[发明专利]一种基于深度学习的车况智能监测方法

权利要求书

1.一种基于深度学习的车况智能监测方法，该检测方法基于的车况智能监测系统包括信息采集模块、信息处理模块、通信模块、远程云端平台和人机交互模块，所述信息采集模块和汽车各传感器、信息处理模块相连，所述信息处理模块和通信模块、人机交互模块相连，所述通信模块和远程云端平台相连；

其特征在于，包括以下步骤：

步骤一，信息采集模块获取各传感器采集的汽车信息，并传送给信息处理模块；

步骤二，信息处理模块获取各传感器的信息之后，根据传感器的不同，将汽车信息进行初步的分类处理，得到初步的车内车况信息；通过训练好的卷积神经网络从ADAS传感器中识别障碍物及其与本车之间的相对距离、交通指示标志、车道线、停止线和斑马线，即为车外车况信息；

步骤三，远程云端平台通过通信模块获得车内外车况信息，通过对各传感器的工作输出参数进行学习过的BP神经网络，进行车况状态的分析；

步骤四，远程云端平台将步骤三处理后的信息反馈到信息处理模块，信息处理模块根据车况状态，决定是否通过人机交互模块给予用户视觉和声音的提示和/或警告。

2.根据权利要求1所述的一种基于深度学习的车况智能监测方法，其特征在于，所述人机交互模块包括车载显示屏、扬声器及蜂鸣器。

3.根据权利要求2所述的一种基于深度学习的车况智能监测方法，其特征在于，所述车况状态包括良好、故障和危险，车载显示屏实时显示车况状态，扬声器提示车况状态及车况内哪些部件发生故障或存在潜在危险，蜂鸣器提供潜在危险预警。

4.根据权利要求3所述的一种基于深度学习的车况智能监测系统的工作方法，其特征在于，如果车况状态故障，表明车内部件发生故障，则通过车载显示屏和扬声器提示用户，用户可以在车载显示屏上选择接受提示，扬声器便不会持续提示同一条信息。

5.根据权利要求3所述的一种基于深度学习的车况智能监测系统的工作方法，其特征在于，如果车况状态危险，表明车外环境存在潜在危险，则通过扬声器提示用户将要发生的潜在危险，并通过蜂鸣器警告用户。

6.根据权利要求3所述的一种基于深度学习的车况智能监测系统的工作方法，其特征在于，如果车况状态良好表明车内车况无故障且车外车况无潜在危险。

7.根据权利要求1所述的一种基于深度学习的车况智能监测方法，其特征在于，远程云端平台在系统启动时，通过扬声器和车载显示屏向用户提示汽车车况状态。

8.根据权利要求1所述的一种基于深度学习的车况智能监测方法，其特征在于，所述汽车各传感器包括ADAS传感器，胎压传感器，空气流量传感器，进气歧管压力传感器，轮速传感器和油箱液位传感器等车载传感器。

9.根据权利要求1所述的一种基于深度学习的车况智能监测方法，其特征在于，所述初步的车内车况信息包括汽车油箱的油压、汽车的实时行驶车速、汽车的胎压、发动机吸入的空气流量和进气歧管的压力。