[發(fā)明專利]一種車輛智能電控設(shè)備集成控制方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810307942.2
• 申請日: 2018-04-08
• 公開（公告）號: CN108556795A
• 公開（公告）日: 2018-09-21
• 發(fā)明（設(shè)計）人: 綦科
• 申請（專利權(quán)）人: 廣州大學
• 主分類號: B60S1/02
• 分類號: B60S1/02;B60S1/08;B60Q1/08
• 代理公司: 北京市盈科律師事務(wù)所 11344
• 代理人: 江錦利

1.一種車輛智能電控設(shè)備集成控制方法，其特征在于，包括以下實時在線檢測步驟：

A1、加載深度學習模型初始化圖像識別單元；

A2、實時采集車輛前擋風玻璃圖像并存儲；

A3、對實時采集的車輛前擋風玻璃圖像執(zhí)行基于深度學習的雨水檢測、基于深度學習的灰塵檢測、前擋風玻璃清晰度檢測以及前擋風玻璃霧水檢測；

A4、判斷是否到檢測到雨水，若是則控制雨刷及大燈同時工作，轉(zhuǎn)入步驟A8；若否則執(zhí)行步驟A5；

A5、判斷是否檢測到灰塵，若是則控制雨刷及噴水器同時工作，轉(zhuǎn)入步驟A8；若否則執(zhí)行步驟A6；

A6、判斷是否檢測到霧氣，若是則控制雨刷及除霧器同時工作，轉(zhuǎn)入步驟A8；若否則執(zhí)行步驟A7；

A7、判斷前擋風玻璃清晰度是否低于預設(shè)閾值，若是則控制雨刷及噴水器同時工作；

A8、一次控制結(jié)束。

2.根據(jù)權(quán)利要求1所述的車輛智能電控設(shè)備集成控制方法，其特征在于，還包括以下定時離線訓練步驟：

B1、讀取存儲的深度學習模型，所述深度學習模型包括雨水檢測深度學習模型、灰塵檢測深度學習模型；

B2、讀取存儲的車輛前擋風玻璃圖像；

B3、基于fine-tune的方式利用車輛前擋風玻璃圖像對深度學習模型進行離線訓練；

B4、將訓練好的深度學習模型重新更新存儲。

3.根據(jù)權(quán)利要求2所述的車輛智能電控設(shè)備集成控制方法，其特征在于，雨水檢測深度學習模型和灰塵檢測深度學習模型均采用多層卷積神經(jīng)網(wǎng)絡(luò)模型。

4.一種車輛智能電控設(shè)備集成控制系統(tǒng)，其特征在于，包括單目圖像采集單元、圖像存儲單元、圖像識別單元、深度學習模型存儲單元、集成控制器單元，其中：

單目圖像采集單元，用于實時采集車輛前擋風玻璃圖像；

圖像存儲單元，用于存儲實時采集的車輛前擋風玻璃圖像；

圖像識別單元，對實時采集的車輛前擋風玻璃圖像執(zhí)行基于深度學習的雨水檢測、基于深度學習的灰塵檢測、前擋風玻璃清晰度檢測以及前擋風玻璃霧水檢測；

深度學習模型存儲單元，存儲有雨水檢測深度學習模型、灰塵檢測深度學習模型；

集成控制器單元，根據(jù)圖像識別單元的檢測結(jié)果，相應(yīng)控制雨刷、大燈、噴水器以及除霧器工作。

5.根據(jù)權(quán)利要求4所述的車輛智能電控設(shè)備集成控制系統(tǒng)，其特征在于，所述集成控制器單元包括雨刮控制器、噴水器控制器、大燈控制器以及除霧器控制器，分別與雨刷、大燈、噴水器以及除霧器控制連接。