一种基于图像处理和机器学习技术的汽车轮胎寿命预测方法技术

本发明专利技术涉及汽车轮胎寿命预测方法，主要包括：采集汽车轮胎花纹磨损的图样库；对采集到的图样进行预处理；采用灰度‑梯度共生矩阵和高斯马尔科夫随机场模型提取处理后图样的GGCM和GMRF磨损纹理特征；将两种特征融合，并确定权重分配；将图样库按照一定比例划分为训练和测试样本；采用邻近分类算法分类器建立机器学习模型，用训练样本对模型进行训练，用测试样本对模型进行测试；采用交叉验证方法确定分类器的K值和距离公式；使用测试样本验证机器学习模型的性能；采用平均正确率、预测值与真实值的混淆矩阵作为衡量指标。本方法基于图像处理和机器学习技术，针对轮胎检测提供了一种低成本、高效率的预测方法，解决了轮胎寿命预测的难题。

An automobile tire life prediction method based on image processing and machine learning technology

【技术实现步骤摘要】
一种基于图像处理和机器学习技术的汽车轮胎寿命预测方法
本专利技术涉及机械工程和计算机科学交叉领域，具体是指基于图像处理和机器学习技术的汽车轮胎寿命预测方法。
技术介绍
随着汽车行业的不断发展，汽车已经逐渐成为人们出门的主要代步工具，车辆的安全行驶也逐渐成为人们关注的焦点。目前，我国在高速公路上发生的交通事故有半数以上是由于轮胎磨损问题引起的，其中大量事故的发生是由于爆胎。汽车爆胎主要原因是：轮胎表面磨损严重以及轮胎气压异常，在高速行驶或急刹车等情况下引发爆胎。轮胎作为汽车的主要部件之一，影响车辆行驶时的性能和安全，因此对车辆轮胎的检测可以有效提高车辆行驶的安全性。目前，人工检测是汽车轮胎磨损程度的主要检测方法，通过检测轮胎花纹深度以及胎肩的花纹磨损来定义测量胎面花纹磨损程度。在赛车比赛中，主要运用手持激光扫描仪检测轮胎表面磨损情况，并精确计算出胎面的厚度以及轮胎单位距离的磨损程度。但激光扫描检测的主要缺点是成本太高，并不能推广到普通家庭汽车使用，而且检测时需要相关技术人员对车辆的每个轮胎分别进行人工检测，并不能实现主动对所有轮胎同时进行智能化检测。
技术实现思路
针对以上不足，本专利技术提供了一种汽车轮胎寿命预测方法，本方法基于图像处理和机器学习技术，针对轮胎检测提供了一种低成本、高效率的预测方法，解决了轮胎寿命预测的难题。本专利技术的技术方案为：一种汽车轮胎寿命预测方法，包括以下步骤：S1：采集汽车轮胎花纹磨损的图样库，并进行分类；S2：对采集到的图样进行预处理；S3：采用灰度-梯度共生矩阵和高斯马尔科夫随机场模型提取处理后图样的GGCM和GMRF磨损纹理特征，S4：将两种特征融合，并确定融合特征的权重分配；S5：将图样库按照一定比例划分为训练样本和测试样本；S6：采用邻近分类算法分类器建立机器学习模型，用训练样本对模型进行训练，用测试样本对模型进行测试，得到机器学习模型的平均分类率和所用时间；S7：采用交叉验证方法确定分类器的K值和距离公式，建立输入样本的特征向量与输出类别的映射关系；S8：使用测试样本验证机器学习模型的性能；S9：采用平均正确率、预测值与真实值的混淆矩阵作为衡量指标，对轮胎寿命进行预测。所述步骤S4的具体包括：S41：设F为待分配权重的融合特征，x为GGCM特征的权重值，y为GMRF特征的权重值，则F＝[x*GGCM，y*GMRF]；S42：以特定步长δ遍历所有的x、y值，分别计算模型的分均分类率；S43：分别筛选出测试样本为30、35、40、45所对应的平均分类率最高的三种权重组合；S44：从三组权重组合中选择平均方差最大的一组权重组合作为融合特征的权重系数。S45：归一化处理，公式为：其中，xnew为归一化处理后的x值，μ为样本的均值，σ为样本的标准差。所述步骤S2的预处理包括尺度归一化、灰度化、中值滤波和直方图均衡。所述步骤S1的分类方法为：根据汽车的行驶里程均分为若干类。本专利技术的汽车轮胎寿命预测方法采集汽车轮胎花纹磨损的图样库，筛选出市面上常见的三种品牌的轮胎花纹，对样本进行尺度归一化、灰度化、中值滤波和直方图均衡等预处理；采用灰度-梯度共生矩阵(Gray-GradientCo-occurrenceMatrix,GGCM)和高斯马尔科夫随机场模型(Gauss-MarkovRandomField,GMRF)提取输入样本的磨损纹理特征，并将两种特征融合，确定融合特征的权重分配；采用邻近分类算法(K-NearestNeighbors，KNN)分类器建立机器学习模型，并选择距离公式，建立输入样本的特征向量与输出类别的映射模型，作为该方法的寿命预测模型；使用测试样本验证寿命验证模型的性能，采用平均正确率、预测值与真实值的混淆矩阵作为衡量指标，对轮胎寿命进行预测。本专利技术的汽车轮胎寿命预测方法高效、准确，以较低成本解决了汽车轮胎使用寿命预测的难题，减少汽车行驶过程中发生的轮胎爆胎事故，增加汽车行车过程的安全性。附图说明图1为本专利技术的汽车轮胎寿命预测方法流程图；图2为轮胎磨损程度分类图；图3为本专利技术的轮胎图像样本分类示意图；图4为本专利技术的轮胎图样经过不同预处理后的状态图；图5为本专利技术的融合特征的分配权重图；图6为本专利技术的单特征和融合特征分类结果比较图；图7为本专利技术的交叉验证确定距离公式图；图8为本专利技术的预测模型图；图9为本专利技术的模型分类结果混淆矩阵图。具体实施方式以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。参考图1，本专利技术的一种汽车轮胎寿命预测方法，包括以下步骤：S1：采集汽车轮胎花纹磨损的图样库，并进行分类；参考图2，一般来说，轮胎花纹按照磨损程度分别为：无磨损、轻度磨损、中度磨损和重度磨损。由于市面上的轮胎品牌和花纹型号种类繁多，采集数据时受到多种自然环境和人为因素的影响，导致数据样本的不均衡。调研表明，车辆行驶里程在3万公里以下的样本大多为新车，而6万公里以上的基本都已经更换轮胎，过新或过旧的轮胎样本会造成样本较大的差异化，对于建立预测模型都有一定的影响。因此，经过多次筛选，本专利技术采用市面上常见的三种品牌的轮胎花纹作为研究对象，采集汽车轮胎花纹磨损的图样库，并按照汽车行驶里程均分为五类。参考图3，三种轮胎品牌分别为：CinturatoP7、Optimok415和Primacy3ST，五类行驶里程分别为：3W-3.5W公里、3.5W-4W公里、4W-4.5W公里、4.5W-5W公里和5W-6W公里。S2：对采集到的图样进行预处理，所述预处理包括尺度归一化、灰度化、中值滤波和直方图均衡；参考图4，四种图样预处理的好处在于，尺度归一化：将原始样本尺度归一化处理，大小统一为256*256像素，保证样本的均衡；灰度化：原始图像为RGB三通道模式，将其转换为灰度图像，可减少特征提取的计算速度和复杂度；中值滤波：减少拍摄过程中因自然环境和人为因素形成的噪声；直方图均衡：增强图像的对比度，使图像的灰度值均匀分布，减小拍摄过程中光照不均匀的影响。S3：采用灰度-梯度共生矩阵(Gray-GradientCo-occurrenceMatrix,GGCM)和高斯马尔科夫随机场模型(Gauss-MarkovRandomField,GMRF)提取处理后图样的GGCM和GMRF磨损纹理特征；S4：将两种特征融合，并确定融合特征的权重分配，具体包括：S41：设F为待分配权重的融合特征，x为GGCM特征的权重值，y为GMRF特征的权重值，则F＝[x*GGCM，y*GMRF]；S42：以步长δ＝0.1遍历所有的x、y值，分别计算模型的分均分类率；S43：分别筛选出测试样本为30、35、40、45所对应的平均分类率最高的三种权重组合；<本文档来自技高网...

