손상종류를 사전에 학습시킨다.
학습부(33)는 사전에 타이어의 마모상태를 학습한 음향/영상데이터와 타이어의 손상상태를 학습한 음향/영상데이터를 뉴런부(31)의 복수의 뉴런에 미리 저장시킨다. 이러한 학습결과에 따라 복수의 뉴런에는 타이어 음향 혹은 타이어 영상에 대하여 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와, 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장되어 있다. 즉, 복수의 뉴런에는 타이어 음향과 관련된 마모 패턴 벡터와 손상 패턴 벡터가 저장되어 있을 수 있다. 또한, 복수의 뉴런에는 타이어 영상과 관련된 마모 패턴 벡터와 손상 패턴 벡터가 저장되어 있을 수 있다.
학습부(33)는 저장된 마모 패턴 벡터와 손상 패턴 벡터를 전원 인가 및 시스템 동작과 함께 뉴런부(31)를 구성하는 복수의 뉴런의 로컬 메모리로 로딩시켜 패턴 인식에 사용되게 한다. 이때, 뉴런이 저장 및 복원(save&restore) 모드로의 변경을 통해 비 휘발성 메모리 특성을 가질 경우, 전원 차단 시 학습 데이터가 소멸되지 않기 때문에 전원 인가 및 시스템 동작 시 뉴런의 로컬 메모리로 학습 데이터를 로딩시키는 작업은 불필요할 수 있다.
다시 도 1을 참조하면, 제어부(10)의 벡터생성부(21)는 음향센서(11)에 의해 측정된 음향신호를 벡터 형태로 변환하고 생성한다.
벡터생성부(21)는 음향센서(11)에 의해 측정된 음향신호를 고속 푸리에 변환(Fast Fourier Transform ; FFT) 신호 처리한 주파수 스펙트럼 신호를 벡터 데이터로 변환한다.
벡터생성부(21)는 생성된 벡터 데이터인 음향 벡터를 뉴로모픽 장치(30)에 전달한다.
뉴로모픽 장치(30)의 인식부(32)는 음향 벡터를 수신하고 병렬 버스를 통해 뉴런 전체에 음향 벡터를 동시에 전파한다. 각 뉴런은 입력받은 음향 벡터와 자신이 저장하고 있는 학습된 패턴 벡터(마모 패턴 벡터 혹은 손상 패턴 벡터) 사이의 상대적 거리를 자동으로 계산하여 결과를 내보낸다. 이때, 각 뉴런들은 음향 벡터가 입력되기 시작하면 뉴런 내부에 저장된 패턴 벡터(마모 패턴 벡터 혹은 손상 패턴 벡터)와 음향 벡터 사이의 상대 거리를 측정하기 시작하고 음향 벡터의 입력이 끝날 때까지 거리값을 계속 갱신한다.
인식부(32)는 음향 벡터와 저장된 패턴 사이의 거리 계산이 종료되면 수천 개의 뉴런 가운데 상대 거리값이 가장 작은 뉴런을 음향 벡터와 가장 유사한 패턴 벡터를 가진 뉴런으로 선정하고, 선정된 뉴런에 저장된 패턴 벡터에 대응하도록 미리 설정된 패턴 정보(마모 패턴 정보 혹은 손상 패턴 정보)를 제어부(20)에 전달한다.
상기한 구성을 갖는 뉴로모픽 장치(30)는 음향 벡터가 입력되면, 입력된 음향 벡터가 뉴런들이 보유하고 있는 여러 종류의 마모 패턴 벡터 또는/및 손상 패턴 벡터과 유사성이 있는지를 탐색하고, 탐색 결과 가장 유사한 패턴 벡터가 존재한다면 해당 패턴 벡터를 가진 뉴런의 패턴 정보를 출력시킨다.
