[發(fā)明專利]車輛外觀損傷智能檢測方法、裝置及計算機可讀存儲介質

在審

• 申請?zhí)枺?/td>: 201910519165.2
• 申請日: 2019-06-13
• 公開（公告）號: CN110349124A
• 公開（公告）日: 2019-10-18
• 發(fā)明（設計）人: 王健宗;彭俊清;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳市沃德知識產(chǎn)權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種車輛外觀損傷智能檢測方法，其特征在于，所述方法包括：

獲取含有車輛外觀損傷的圖像組成的圖像集，對所述圖像集進行預處理操作，得到樣本圖像集，并將所述樣本圖像集劃分為訓練樣本圖像集、驗證樣本圖像集，存入數(shù)據(jù)庫中；

構建車輛外觀損傷智能檢測模型，利用所述訓練樣本圖像集對所述車輛外觀損傷智能檢測模型進行訓練，得到訓練值，通過所述車輛外觀損傷智能檢測模型的損失層計算出所述訓練值的損失函數(shù)值，當所述損失函數(shù)值小于第一預設閾值時，利用所述驗證樣本圖像集對所述車輛外觀損傷智能檢測模型進行交叉驗證，得到交叉驗證的精確值，當所述交叉驗證的精確值大于第二預設閾值時，完成所述車輛外觀損傷智能檢測模型的訓練；

接收待測試的車輛外觀圖像集對訓練后的所述車輛外觀損傷智能檢測模型進行測試，得到測試結果，并根據(jù)所述測試結果識別出所述測試樣本的車輛外觀圖像集是否出現(xiàn)損傷。

2.如權利要求1所述的車輛外觀損傷智能檢測方法，其特征在于，所述預處理操作包括：

通過一個預設尺寸大小的窗口，并按照預設的距離對所述圖像集進行平移，將所述窗口包含的內容剪裁下來，得到小圖像；

對所述小圖像進行篩選，得到正圖像集、負圖像集以及疑義圖像集，將所述疑義樣本圖像集舍棄，對正負圖像集建立正負標簽，其中，所述正圖像集為損傷很明顯的小圖像，疑義圖像集為損傷信息不明顯的小圖像，負圖像集則為沒有損傷的小圖像。

3.如權利要求2所述的車輛外觀損傷智能檢測方法，其特征在于，所述預處理操作還包括：

對所述正負圖像集進行圖像灰度化處理，得到灰色圖像集，利用波谷閾值分割法對所述灰色圖像集進行背景過濾處理，得到所述樣本圖像集。

4.如權利要求1至3中任意一項所述的車輛外觀損傷智能檢測方法，其特征在于，所述利用所述訓練樣本圖像集對所述車輛外觀損傷智能檢測模型進行訓練，得到訓練值，通過所述車輛外觀損傷智能檢測模型的損失層計算出所述訓練值的損失函數(shù)值，包括：

創(chuàng)建包括卷積神經(jīng)網(wǎng)絡的車輛外觀損傷智能檢測模型，其中，所述卷積神經(jīng)網(wǎng)絡包括卷積層、池化層、全連接層以及損失層；

通過所述卷積層和池化層對所述訓練樣本圖像集進行特征提取，得到特征向量，通過所述全連接層識別出所述特征向量是否含有損傷的車輛外觀圖像集，得到訓練值，并將所述訓練值輸入至所述損失層中；

利用所述損失層的損失函數(shù)計算出所述訓練值的損失函數(shù)值。

5.如權利要求4所述的車輛外觀損傷智能檢測方法，其特征在于，所述損失函數(shù)包括：

其中，O_j表示所述車輛外觀損傷智能檢測模型輸出層第j個神經(jīng)元的車輛損傷圖像輸出值，I_j表示所述車輛外觀損傷智能檢測模型輸出層第j個神經(jīng)元的輸入值，t表示所述輸出層神經(jīng)元的總量，e為無限不循環(huán)小數(shù)，Loss表示損失函數(shù)值。

6.一種車輛外觀損傷智能檢測裝置，其特征在于，所述裝置包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的車輛外觀損傷智能檢測程序，所述車輛外觀損傷智能檢測程序被所述處理器執(zhí)行時實現(xiàn)如下步驟：

獲取含有車輛外觀損傷的圖像組成的圖像集，對所述圖像集進行預處理操作，得到樣本圖像集，并將所述樣本圖像集劃分為訓練樣本圖像集、驗證樣本圖像集，存入數(shù)據(jù)庫中；

構建車輛外觀損傷智能檢測模型，利用所述訓練樣本圖像集對所述車輛外觀損傷智能檢測模型進行訓練，得到訓練值，通過所述車輛外觀損傷智能檢測模型的損失層計算出所述訓練值的損失函數(shù)值，當所述損失函數(shù)值小于第一預設閾值時，利用所述驗證樣本圖像集對所述車輛外觀損傷智能檢測模型進行交叉驗證，得到交叉驗證的精確值，當所述交叉驗證的精確值大于第二預設閾值時，完成所述車輛外觀損傷智能檢測模型的訓練；

接收待測試的車輛外觀圖像集對訓練后的所述車輛外觀損傷智能檢測模型進行測試，得到測試結果，并根據(jù)所述測試結果識別出所述測試樣本的車輛外觀圖像集是否出現(xiàn)損傷。