利用深度学习确定轮胎轮廓

安全与监控 | 深度学习 | 检测

West Nippon Expressway Engineering Shikoku Company Limited 为日本冬季的道路交通安全保驾护航:利用机器视觉软件 MVTec HALCON,公司实现了持续交通中的轮胎自动检查。采用深度学习技术,可以将车轮分为夏季轮胎和冬季轮胎。

轮胎检查需要大量人工工作

Car tires are inspected by machine vision
汽车慢速通过机器视觉系统,轮胎即时接受检查。

West Nippon Expressway Engineering Shikoku Company Limited (NEXCO) 专门从事日本四国地区高速公路和交通要道的建设及管理。为了即使在冬季也能最大限度保证安全,特别是山区,必须不断检查车辆的适路性,其中也包括轮胎的定期检查。NEXCO 在高速公路和山路边上的持续交通中进行这项工作,包括检查汽车是否装配胎面深度足以应对降雪或结冰路面的冬季轮胎。这项任务以往需要员工负责,手动检查每个轮胎,涉及大量工作。

利用机器视觉实现流程自动化

为了减少员工数量,缩短等待时间,提高流程整体效率,应使用机器视觉实现轮胎检查的自动化。为了在自动轮胎检查中满足以上严格要求,NEXCO 的专家们采用的技术装置是让待检车辆以大约 30 公里/小时的速度驶过。这套装置由高分辨率相机、LED 照明系统、平板电脑和测试结果显示屏组成。系统集成的 MVTec HALCON 机器视觉软件可确保精确识别相应轮胎类型。HALCON 是功能全面的机器视觉标准软件,由德国 MVTec Software GmbH 开发。

HALCON recognizes winter tires and normal tires.
利用深度学习技术,MVTec HALCON 可以区分普通轮胎和冬季轮胎。

避免错误归类

然而,系统设计还必须应对一些挑战:例如,根据车辆类型,需要检测和检查许多不同类型的轮胎。此外,冬季环境中的光线和能见度条件会有大幅波动。事实证明,能够应对这些苛刻条件的基于规则的算法开发难度极高。另一项挑战则是,为了提高检测的准确性,必须避免错误分类。也就是说,绝不能将夏季轮胎归类为冬季轮胎。在基于逻辑回归的测试系列中,很大比例的常规轮胎被错误识别为冬季轮胎。为了在轮胎检查中取得更稳定的检测结果,将错误归类比例降到最低,NEXCO 选择机器视觉标准软件 MVTec HALCON。使用约 13000 张轮胎图像对其中集成的深度学习算法进行训练,大幅提高了轮胎类型区分的精度,将常规轮胎错误识别为冬季轮胎的比例(假阳性)减少到零。

深度学习带来稳定的识别结果

基于 MVTec HALCON 的系统于 2019 年冬季在福知山、大分和千代田地区推出,实际使用中的检测结果非常稳定。例如,没有任何夏季轮胎错误归类为冬季轮胎,道路安全达到新高度。此外,根据日本法律规定,轮胎如果归类为非冬季轮胎,需要接受人工目视检查。由于 HALCON 集成的深度学习技术性能强大,需要目视检查的车辆数量减少到三分之一。这在很大程度上节省了时间和成本。此外,检查流程的自动化也让原本冗长的交通堵塞和驾驶员等待时间得以缩短,最终使道路交通的负担大为减轻。由于结果出色且优势众多,系统于 2020 年冬季在另外 18 个地点投入使用。

交通中的机器视觉

由于体验良好,满意度高,NEXCO 已在规划 MVTec HALCON 的其他应用。未来还会在机器视觉软件的帮助下,开发评估道路结构完整性的应用。“MVTec HALCON 能够很好地满足我们对于机器视觉解决方案的要求。这套软件拥有丰富而先进的机器视觉工具和功能强大的算子。除此之外,使用也非常方便,我们的用户不需要预先学习任何专门知识,”NEXCO 工程部门成员 Shogo Hayashi 表示。

 产品/品牌图片的版权归West Nippon Expressway Engineering Shikoku Company Limited (NEXCO)所有。保留所有权利。