[发明专利]一种轿车改装排气扇的智能检测系统及方法

说明书

技术领域

本发明涉及机动车车辆年检的人工智能判断技术领域，特别涉及一种轿车改装排气扇智能检测系统及方法。

背景技术

随着社会经济的不断发展和人民生活水平的持续提高，城市机动车保有量迅猛增长。机动车作为重要的交通参与者，必须具备良好的安全性和可靠性。然而，部分机动车保有者安全意识单薄，对机动车进行非法改装。非法改装后的车辆未经过安全性测试，可能会增加交通事故发生的概率及严重性。因此，严格地检测车辆是否改装对于维护交通安全非常重要。

传统的排气扇检测主要是通过人工完成，该方法人工成本较高，效率较低，且长时间重复性校验操作容易产生疲劳，易疏忽等不良状态，影响校验准确率。

如何准确、快速地对车辆是否改装排气扇进行校验，同时避免人工校验成本高，易疲劳，易疏忽等弊端，是继续解决的技术问题。

发明内容

本发明的目的是：提出一种轿车改装排气扇智能检测系统及方法，自动检测车辆是否改装排气扇，以满足如今对车辆年检工作效率、准确率的需求。

本发明解决其技术问题所采用的技术方案是：

一种轿车改装排气扇的智能检测系统，包括目标检测模块、目标图像相似度判断模块和统计分析模块；其中，所述目标检测模块包括车辆目标检测单元和排气扇目标检测单元；所述车辆目标检测单元利用车辆目标检测模型获取车辆区域图像，所述排气扇目标检测单元利用排气扇目标检测模型检测该车辆区域图像并识别排气扇；所述目标图像相似度判断模块利用特征向量提取模型比对排气扇图像的特征向量，所述统计分析模块根据校验标准判断检测结构，并返回校验失败的原因。

一种轿车改装排气扇的智能检测方法，包括如下步骤：

S1、从服务器下载待检测车辆图片及对应档案图片；

S2、采用基于深度学习网络的车辆目标检测模型检测车辆，判断待检测车辆图片中车辆目标是否存在，若存在则记录此条标志为0，提取车辆区域图像；若不存在则记录此条标志为1，并保存相关图片，进入统计分析流程；

S3、采用基于深度学习网络的车辆目标检测模型检测车辆，判断档案图片中车辆目标是否存在，若存在则记录此条标志为0，提取车辆区域图像；若不存在则记录此条标志为1，并保存相关图片，进入统计分析流程；

S4、采用基于深度学习网络的排气扇目标检测模型检测从待检车辆图片中提取的车辆区域图像，判断排气扇是否存在，若存在则记录此条标志为0，提取排气扇区域图像；若不存在则记录此条标志为1，进入统计分析流程；

S5、采用基于深度学习网络的排气扇目标检测模型检测从档案图片中提取的车辆区域图像，判断排气扇是否存在，若存在则记录此条标志为0，提取排气扇区域图像；若不存在则记录此条标志为1，进入统计分析流程；

S6、采用基于深度学习网络的特征向量提取模型提取档案图像与待检测图像中排气扇区域图像的特征向量，根据特征向量间的相似性判断排气扇区域图像特征是否一致，若一致则记录此条标志为0，若不一致则记录此条标志为1，并保存相关图片进入统计分析流程；

S7、对整个过程的动作结果进行统计分析，若输入此模块标志为0，则检测通过；若输入此模块的标志存在标志1，则检测不通过，同时根据标志为1出现的位置可获取检测未通过原因及问题图片；

进一步，所述车辆目标检测模型的获取步骤如下：

S21、获取不同车型在不同光照条件，不同角度拍摄的车辆图像；

S22、采用矩形框标记车辆区域图像所在位置；

S23、使用所述车辆区域图像训练目标检测深度神经网络模型，获得车辆检测模型。

进一步，所述排气扇目标检测模型的获取步骤如下：

S31、获取装有排气扇的不同车型的车辆图像，车身前部排气扇区域需完整；

S32、截取车辆区域图像；

S33、采用矩形框标记排气扇所在位置；

S34、使用所述排气扇区域图像训练目标检测深度神经网络模型，获得排气扇检测模型。

进一步，所述特征向量提取模型的获取步骤如下：

S41、获取不同类别图像(如不同类型汽车、不同类型动物、不同类型植物)；

S42、采用矩形框标记目标在图像中的位置，并标注所述类别；

S43、使用标注图像训练深度神经网络模型，获得特征向量提取模型。