[发明专利]一种车辆外观检测模型、构建方法及检测方法

说明书

本发明公开了一种车辆外观检测模型、构建方法及检测方法，属于视觉检测技术领域，图像采集模块包括M组图像采集单元；数据管控模块包括标签化管控单元、人为干预管控单元和中心化数据管控单元；模型训练模块包括数据理解和标签划分单元、M个模型训练单元和模型优化单元；模型推理模块：包括由模型训练模块得到的M个模型推理单元、针对推理结果进行脏数据处理的后处理单元、对检出结果进行比对的比对单元；模型运维模块：包括NG数据检出分析单元和迭代单元。本发明从模型与标签划分、脏数据的后处理、数据管理、算法优化以及模型运维多方面综合优化，满足车辆外观检测的特殊需求。

技术领域

本发明属于视觉检测技术领域，具体涉及一种车辆外观检测模型、构建方法及检测方法。

背景技术

现有技术的方案简述：

汽车是人类生活和生产中重要的交通工具之一，随着智能制造业的快速发展，汽车的日生产能力迅速增加；为了保证汽车的质量，当汽车生产完成组装之后，需要对其外观零部件进行全面的细致检测，目前，传统的检测方式包括：

一、人工目检，由于汽车的零部件众多，且不同的车型之间的零部件也不尽相同，因此，众多的零部件需要庞大的记忆数据量；

二、基于图像处理的视觉检测；现阶段整车外观检测中使用的深度学习目标检测算法主流可以分为两种，单阶段的YOLO系列算法和双阶段的Faster R-CNN算法，相比较单阶段的YOLO算法，双阶段Faster R-CNN算法的优点在于准确率高，对于小目标和复杂场景也能较好地检测，非常适合整车外观的零部件检测。

现有技术的客观缺点：

众所周知，整车外观的零部件数量非常之多，并且在同一部位中也会存在极其相似，较难区分的零部件种类，比如：仅是材质、大小以及棱角不相同；同时数据的收集也存在不小的困难，比如数据的数量不均，在每日取图的过程中，有些数据越来越多（比如生产量大的车型对应的图像数据），但是有些数据依然很少（比如生产量小的车型对应的图像数据）；这对于数据管理和挖掘以及模型的检测都是一个不小的挑战。

基于图像处理的视觉检测技术，构建一套车辆外观检测方法，覆盖车厂对车辆外观检测的所有需求，是本领域技术人员需要解决的技术问题。

发明内容

本发明为解决公知技术中存在的技术问题，提供一种车辆外观检测模型、构建方法及检测方法，从模型与标签划分、脏数据的后处理（颜色识别零部件检测项）、数据管理、算法优化以及核对检测模块多方面综合优化，满足车辆外观检测的特殊需求。

本发明的第一目的是提供一种车辆外观检测模型，包括：

图像采集模块：包括从不同角度、不同位置获取图像数据的M组图像采集单元；M为大于1的自然数；

数据管控模块：包括标签化管控单元、人为干预管控单元和中心化数据管控单元；所述中心化数据管控单元分别与标签化管控单元、人为干预管控单元进行数据交互；

模型训练模块：包括数据理解和标签划分单元、针对车体不同位置图像的M个模型训练单元，针对每个模型训练单元的模型优化单元；

模型推理模块：包括由模型训练模块得到的M个模型推理单元、针对模型推理单元输出进行脏数据处理的后处理单元、对检出结果进行比对的比对单元；

模型运维模块：包括NG数据检出分析单元和迭代单元；其中：

所述图像采集模块、数据管控模块、模型训练模块、模型推理模块、模型运维模块依次进行数据交互。

优选地，所述图像采集模块包括针对车身前半部分的第一图像采集单元、针对车身后半部分的第二图像采集单元、针对车身下半部分的第三图像采集单元，每组图像采集单元包括N台图像采集设备，N为大于0的自然数。