TWI819914B - 輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體 - Google Patents

輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體 Download PDF

Info

Publication number
TWI819914B
TWI819914B TW111146693A TW111146693A TWI819914B TW I819914 B TWI819914 B TW I819914B TW 111146693 A TW111146693 A TW 111146693A TW 111146693 A TW111146693 A TW 111146693A TW I819914 B TWI819914 B TW I819914B
Authority
TW
Taiwan
Prior art keywords
tire
image
inner diameter
tire size
processor
Prior art date
Application number
TW111146693A
Other languages
English (en)
Other versions
TW202424907A (zh
Inventor
林哲渝
簡至毅
Original Assignee
緯創資通股份有限公司
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 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW111146693A priority Critical patent/TWI819914B/zh
Priority to CN202211697284.5A priority patent/CN118154506A/zh
Priority to US18/193,531 priority patent/US20240185444A1/en
Application granted granted Critical
Publication of TWI819914B publication Critical patent/TWI819914B/zh
Publication of TW202424907A publication Critical patent/TW202424907A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Moulds For Moulding Plastics Or The Like (AREA)
  • Discharge Of Articles From Conveyors (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一種輪胎尺寸辨識方法，包含：物件偵測模型框選一影像中的一輪胎影像，以產生一框選輪胎影像；將框選輪胎影像輸入一影像分割模型；其中，影像分割模型輸出框選輪胎的一輪胎內徑；以及將該輪胎內徑輸入一分類模型；其中，分類模型輸出一輪胎尺寸。藉此達到偵測輪胎內徑更為準確的功效。