또한, 제어부(10)의 벡터생성부(21)는 영상센서(12)에 의해 획득된 영상신호를 벡터 형태로 변환하고 생성한다.
벡터생성부(21)는 영상센서(12)에 의해 획득된 영상 데이터에서 관심영역(Region Of Interest, ROI) 을 설정하고, 설정된 관심영역에 대하여 미리 설정된 윈도우 단위로 분할하여 미리 설정된 픽셀씩 중첩시키면서 해당 윈도우의 픽셀 값들을 벡터 데이터로 변환한다. 미리 설정된 윈도우 단위로 획득된 이미지 데이터는 1행의 벡터 형태로 변환하여 뉴로모픽 장치(30)에 연속으로 전달한다. 예를 들어, 전체 ROI에 대해 16×16 크기의 윈도우가 중첩되는 것을 반복한다고 가정하면 하나의 벡터 데이터인 영상 벡터는 1×256 크기의 형태가 된다. 이러한 영상 벡터가 뉴로모픽 장치(30)에 전달된다.
뉴로모픽 장치(30)의 인식부(32)는 영상 벡터를 수신하고 병렬 버스를 통해 뉴런 전체에 영상 벡터를 동시에 전파한다. 각 뉴런은 입력받은 영상 벡터와 자신이 저장하고 있는 학습된 패턴 벡터(마모 패턴 벡터 혹은 손상 패턴 벡터) 사이의 상대적 거리를 자동으로 계산하여 결과를 내보낸다. 이때, 각 뉴런들은 영상 벡터가 입력되기 시작하면 뉴런 내부에 저장된 패턴 벡터(마모 패턴 벡터 혹은 손상 패턴 벡터)와 영상 벡터 사이의 상대 거리를 측정하기 시작하고 영상 벡터의 입력이 끝날 때까지 거리값을 계속 갱신한다.
인식부(32)는 영상 벡터와 저장된 패턴 사이의 거리 계산이 종료되면 수천 개의 뉴런 가운데 상대 거리값이 가장 작은 뉴런을 영상 벡터와 가장 유사한 패턴 벡터를 가진 뉴런으로 선정하고, 선정된 뉴런에 저장된 패턴 벡터에 대응하도록 미리 설정된 패턴 정보(마모 패턴 정보 혹은 손상 패턴 정보)를 제어부(20)에 전달한다.
상기한 구성을 갖는 뉴로모픽 장치(30)는 영상 벡터가 입력되면, 입력된 영상 벡터가 뉴런들이 보유하고 있는 여러 종류의 마모 패턴 벡터 또는/및 손상 패턴 벡터과 유사성이 있는지를 탐색하고, 탐색 결과 가장 유사한 패턴 벡터가 존재한다면 해당 패턴 벡터를 가진 뉴런의 패턴 정보를 출력시킨다.
다시 도 1을 참조하면, 제어부(20)의 마모판단부(22)는 뉴로모픽 장치(30)의 인식부(32)로부터 전달된 마모 패턴 정보에 따라 타이어의 마모상태를 판단한다.
마모판단부(22)는 판단된 타이어 마모상태를 표시부(40)에 표시시킨다.
손상판단부(23)는 인식부(32)로부터 전달된 손상 패턴 정보에 따라 타이어의 손상상태를 판단한다.
손상판단부(23)는 판단된 타이어 손상상태를 표시부(40)에 표시시킨다.
도 5는 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어의 마모상태를 추정하는 것을 설명하기 위한 제어흐름도이다.
도 5를 참조하면, 음향센서(11)는 타이어의 음향을 측정한다(100). 음향센서(11)에 의해 측정된 타이어 음향신호는 제어부(20)에 전달된다(102).
제어부(20)는 음향센서(11)에 의해 측정된 타이어의 음향신호를 벡터화한 음향 벡터를 생성한다(104).
제어부(20)는 생성된 음향 벡터를 뉴로모픽 장치(30)에 전달한다(106).
