[发明专利]一种用于车辆年检的车身喷绘智能检测系统及方法在审
申请号: | 201710949562.4 | 申请日: | 2017-10-13 |
公开(公告)号: | CN108062552A | 公开(公告)日: | 2018-05-22 |
发明(设计)人: | 周康明 | 申请(专利权)人: | 上海眼控科技股份有限公司 |
主分类号: | G06K9/46 | 分类号: | G06K9/46;G06F17/30;H04L29/08 |
代理公司: | 广州凯东知识产权代理有限公司 44259 | 代理人: | 姚迎新 |
地址: | 201315 上海市浦东*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 车辆 年检 车身 喷绘 智能 检测 系统 方法 | ||
本发明公开了一种用于车辆年检的轿车车身喷绘智能检测系统,包括目标检测模块和判定模块;目标检测模块由车辆目标检测单元、车身喷绘目标检测单元和车身喷绘检测标志判断单元构成,车辆目标检测单元获取车辆区域图像传入车身喷绘目标检测单元,车身喷绘目标检测单元识别车身喷绘,车身喷绘检测标志判断单元将车身喷绘检测标志与档案图片车身喷绘检测标志进行比对;判定模块对整个检测流程的结果进行综合盘但,并反馈未通过的原因及图片。本发明主要应用于机动车车辆年检中轿车车身喷绘检测,实现了检测过程中的全程自动校验,同时可以将未通过的检测图像及原因传回服务器保存留待取证,既节约了人力,又保证了校验工作的公正、公开。
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,特别设计一种用于车辆年检的车身喷绘自动检测方法。
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。
传统的车辆车身喷绘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、快速地对车辆是否车身喷绘进行校验,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:提出一种用于车辆年检的轿车车身喷绘智能检测系统及方法,自动检测车辆是否车身喷绘,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:
一种用于车辆年检的轿车车身喷绘智能检测系统,包括:目标检测模块和判定模块;其中,所述目标检测模块由车辆目标检测单元、车身喷绘目标检测单元和车身喷绘检测标志判断单元构成,所述车辆目标检测单元通过车辆目标检测模型获取车辆区域图像,并将其传入所述车身喷绘目标检测单元,所述车身喷绘目标检测单元利用车身车身喷绘目标检测模型识别车身喷绘,所述车身喷绘检测标志判断单元将车身喷绘检测标志与档案图片车身喷绘检测标志进行比对;所述判定模块对整个检测流程的结果进行综合盘但,并反馈未通过的原因及图片。
一种用于车辆年检的轿车车身喷绘智能检测方法,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车身喷绘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,判断车身喷绘是否存在,若存在则记录此条标志为0,提取车身喷绘区域图像;若不存在则记录此条标志为1;
S5、采用基于深度学习网络的车身喷绘目标检测模型检测从档案图片中提取的车辆区域图像,判断车身喷绘是否存在,若存在则记录此条标志为0,提取车身喷绘区域图像;若不存在则记录此条标志为1;
S6、判断待检测车辆图片车身喷绘检测标志与档案图片车身喷绘检测标志是否一致,若一致,则记录此条标志为0;若不一致,则判断档案图片车身喷绘检测标志是否为0,若为0则记录此条标志为0,若为1,则记录此条标志为1;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海眼控科技股份有限公司,未经上海眼控科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710949562.4/2.html,转载请声明来源钻瓜专利网。