Description

輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體
本發明實施例是關於一種尺寸辨識方法，特別是關於一種應用於計算輪胎的輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體。
廢棄輪胎回收廠在回收輪胎時，依照每顆廢棄輪胎尺吋大小計算相對應的收益，但現行廢棄輪胎回收廠為方便作業，推估輪胎尺吋的方法是將大批的輪胎切碎後，依照輪胎碎片的重量回推到每個輪胎的尺吋大小，這樣的推估方法非常的不精確，誤差很大，造成收益誤差也會變大。
因此，如何在輪胎未切碎之前，在輸送帶上更精準的辨識出每個輪胎的尺吋，減少收益之誤差，已成為重要的待解決問題之一。
本揭露內容之一態樣提供了一種輪胎尺寸辨識方法，包含：將一影像輸入一物件偵測模型；其中，該物件偵測模型框選該感興趣區域影像中的一輪胎影像，以產生一框選輪胎影像；將該框選輪胎影像輸入一影像分割模型；其中，該影像分割模型輸出該框選輪胎的一輪胎內徑；以及將該輪胎內徑輸入一分類模型；其中，該分類模型輸出一輪胎尺寸。
於一實施例中，透過一處理器計算該影像的該輪胎影像與下一幀影像的該輪胎影像的距離，並比對該影像中與下一幀影像中距離最近的該輪胎影像，以追蹤該輪胎影像的位置。
於一實施例中，透過該處理器於一原始影片中篩選並找出該輪胎內徑的最大值；透過一儲存裝置記錄該輪胎內徑在該原始影片中的該最大值；其中，該原始影片包含該影像與該下一幀影像。
於一實施例中，其中，該原始影片包含該感興趣區域影像與該另一感興趣區域影像。
於一實施例中，將該輪胎內徑的一內徑像素值輸入該分類模型後，該分類模型輸出複數個候選輪胎尺寸類別各自對應的一機率，並將該些機率中最大者所對應的輪胎尺寸類別作為該輪胎尺寸。
於一實施例中，將獲得的該輪胎尺寸的資訊及時地疊加於一原始影片中，並傳輸疊加該輪胎尺寸的資訊後的一影片至一顯示裝置顯示。
於一實施例中，輪胎尺寸辨識方法更包括取得該影像，其中該影像為一感興趣區域影像。
本揭露內容之一態樣提供了一種輪胎尺寸辨識系統。輪胎尺寸辨識系統包含：一處理器以及一儲存裝置。處理器存取該儲存裝置所儲存之程式，以實現一物件偵測模型、一影像分割模型以及一分類模型，其中：該物件偵測模型，框選一影像中的一輪胎影像，以產生一框選輪胎影像；該影像分割模型，輸出該框選輪胎的一輪胎內徑；以及該分類模型輸出一輪胎尺寸。
於一實施例中，該處理器計算該影像的該輪胎影像與下一幀影像的該輪胎影像的距離，並比對該影像中與下一幀影像中距離最近的該輪胎影像，以追蹤該輪胎影像的位置。
於一實施例中，該處理器於一原始影片中篩選並找出該輪胎內徑的最大值，且該儲存裝置記錄該輪胎內徑在該原始影片中的該最大值；其中，該原始影片包含該影像與該下一幀影像。
於一實施例中，該處理器依據該輪胎尺寸，將相同尺寸的輪胎進行計數。
於一實施例中，該處理器將該輪胎內徑的一內徑像素值輸入該分類模型後，該分類模型輸出複數個候選輪胎尺寸類別各自對應的一機率，並將該些機率中最大者所對應的輪胎尺寸類別作為輸出該輪胎尺寸。
於一實施例中，該處理器將獲得的該輪胎尺寸的資訊及時地疊加於一原始影片中，並傳輸疊加該輪胎尺寸的資訊後的一影片至一顯示裝置顯示。
於一實施例中，該處理器更取得該影像，其中該影像為一感興趣區域影像。
本揭露內容之一態樣提供了一種電腦可讀取儲存媒體，儲存包含一或多個程式，該一或多個程式包含複數個指令。於該些指令執行時將致使一處理器執行以下步驟：將一影像輸入一物件偵測模型；其中，該物件偵測模型框選該影像中的一輪胎影像，以產生一框選輪胎影像；將該框選輪胎影像輸入一影像分割模型；其中，該影像分割模型輸出該框選輪胎影像的一輪胎內徑；以及將該輪胎內徑輸入一分類模型；其中，該分類模型依據該輪胎內徑輸出一輪胎尺寸。
於一實施例中，於該些指令執行時該處理器更執行以下步驟：計算該影像的該輪胎影像與下一幀影像的該輪胎影像的距離，並比對該影像中與下一幀影像中距離最近的該輪胎影像，以追蹤該輪胎影像的位置。
