基于支持向量机的轮胎标识点颜色识别

针对人工识别汽车轮胎标识点颜色效率低、误差大的问题,研究了一种基于支持向量机的轮胎标识点颜色识别方法,利用PLC-工业相机图像采集系统获取轮胎标识点图像信息,对获取的标识点图像进行图像降噪、标识点分割、颜色特征向量提取等处理,将提取的轮胎标识点颜色特征向量输入到支持向量机颜色分类器中进行颜色识别。实验结果表明,该方法能够有效地识别出轮胎标识点颜色信息。

基于深度学习的轮胎标识点颜色识别

智能检测技术的巨大应用潜力得益于其具有高精度、高效率和高稳定性。轮胎标识点识别是成品轮胎检测中重要环节。为提高轮胎标识点自动识别的精度和可靠性,提出一种基于深度学习的轮胎标识点颜色识别方法。首先基于Hough变换对轮胎定位,得到标识点在图像中的有效区域,利用颜色直方图反向投影在该区域中获取候选轮胎标识点;然后建立基于深度学习的卷积神经网络模型,对候选轮胎标识点进行颜色识别。实验结果表明:该方法对轮胎标识点颜色识别的召回率为99.78%,精确率为99.93%,且识别速度为每张图片0.07秒,能够满足智能工厂对轮胎标识点颜色识别严格的高精度要求和实时性要求。