뉴로모픽 장치(30)는 제어부(20)로부터 전달된 음향 벡터를 복수의 뉴런에 동시 전파시키고 음향 벡터와 각 뉴런에 저장된 마모 패턴 벡터를 비교한다(108).
뉴로모픽 장치(30)는 비교결과 음향 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런을 선정한다(110).
뉴로모픽 장치(30)는 선정된 뉴런의 마모 패턴 정보를 제어부(20)에 전달한다(112).
제어부(20)는 뉴로모픽 장치(30)로부터 전달된 마모 패턴 정보에 따라 타이어의 마모상태를 판단한다(114).
제어부(20)는 판단된 타이어의 마모상태를 표시부(40)에 전달한다(116).
표시부(40)는 제어부(20)로부터 전달된 타이어 마모상태를 표시시킨다(118).
도 6은 본 발명의 일실시예에 따른 타이어 상태 추정장치에서 타이어의 손상상태를 추정하는 것을 설명하기 위한 제어흐름도이다.
도 6을 참조하면, 음향센서(11)는 타이어의 음향을 측정한다(200). 음향센서(11)에 의해 측정된 타이어 음향신호는 제어부(20)에 전달된다(202).
제어부(20)는 음향센서(11)에 의해 측정된 타이어의 음향신호를 벡터화한 음향 벡터를 생성한다(204).
제어부(20)는 생성된 음향 벡터를 뉴로모픽 장치(30)에 전달한다(206).
뉴로모픽 장치(30)는 제어부(20)로부터 전달된 음향 벡터를 복수의 뉴런에 동시 전파시키고 음향 벡터와 각 뉴런에 저장된 손상 패턴 벡터를 비교한다(208).
뉴로모픽 장치(30)는 비교결과 음향 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런을 선정한다(210).
뉴로모픽 장치(30)는 선정된 뉴런의 손상 패턴 정보를 제어부(20)에 전달한다(212).
제어부(20)는 뉴로모픽 장치(30)로부터 전달된 손상 패턴 정보에 따라 타이어의 손상상태를 판단한다(214).
제어부(20)는 판단된 타이어의 손상상태를 표시부(40)에 표시시킨다(216).
표시부(40)는 제어부(20)로부터 전달된 타이어 손상상태를 표시시킨다(218).
이상과 같이, 본 발명의 실시예는 뉴로모픽 장치를 이용하기 때문에 타이어의 마모나 손상 등을 보다 정확하고 신뢰성 있게 추정할 수 있고, 타이어 상태를 추정하는 속도를 높일 수 있으며, 타이어의 마모나 손상에 대한 높은 신뢰성과 높은 인식률을 확보할 수 있고, 디지털 신호처리 소자에 대한 의존도를 상대적으로 줄일 수 있어 비용 절감과 발열 감소의 효과를 얻을 수 있으며, 주행 환경 및 주변 환경 변수 등을 모두 고려한 데이터를 학습시키기 때문에 외부 환경에 의한 오차가 발생하지 않고, 뉴로모픽 장치에서 기학습된 데이터와 획득한 데이터를 비교하여 복잡한 연산 없이 빠른 시간내에 타이어 마모상태 및 손상상태를 판별할 수 있다.
10 : 감지부 11 : 음향센서
12 : 영상센서 20 : 제어부
21 : 벡터생성부 22 : 마모판단부
23 : 손상판단부 30 : 뉴로모픽 장치
31 : 뉴런부 32 : 인식부
33 : 학습부 40 : 표시부