於一實施例中，於該些指令執行時該處理器更執行以下步驟：於一原始影片中篩選並找出該輪胎內徑的最大值；記錄該輪胎內徑在該原始影片中的該最大值；其中，該原始影片包含該影像與該下一幀影像。
於一實施例中，於該些指令執行時將致使該處理器更執行以下步驟：依據該輪胎尺寸，將相同尺寸的輪胎進行計數。
於一實施例中，於該些指令執行時將致使該處理器更執行以下步驟：將該輪胎內徑的一內徑像素值輸入該分類模型後，該分類模型輸出複數個候選輪胎尺寸類別各自對應的一機率，並將該些機率中最大者所對應的輪胎尺寸類別作為該輪胎尺寸。
於一實施例中，於該些指令執行時將致使該處理器更執行以下步驟：將獲得的該輪胎尺寸的資訊及時地疊加於一原始影片中，並傳輸疊加該輪胎尺寸的資訊後的一影片至一顯示裝置顯示。
綜上，輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體透過物件偵測模型、影像分割模型以及分類模型，可以針對感興趣區域影像進行框選，並找出輪胎內徑中的最大直徑，依據輪胎內徑經由分類模型分類出輪胎的尺寸，藉此達到了偵測輪胎內徑更為準確的功效。
以下說明係為完成發明的較佳實現方式，其目的在於描述本發明的基本精神，但並不用以限定本發明。實際的發明內容必須參考之後的申請專利範圍。
必須了解的是，使用於本說明書中的”包含”、”包括”等詞，係用以表示存在特定的技術特徵、數值、方法步驟、作業處理、元件以及/或組件，但並不排除可加上更多的技術特徵、數值、方法步驟、作業處理、元件、組件，或以上的任意組合。
於申請專利中使用如”第一”、"第二"、"第三"等詞係用來修飾申請專利中的元件，並非用來表示之間具有優先權順序，先行關係，或者是一個元件先於另一個元件，或者是執行方法步驟時的時間先後順序，僅用來區別具有相同名字的元件。
請一併參照第1~2圖，第1圖係依照本發明一實施例繪示一種輪胎尺寸辨識系統100之方塊圖。第2圖係根據本發明之一實施例繪示一種輪胎尺寸辨識方法200之流程圖。輪胎尺寸辨識方法200可以由輪胎尺寸辨識系統100實施之。
於一實施例中，如第1圖所示，輪胎尺寸辨識系統100包含一處理器PR及一儲存裝置ST。於一實施例中，輪胎尺寸辨識系統100可以是一伺服器、一筆電、一桌電、智能相機、智能監視器、智能監控設備或包含運算及儲存功能的電子裝置。
於一實施例中，處理器PR耦接於儲存裝置ST，處理器PR用以存取儲存裝置ST所儲存之程式，以實現一物件偵測模型OM、一影像分割模型DM以及一分類模型SM的功能。
於一實施例中，處理器PR可由積體電路如微控制單元(micro controller)、微處理器(microprocessor)、數位訊號處理器(Digital Signal Processor，DSP )、現場可程式化邏輯閘陣列(Field Programmable Gate Array，FPGA)、特殊應用積體電路(Application Specific Integrated Circuit，ASIC)或一邏輯電路來實施。
於一實施例中，儲存裝置ST儲存裝置可被實作為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之儲存媒體。
於一實施例中，物件偵測模型OM、影像分割模型DM以及分類模型SM可以由軟體實現之。
於一實施例中，物件偵測模型OM、影像分割模型DM以及分類模型SM可以由各自獨立於儲存裝置ST之外的硬體電路或具有特定功能的晶片以實現之。
以下敘述輪胎尺寸辨識方法200的實施步驟。於一實施例中，請參照第3圖，第3圖係依照本發明一實施例繪示一種感興趣區域(Region of Interest，ROI)影像之示意圖。
於步驟210中，處理器PR取得一影像，其中此影像可以為感興趣區域(Region of Interest，ROI)影像(例如感興趣區域影像ROIt0)。
於一實施例中，處理器PR透過使用者事先定義的位置，取得感興趣區域影像。於一實施例中，感興趣區域的位置資訊(例如多筆座標集合資訊)預先儲存於儲存裝置ST中，處理器PR獲得影像後，存取儲存裝置ST中的感興趣區域的位置資訊，獲得感興趣區域影像。於其他實施例中，影像存儲於儲存裝置ST中，處理器PR存取儲存裝置ST中的影像以及感興趣區域的位置資訊後，取得感興趣區域影像。