【技术保护点】
1.一种基于图像处理和机器学习技术的汽车轮胎寿命预测方法，其特征在于，包括以下步骤：/nS1：采集汽车轮胎花纹磨损的图样库，并进行分类；/nS2：对采集到的图样进行预处理；/nS3：采用灰度-梯度共生矩阵和高斯马尔科夫随机场模型提取处理后图样的GGCM和GMRF磨损纹理特征；/nS4：将两种特征融合，并确定融合特征的权重分配；/nS5：将图样库按照一定比例划分为训练样本和测试样本；/nS6：采用邻近分类算法分类器建立机器学习模型，用训练样本对模型进行训练，用测试样本对模型进行测试，得到机器学习模型的平均分类率和所用时间；/nS7：采用交叉验证方法确定分类器的K值和距离公式，建立输入样本的特征向量与输出类别的映射关系；/nS8：使用测试样本验证机器学习模型的性能；/nS9：采用平均正确率、预测值与真实值的混淆矩阵作为衡量指标，对轮胎寿命进行预测。/n

【技术特征摘要】
1.一种基于图像处理和机器学习技术的汽车轮胎寿命预测方法，其特征在于，包括以下步骤：
S1：采集汽车轮胎花纹磨损的图样库，并进行分类；
S2：对采集到的图样进行预处理；
S3：采用灰度-梯度共生矩阵和高斯马尔科夫随机场模型提取处理后图样的GGCM和GMRF磨损纹理特征；
S4：将两种特征融合，并确定融合特征的权重分配；
S5：将图样库按照一定比例划分为训练样本和测试样本；
S6：采用邻近分类算法分类器建立机器学习模型，用训练样本对模型进行训练，用测试样本对模型进行测试，得到机器学习模型的平均分类率和所用时间；
S7：采用交叉验证方法确定分类器的K值和距离公式，建立输入样本的特征向量与输出类别的映射关系；
S8：使用测试样本验证机器学习模型的性能；
S9：采用平均正确率、预测值与真实值的混淆矩阵作为衡量指标，对轮胎寿命进行预测。


2.根据权利要求1所述的汽...

【专利技术属性】
技术研发人员：王神龙，韩开鑫，朱建臣，吴艳丽，金嘉凤，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31