Claims (7)

  1. 타이어의 음향을 측정하는 음향센서;
    상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치; 및
    상기 음향센서에 의해 측정된 음향신호를 벡터화한 음향 벡터를 생성하고, 상기 생성된 음향 벡터를 상기 뉴로모픽 장치에 입력하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 수신하고, 상기 수신된 마모 패턴 정보를 근거로 하여 상기 타이어의 마모상태를 추정하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 수신하고, 상기 수신된 손상 패턴 정보를 근거로 하여 상기 타이어의 손상상태를 추정하는 제어부를 포함하고,
    상기 뉴로모픽 장치는 상기 음향 벡터를 내부의 복수의 뉴런에 상기 병렬 버스를 통해 동시에 전파시키고, 상기 음향 벡터와 상기 복수의 뉴런에 저장된 마모 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 마모 패턴 정보를 상기 제어부로 전달하고, 상기 음향 벡터와 상기 복수의 뉴런에 저장된 손상 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 손상 패턴 정보를 상기 제어부로 전달하는 타이어 상태 추정장치.
  2. 삭제
  3. 타이어의 영상을 획득하는 영상센서;
    상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치; 및
    상기 영상센서에 의해 획득된 영상신호를 벡터화한 영상 벡터를 생성하고, 상기 생성된 영상 벡터를 상기 뉴로모픽 장치에 입력하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 수신하고, 상기 수신된 마모 패턴 정보를 근거로 하여 상기 타이어의 마모상태를 추정하고, 상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 수신하고, 상기 수신된 손상 패턴 정보를 근거로 하여 상기 타이어의 손상상태를 추정하는 제어부를 포함하고,
    상기 뉴로모픽 장치는 상기 영상 벡터를 내부의 복수의 뉴런에 상기 병렬 버스를 통해 동시에 전파시키고, 상기 영상 벡터와 상기 복수의 뉴런에 저장된 마모 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 마모 패턴 정보를 상기 제어부로 전달하고, 상기 영상 벡터와 상기 복수의 뉴런에 저장된 손상 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 손상 패턴 정보를 상기 제어부로 전달하는 타이어 상태 추정장치.
  4. 제3항에 있어서,
    상기 제어부는 영상센서에 의해 획득된 영상 데이터에서 관심영역을 설정하고, 상기 설정된 관심영역에 대하여 미리 설정된 윈도우 단위로 분할하여 미리 설정된 픽셀씩 중첩시키면서 해당 윈도우의 픽셀 값들을 벡터 데이터로 변환하여 상기 영상 벡터를 생성하는 타이어 상태 추정장치.
  5. 삭제
  6. 타이어의 음향을 측정하고,
    상기 측정된 음향신호를 벡터화한 음향 벡터를 생성하고,
    상기 생성된 음향 벡터를 상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치에 입력하고,
    상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 이용하여 상기 타이어의 마모상태를 추정하고,
    상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 음향 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 이용하여 상기 타이어의 손상상태를 추정하고,
    상기 뉴로모픽 장치는 상기 음향 벡터를 내부의 복수의 뉴런에 상기 병렬 버스를 통해 동시에 전파시키고, 상기 음향 벡터와 상기 복수의 뉴런에 저장된 마모 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 마모 패턴 정보를 전달하고, 상기 음향 벡터와 상기 복수의 뉴런에 저장된 손상 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 손상 패턴 정보를 전달하는 타이어 상태 추정방법.
  7. 타이어의 영상을 획득하고,
    상기 획득된 영상 데이터에서 관심영역을 설정하고,
    상기 설정된 관심영역에 대하여 미리 설정된 윈도우 단위로 분할하여 미리 설정된 픽셀씩 중첩시키면서 해당 윈도우의 픽셀 값들을 벡터 데이터로 변환한 영상 벡터를 생성하고,
    상기 생성된 영상 벡터를 상기 타이어의 마모상태를 특정 지을 수 있는 마모 패턴 벡터와 상기 타이어의 손상상태를 특정 지을 수 있는 손상 패턴 벡터가 저장된 복수의 뉴런이 병렬 버스로 연결된 뉴로모픽 장치에 입력하고,
    상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 마모 패턴 벡터를 가진 뉴런의 마모 패턴 정보를 이용하여 상기 타이어의 마모상태를 추정하고,
    상기 뉴로모픽 장치에 저장된 복수의 뉴런 중에서 상기 입력된 영상 벡터와 가장 유사한 손상 패턴 벡터를 가진 뉴런의 손상 패턴 정보를 이용하여 상기 타이어의 손상상태를 추정하고,
    상기 뉴로모픽 장치는 상기 영상 벡터를 내부의 복수의 뉴런에 상기 병렬 버스를 통해 동시에 전파시키고, 상기 영상 벡터와 상기 복수의 뉴런에 저장된 마모 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 마모 패턴 정보를 전달하고, 상기 영상 벡터와 상기 복수의 뉴런에 저장된 손상 패턴 벡터를 비교하여 상대 거리값이 가장 작은 뉴런의 손상 패턴 정보를 전달하는 타이어 상태 추정방법.
KR1020180074506A 2018-06-28 2018-06-28 타이어 상태 추정장치 및 방법 KR102062271B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180074506A KR102062271B1 (ko) 2018-06-28 2018-06-28 타이어 상태 추정장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180074506A KR102062271B1 (ko) 2018-06-28 2018-06-28 타이어 상태 추정장치 및 방법