於步驟220中，物件偵測模型OM框選感興趣區域影像ROIt0中的一輪胎影像，產生一框選輪胎影像。
於一實施例中，透過一攝像機可拍攝初始影像IMG0，處理器PR可接收來自攝像機初始影像IMG0。其中，初始影像IMG0包含運輸帶30及多個輪胎(以圓形圖式代表之)。已訓練好的物件偵測模型OM針對感興趣區域影像ROIt0偵測出每顆輪胎的位置。
由於物件偵測模型OM無須針對整張初始影像IMG0進行偵測，藉此減少運算量。於其他實施例中，攝像機拍攝的初始影像僅有運輸帶30的影像，於此情況下處理器PR可省略步驟210，以初始影像執行步驟220，物件偵測模型OM框選初始影像中的輪胎影像，產生框選輪胎影像。於另一實施例中，處理器PR運算量足夠，可省略步驟210，以初始影像執行步驟220，物件偵測模型OM對整張初始影像IMG0進行偵測，產生框選輪胎影像。
請參照第4圖，第4圖係依照本發明一實施例繪示一種框選輪胎影像之示意圖。於一實施例中，物件偵測模型OM針對感興趣區域影像ROIt0偵測出每顆輪胎的位置，並將每個輪胎位置框選出來，如框選輪胎影像B1~B4所示。由第4圖可知，框選輪胎影像B1~B4框選位置與輪胎外徑相關。
於一實施例中，物件偵測模型OM在訓練時的輸入為標記輪胎的多張影像，訓練時的目標為：輸出影像上輪胎的座標位置(例如輸出參數包含輪胎影像的X軸位置、Y軸位置、長度、寬度…等)。
於一實施例中，物件偵測模型OM可以採用Yolo、基於區域的卷積神經網路(Region-based Convolutional Neural Networks，R-CNN)、物件檢測算法為(Single Shot MultiBox Detector，SSD)等模型，但不限於此，只要是能夠從影像中偵測出特定物件的模型或方法都可以應用之。
於步驟230中，執行影像分割模型DM，輸出框選輪胎影像的一輪胎內徑。
於一實施例中，由於輪胎的尺吋量測是以輪胎的輪胎內徑為測量標準，因此無法以步驟220的框選輪胎影像B1~B4的長或寬作為輪胎尺吋的判斷依據，在此使用影像分割模型DM，找出輪胎的輪胎內圈(輪胎內徑)範圍，並以輪胎內圈的長度做為判斷輪胎尺吋的依據。於一實施例中，在影像分割模型DM找出輪胎的內圈範圍後，計算內圈的最長像素長度做為判斷輪胎尺吋的依據，其中內圈範圍可為圓形或橢圓形，最長像素長度可為內圈範圍的直徑或是長軸。
於一實施例中，影像分割模型DM在訓練時的輸入為標記輪胎範圍的多張影像，影像分割模型DM的在訓練過程中的目標是：輸出影像中每個像素的類別集合，識別每張影像中的輪胎範圍，並得到輪胎的內圈範圍。舉例來說，影像分割模型DM判斷每個像素是否為輪胎範圍。若影像分割模型DM判斷像素不為輪胎範圍，則影像分割模型DM產生像素的判斷結果為“0”。若影像分割模型判斷像素為輪胎範圍，則影像分割模型DM產生像素的判斷結果為“1”。接著，影像分割模型DM輸出每個像素的判斷結果，並將判斷結果形成對應影像的矩陣。在此矩陣中，判斷結果為“1”的像素為輪胎範圍，而矩陣中被輪胎範圍包圍的且判斷結果為“0”的像素為輪胎的內圈範圍。之後，影像分割模型DM找出內圈範圍中距離最遠的兩個像素位置，將這兩個像素位置的距離做為內圈的長度。
於一實施例中，影像分割模型DM可以採用Unet、Mask R-CNN、FPN、PSPNet等模型，但不限於此，只要是能夠從影像中分割出特定物件的模型或方法都可以應用。
於一實施例中，請參照第5圖，第5圖係依照本發明一實施例繪示一種輪胎尺寸標示之示意圖。第5圖中的方向ENT代表輸送帶30是往左移動，每從最右邊進入感興趣區域影像ROIt0的輪胎影像，則處理器PR會將計數加1，待判斷出輪胎影像對應的尺寸後，處理器PR也會將相同尺寸的輪胎影像進行累計。
透過訓練好的影像分割模型DM，影像分割模型DM可以獲得感興趣區域影像ROIt0中每個輪胎影像的輪胎內徑(輪胎內圈的長度)。
如第5圖所示，框選輪胎影像B1的輪胎內徑ID1為70(像素)，輪胎外徑OD1為75，當前相同尺寸之數量CT1為5個。
框選輪胎影像B2的輪胎內徑ID2為72，輪胎外徑OD2為79，當前相同尺寸之數量CT2為8個。
框選輪胎影像B3的輪胎內徑ID3為74，輪胎外徑OD3為86，當前相同尺寸之數量CT3為10個。
框選輪胎影像B4的輪胎內徑ID4為71，輪胎外徑OD4為77，當前相同尺寸之數量CT4為5個。
請參照第6圖，第6圖係依照本發明一實施例繪示一種追蹤影片中的輪胎影像之示意圖。於一實施例中，處理器PR可以接收多張原始影像，例如為一影片(下稱原始影片)，並在原始影片的每一張相鄰的影像中追蹤同一個輪胎影像，其中處理器PR可以針對原始影片中的每一個原始影像執行步驟210至步驟230，以獲得感興趣區域影像的輪胎影像及另一感興趣區域影像的輪胎影像。
換言之，由於輪胎於輸送帶上會持續的往某個方向(例如方向a)前進，因此處理器PR在初始影片中必須不斷的追蹤每顆輪胎的位置，直到輪胎從影片(或影片中的感興趣區域)消失，在此一物件追蹤演算法，其原理是將連續兩張影像中的物件影像(例如，感興趣區域影像ROIt0中的輪胎影像B1~B4和感興趣區域影像ROIt1中的輪胎影像B1’~B4’)偵測出來後，計算第一張影像的每個物件影像與第二張影像的每個物件影像的距離，分別找到距離最小的物件影像，則視為同一物件。
於一實施例中，追蹤演算法會對每個輪胎影像都給一個臨時標籤(例如為臨時標籤A、B)，並且記錄輪胎中心點的座標，當時間點n到n+1後(n為正整數)，追蹤演算法會去計算時間點n的每個臨時標籤座標與n+1時間點每個臨時標籤座標的距離，將距離變化最小的一組當作同一物件。
於一實施例中，處理器PR計算感興趣區域影像ROIt0(第4圖)的輪胎影像與另一感興趣區域影像ROIt1(第6圖)的輪胎影像的距離，並比對感興趣區域影像ROIt0(第4圖)中與一另一感興趣區域影像ROIt1(第6圖)中距離最近的輪胎影像，以追蹤輪胎影像的位置，其中，另一感興趣區域影像ROIt1可以為感興趣區域影像ROIt0的下一幀影像。
在第6圖的例子中，由於輸送帶是往方向a運輸輪胎，因此第4圖中的輪胎影像B1~B4各自都往左位移到第6圖中的輪胎影像B1’~B4’的位置。舉例而言，第6圖中的輪胎影像B1’與第4圖中輪胎影像B1距離最近，因此將輪胎影像B1’與輪胎影像B1視為同一個輪胎，第6圖中的輪胎影像B2’與第4圖中輪胎影像B2距離最近，因此將輪胎影像B2’與輪胎影像B2視為同一個輪胎，第6圖中的輪胎影像B3’與第4圖中輪胎影像B3距離最近，因此將輪胎影像B3’與輪胎影像B3視為同一個輪胎，第6圖中的輪胎影像B4’與第4圖中輪胎影像B4距離最近，因此將輪胎影像B4’與輪胎影像B4視為同一個輪胎。
藉此可以在輸送帶30上，透過相鄰畫面在不同時點具有較小的位移量的特性，以追蹤每個輪胎。
於一實施例中，處理器PR透過儲存裝置ST記錄輪胎內徑在一原始影片中的最大值；其中，原始影片包含感興趣區域影像ROIt0與另一感興趣區域影像ROIt1(即下一幀影像)。
請參照第7圖，第7圖係依照本發明一實施例繪示一種記錄輪胎內徑的最大值之示意圖。物體與攝像機鏡頭距離越遠，影像上的物體將越來越小，輪胎在輸送帶30上的不同位置，距離鏡頭的遠近都不一樣，因此處理器PR追蹤影片中的每個影像中的每一個輪胎，記錄每個影像中的輪胎內徑，並篩選出最大者，也就是物件在影片中將會呈現最大值的時候，每個物件內徑最大的像素值作為後續判斷尺吋的依據。
於一實施例中，於第7圖中，依據時序的影像排序為：感興趣區域影像ROIt0、感興趣區域影像ROIt10、感興趣區域影像ROIt15，輪胎影像WH在感興趣區域影像ROIt0中的輪胎內徑IDWH為50(像素)，輪胎影像WH在感興趣區域影像ROIt10中的輪胎內徑IDWH為60，輪胎影像WH在感興趣區域影像ROIt15中的輪胎內徑IDWH為45，由此可知，輪胎影像WH在感興趣區域影像ROIt10所對應的時點具有最大值，代表此時點的輪胎離攝像機最近，因此輪胎內徑IDWH為60視為此輪胎的輪胎內徑。
於一實施例中，處理器PR依據時序於第一時點獲得輪胎內徑IDWH為50(像素)時，處理器PR記錄50為輪胎影像WH的輪胎內徑。接著，處理器PR於第一時點後的第二時點獲得輪胎內徑IDWH為60時，響應於60大於50，處理器PR將輪胎影像WH的輪胎內徑的記錄由50更新為60。之後，處理器PR於第二時點後的第三時點獲得輪胎內徑IDWH為45時，響應於45未大於60，處理器PR不更新輪胎影像WH的輪胎內徑的記錄，則輪胎影像WH的輪胎內徑的紀錄仍維持60。如此，可節省儲存空間，並可於影片中找出最大值的輪胎影像WH的輪胎內徑。
於步驟240中，分類模型SM依據輪胎內徑輸出一輪胎尺寸。
第8圖係依照本發明一實施例繪示一種輪胎尺寸統計之示意圖。第8圖為投放多顆已知實際尺吋的輪胎量測出的像素值，並將其畫為盒鬚圖，橫軸單位為吋(inches)，縱軸單位為像素。
從第8圖可以看出，量測出來的像素值對應到實際的尺吋具有區分能力(即，透過像素值可以對應到輪胎的尺寸)，但不同的兩個尺寸仍然有對應到相同的像素值的可能，例如輪胎內徑估算的像素值為120時，歸類到15吋或16吋似乎都可以，因此，為了達到最小誤差，在此步驟會建立一個分類模型，透過數據學習來自動分類，分類模型例如為深度神經網路(Deep neural network，DNN)、支持向量機模型(support vector machine，SVM)、Random forests...等，但不限於其中一種模型。
於一實施例中，分類模型SM在訓練時的輸入為輪胎的最大輪胎內徑值，訓練過程中的目標則是輸出每個輪胎的最大輪胎內徑值所屬的輪胎尺寸類別。
於一實施例中，輪胎在輸送帶30上的位置因為距離鏡頭遠近的關係也是影響像素值的重要因素，因此將輪胎在輸送帶30的位置當作參數加入分類模型也可以增加模型的辨識準確度。
於一實施例中，將該輪胎內徑的一內徑像素值輸入分類模型SM後，分類模型SM輸出複數個候選輪胎尺寸類別各自對應的一機率，並將此些機率中最大者所對應的輪胎尺寸類別作為此輪胎尺寸。於一實施例中，處理器PR將獲得的輪胎尺寸資訊及時地疊加於原始影片中，並傳輸疊加輪胎尺寸資訊後的影片至一顯示裝置顯示，以利使用者透過顯示裝置查看輪胎尺寸。
於一實施例中，透過處理器PR依據輪胎尺寸，將相同尺寸的輪胎進行計數(例如第5圖所標示的當前相同尺寸之數量CT1~CT4，第5圖可以將輪胎影像的輪胎內徑、輪胎外徑及/或當前相同尺寸之數量一併顯示)。
於一實施例中，處理器PR可輸出最終統計結果，例如為：尺寸15吋的有10顆輪胎，尺寸16吋的有8顆輪胎…等資訊。
綜上，輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體透過物件偵測模型、影像分割模型、追蹤演算法以及分類模型，找出輪胎內徑，依據輪胎內徑經由分類模型獲得輪胎的尺寸，藉此達到了偵測輪胎內徑更為準確的功效。
雖然本發明以前述之實施例揭露如上，然其並非用以限定本發明。在不脫離本發明之精神和範圍內，所為之更動與潤飾，均屬於本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
100:輪胎尺寸辨識系統
ST:儲存裝置
PR:處理器
OM:物件偵測模型
DM:影像分割模型
SM:分類模型
200:輪胎尺寸辨識方法
210~240:步驟
IMG0:初始影像
30:輸送帶
ROIt0,ROIt1,ROIt10,ROIt15:感興趣區域影像
B1~B4,B1’~B4’,WH:輪胎影像
a,ENT:方向
ID1~ID4,IDWH:輪胎內徑
OD1~OD4:輪胎外徑
CT1~CT4:當前相同尺寸之數量
第1圖係依照本發明一實施例繪示一種輪胎尺寸辨識系統之方塊圖。 第2圖係根據本發明之一實施例繪示一種輪胎尺寸辨識方法之流程圖。 第3圖係依照本發明一實施例繪示一種感興趣區域影像之示意圖。 第4圖係依照本發明一實施例繪示一種框選輪胎影像之示意圖。 第5圖係依照本發明一實施例繪示一種輪胎尺寸標示之示意圖。 第6圖係依照本發明一實施例繪示一種追蹤影片中的輪胎影像之示意圖。 第7圖係依照本發明一實施例繪示一種記錄輪胎內徑的最大值之示意圖。 第8圖係依照本發明一實施例繪示一種輪胎尺寸統計之示意圖。
200:輪胎尺寸辨識方法
210~240:步驟

Claims (20)

  1. 一種輪胎尺寸辨識方法，包含：將一影像輸入一物件偵測模型；其中，該物件偵測模型框選該影像中的一輪胎影像，以產生一框選輪胎影像；將該框選輪胎影像輸入一影像分割模型；其中，該影像分割模型輸出該框選輪胎影像的一輪胎內徑；以及將該輪胎內徑輸入一分類模型；其中，該分類模型依據該輪胎內徑的一內徑像素值進行分類，以輸出一輪胎尺寸。
  2. 如請求項1之輪胎尺寸辨識方法，更包括：透過一處理器計算該影像的該輪胎影像與下一幀影像的該輪胎影像之臨時標籤座標的距離，並比對該影像中與下一幀影像中距離最近的該輪胎影像，以追蹤該輪胎影像的位置。
  3. 如請求項2之輪胎尺寸辨識方法，更包括：透過該處理器於一原始影片中篩選並找出該輪胎內徑的最大值；透過一儲存裝置記錄該輪胎內徑在該原始影片中的該最大值；其中，該原始影片包含該影像與該下一幀影像。
  4. 如請求項1之輪胎尺寸辨識方法，更包括：透過一處理器依據該輪胎尺寸，將相同尺寸的輪胎進行計數。
  5. 如請求項1之輪胎尺寸辨識方法，更包括：將該輪胎內徑的該內徑像素值輸入該分類模型後，該分類模型輸出複數個候選輪胎尺寸類別各自對應的一機率，並將該些機率中最大者所對應的輪胎尺寸類別作為該輪胎尺寸。
  6. 如請求項5之輪胎尺寸辨識方法，更包括：將獲得的該輪胎尺寸的資訊及時地疊加於一原始影片中，並傳輸疊加該輪胎尺寸的資訊後的一影片至一顯示裝置顯示。
  7. 如請求項1之輪胎尺寸辨識方法，更包括：取得該影像，其中該影像為一感興趣區域影像。
  8. 一種輪胎尺寸辨識系統，包含：一處理器；以及一儲存裝置，該處理器存取該儲存裝置所儲存之程式，以實現一物件偵測模型、一影像分割模型以及一分類模型，其中：該物件偵測模型，框選一影像中的一輪胎影像，以產生一框選輪胎影像；該影像分割模型，輸出該框選輪胎影像的一輪胎內徑；以及該分類模型依據該輪胎內徑的一內徑像素值進行分類，以輸出一輪胎尺寸。
  9. 如請求項8之輪胎尺寸辨識系統，其中，該處理器計算該影像的該輪胎影像與下一幀影像的該輪胎影像之臨時標籤座標的距離，並比對該影像中與下一幀影像中距離最近的該輪胎影像，以追蹤該輪胎影像的位置。
  10. 如請求項9之輪胎尺寸辨識系統，其中，該處理器於一原始影片中篩選並找出該輪胎內徑的最大值，且該儲存裝置記錄該輪胎內徑在該原始影片中的最大值；其中，該原始影片包含該影像與該下一幀影像。
  11. 如請求項8之輪胎尺寸辨識系統，其中，該處理器依據該輪胎尺寸，將相同尺寸的輪胎進行計數。
  12. 如請求項8之輪胎尺寸辨識系統，其中，該處理器將該輪胎內徑的該內徑像素值輸入該分類模型後，該分類模型輸出複數個候選輪胎尺寸類別各自對應的一機率，並將該些機率中最大者所對應的輪胎尺寸類別作為該輪胎尺寸。
  13. 如請求項12之輪胎尺寸辨識系統，其中該處理器將獲得的該輪胎尺寸的資訊及時地疊加於一原始影片中，並傳輸疊加該輪胎尺寸的資訊後的一影片至一顯示裝置顯示。
  14. 如請求項8之輪胎尺寸辨識系統，其中該處理器更取得該影像，其中該影像為一感興趣區域影像。
  15. 一種電腦可讀取儲存媒體，儲存包含一或多個程式，該一或多個程式包含複數個指令，於該些指令執行時將致使一處理器執行以下步驟：將一影像輸入一物件偵測模型；其中，該物件偵測模型框選該影像中的一輪胎影像，以產生一框選輪胎影像；將該框選輪胎影像輸入一影像分割模型；其中，該影像分割模型輸出該框選輪胎影像的一輪胎內徑；以及將該輪胎內徑輸入一分類模型；其中，該分類模型依據該輪胎內徑的一內徑像素值進行分類，以輸出一輪胎尺寸。
  16. 如請求項15之電腦可讀取儲存媒體，其中於該些指令執行時將致使該處理器更執行以下步驟：計算該影像的該輪胎影像與下一幀影像的該輪胎影像之臨時標籤座標的距離，並比對該影像中與下一幀影像中距離最近的該輪胎影像，以追蹤該輪胎影像的位置。
  17. 如請求項16之電腦可讀取儲存媒體，其中於該些 指令執行時將致使該處理器更執行以下步驟：於一原始影片中篩選並找出該輪胎內徑的最大值；記錄該輪胎內徑在該原始影片中的該最大值；其中，該原始影片包含該影像與該下一幀影像。
  18. 如請求項15之電腦可讀取儲存媒體，其中於該些指令執行時將致使該處理器更執行以下步驟：依據該輪胎尺寸，將相同尺寸的輪胎進行計數。
  19. 如請求項15之電腦可讀取儲存媒體，其中於該些指令執行時將致使該處理器更執行以下步驟：將該輪胎內徑的該內徑像素值輸入該分類模型後，該分類模型輸出複數個候選輪胎尺寸類別各自對應的一機率，並將該些機率中最大者所對應的輪胎尺寸類別作為該輪胎尺寸。
  20. 如請求項19之電腦可讀取儲存媒體，其中於該些指令執行時將致使該處理器更執行以下步驟：將獲得的該輪胎尺寸的資訊及時地疊加於一原始影片中，並傳輸疊加該輪胎尺寸的資訊後的一影片至一顯示裝置顯示。
TW111146693A 2022-12-06 2022-12-06 輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體 TWI819914B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW111146693A TWI819914B (zh) 2022-12-06 2022-12-06 輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體
CN202211697284.5A CN118154506A (zh) 2022-12-06 2022-12-28 轮胎尺寸识别方法、***及电脑可读取存储媒体
US18/193,531 US20240185444A1 (en) 2022-12-06 2023-03-30 Tire-size identification method, tire-size identification system and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW111146693A TWI819914B (zh) 2022-12-06 2022-12-06 輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體

Publications (2)

Publication Number Publication Date
TWI819914B true TWI819914B (zh) 2023-10-21
TW202424907A TW202424907A (zh) 2024-06-16

Family

ID=89858076

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111146693A TWI819914B (zh) 2022-12-06 2022-12-06 輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體

Country Status (3)

Country Link
US (1) US20240185444A1 (zh)
CN (1) CN118154506A (zh)
TW (1) TWI819914B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1566903A (zh) * 2003-06-11 2005-01-19 北京航空航天大学 轮胎多几何参数的激光视觉在线自动测量方法
TW201131152A (en) * 2009-12-07 2011-09-16 Kobe Steel Ltd Device and method for inspecting tyre shape
US20200125887A1 (en) * 2017-08-10 2020-04-23 Bridgestone Corporation Tire image recognition method and tire image recognition device
CN114218448A (zh) * 2021-12-22 2022-03-22 东风汽车集团股份有限公司 轮胎选型方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1566903A (zh) * 2003-06-11 2005-01-19 北京航空航天大学 轮胎多几何参数的激光视觉在线自动测量方法
TW201131152A (en) * 2009-12-07 2011-09-16 Kobe Steel Ltd Device and method for inspecting tyre shape
US20200125887A1 (en) * 2017-08-10 2020-04-23 Bridgestone Corporation Tire image recognition method and tire image recognition device
CN114218448A (zh) * 2021-12-22 2022-03-22 东风汽车集团股份有限公司 轮胎选型方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN118154506A (zh) 2024-06-07
US20240185444A1 (en) 2024-06-06

Similar Documents

Publication Publication Date Title
JP6121425B2 (ja) ラスタ画像のエッジ検出によるベルト摩耗の測定
US20180204070A1 (en) Image processing apparatus and image processing method
Tsintotas et al. Probabilistic appearance-based place recognition through bag of tracked words
US10282607B2 (en) Reducing scale estimate errors in shelf images
Kittler et al. Domain anomaly detection in machine perception: A system architecture and taxonomy
US9025863B2 (en) Depth camera system with machine learning for recognition of patches within a structured light pattern
CN112613569B (zh) 图像识别方法、图像分类模型的训练方法及装置
CN112257660B (zh) 无效客流的去除方法、***、设备及计算机可读存储介质
CN107729848A (zh) 对象检测方法及装置
CN111709296A (zh) 一种景别识别方法、装置、电子设备及可读存储介质
JP2010231254A (ja) 画像解析装置、画像解析方法およびプログラム
JP2022139174A (ja) 欠陥分類装置、方法およびプログラム
CN113869137A (zh) 事件检测方法、装置、终端设备及存储介质
CN113780145A (zh) ***形态检测方法、装置、计算机设备和存储介质
CN113344994B (zh) 图像配准方法、装置、电子设备及存储介质
KR102427690B1 (ko) 딥러닝 기반 클래스 분류 장치 및 방법
TWI819914B (zh) 輪胎尺寸辨識方法、輪胎尺寸辨識系統及電腦可讀取儲存媒體
CN116228776B (zh) 一种机电设备焊接缺陷识别方法及***
US20210224572A1 (en) Image analysis-based classification and visualization of events
CN115147332A (zh) 一种基于机器视觉的传送带货品智能监控方法及***
CN113887455B (zh) 一种基于改进fcos的人脸口罩检测***及方法
CN112784691A (zh) 一种目标检测模型训练方法、目标检测方法和装置
JP2022062675A (ja) 類似画像検索による人流分析方法および装置
CN114004891A (zh) 一种基于目标追踪的配网线路巡检方法及相关装置
WO2021093744A1 (zh) 一种瞳孔直径的测量方法、装置及计算机可读存储介质