Publications (1)

Publication Number Publication Date
KR102062271B1 true KR102062271B1 (ko) 2020-01-03

Family

ID=69155586

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180074506A KR102062271B1 (ko) 2018-06-28 2018-06-28 타이어 상태 추정장치 및 방법

Country Status (1)

Country Link
KR (1) KR102062271B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4296089A1 (en) * 2022-06-21 2023-12-27 Autopedia Co., Ltd. Tire tread wear determination system and method using deep artificial neural network

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11110560A (ja) * 1997-10-03 1999-04-23 Mitsubishi Electric Corp 画像検査方法および画像検査装置
JP2005283452A (ja) * 2004-03-30 2005-10-13 Nohmi Bosai Ltd タイヤ損傷検出システム
KR101602071B1 (ko) 2014-12-15 2016-03-10 현대오트론 주식회사 타이어 수명 예측 방법 및 장치
KR20160045263A (ko) 2014-10-17 2016-04-27 현대모비스 주식회사 타이어 수명 예측 장치 및 방법
JP2017505430A (ja) * 2013-12-18 2017-02-16 コンパニー ゼネラール デ エタブリッスマン ミシュラン 道路及びタイヤの状態を音響検出する方法
KR101748650B1 (ko) 2011-07-29 2017-06-19 현대모비스 주식회사 타이어 수명 예측 가능한 타이어 공기압 감시 장치 및 그 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11110560A (ja) * 1997-10-03 1999-04-23 Mitsubishi Electric Corp 画像検査方法および画像検査装置
JP2005283452A (ja) * 2004-03-30 2005-10-13 Nohmi Bosai Ltd タイヤ損傷検出システム
KR101748650B1 (ko) 2011-07-29 2017-06-19 현대모비스 주식회사 타이어 수명 예측 가능한 타이어 공기압 감시 장치 및 그 방법
JP2017505430A (ja) * 2013-12-18 2017-02-16 コンパニー ゼネラール デ エタブリッスマン ミシュラン 道路及びタイヤの状態を音響検出する方法
KR20160045263A (ko) 2014-10-17 2016-04-27 현대모비스 주식회사 타이어 수명 예측 장치 및 방법
KR101602071B1 (ko) 2014-12-15 2016-03-10 현대오트론 주식회사 타이어 수명 예측 방법 및 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4296089A1 (en) * 2022-06-21 2023-12-27 Autopedia Co., Ltd. Tire tread wear determination system and method using deep artificial neural network

Similar Documents

Publication Publication Date Title
US11887064B2 (en) Deep learning-based system and method for automatically determining degree of damage to each area of vehicle
EP3509011B1 (en) Apparatuses and methods for recognizing a facial expression robust against change in facial expression
US10322728B1 (en) Method for distress and road rage detection
JP4046059B2 (ja) 路面状態推定装置
EP3796228A1 (en) Device and method for generating a counterfactual data sample for a neural network
JP6837848B2 (ja) 診断装置
US10676096B2 (en) System and method for sensing road surface condition
CN106687037A (zh) 用于检测瞬时睡眠的设备、方法和计算机程序
KR101697476B1 (ko) 로봇의 표정 기반 연속적 정서 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
WO2016100816A1 (en) Sensor data fusion for prognostics and health monitoring
JP7380019B2 (ja) データ生成システム、学習装置、データ生成装置、データ生成方法及びデータ生成プログラム
CN111386531A (zh) 利用人工智能的多模式情绪识别装置、方法以及存储介质
KR102062271B1 (ko) 타이어 상태 추정장치 및 방법
To et al. A comprehensive approach to real-time fault diagnosis during automatic grit-blasting operation by autonomous industrial robots
JP2012018066A (ja) 異常検査装置
KR20220069700A (ko) 차량 상태 진단 장치 및 그 방법
Dózsa et al. Road abnormality detection using piezoresistive force sensors and adaptive signal models
CN115600144A (zh) 用于异常检测和分割的对比预测性编码
Desmet et al. Leak detection in compressed air systems using unsupervised anomaly detection techniques
US10802476B2 (en) Numerical controller with learned pressure estimation
US10504221B2 (en) Methods, apparatus and systems for monitoring devices
CN110869859A (zh) 用于确定机床主轴状态的装置和方法
US11568226B2 (en) System and method for machine-learning
KR102347811B1 (ko) 이상 행동 객체 탐지 장치 및 방법
KR20190062874A (ko) 기계 학습 기반 지반 및 구조물의 건전도 평가 방법 및 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant