[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: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及一種人工智能技術，揭露了一種車輛外觀損傷智能檢測方法，包括：接收含有車輛外觀損傷的圖像集，對所述含有車輛外觀損傷的圖像集進行預處理操作，得到樣本圖像集，利用所述樣本圖像集對預先構建的車輛外觀損傷智能檢測模型進行訓練，得到訓練后的所述車輛外觀損傷智能檢測模型，通過測試樣本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，并識別出所述測試樣本的車輛外觀圖像集是否出現損傷。本發(fā)明還提出一種車輛外觀損傷智能檢測裝置以及一種計算機可讀存儲介質。本發(fā)明實現了車輛外觀損傷的檢測。

技術領域

本發(fā)明涉及人工智能技術領域，尤其涉及一種車輛外觀損傷智能檢測方法、裝置及計算機可讀存儲介質。

背景技術

車險報案時，需要對車輛損傷進行檢驗。目前對于車輛外觀損傷檢測，主要通過基于數字圖像處理技術以及人工現場勘測的方法進行檢測，但由于傳統(tǒng)數字圖像處理方法非常依賴算法設計者的經驗，導致檢測精度不高，效率低下，同時基于人工現場勘測方法會帶來用人成本的增加。

發(fā)明內容

本發(fā)明提供一種車輛外觀損傷智能檢測方法、裝置及計算機可讀存儲介質，其主要目的在于對車輛外觀圖像進行損傷檢測時，給用戶呈現出精確的檢測結果。

為實現上述目的，本發(fā)明提供的一種車輛外觀損傷智能檢測方法，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，存入數據庫中；

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值，當所述損失函數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損傷。

可選地，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。

可選地，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。

可選地，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值，包括：

創(chuàng)建包括卷積神經網絡的車輛外觀損傷智能檢測模型，其中，所述卷積神經網絡包括卷積層、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計算出所述訓練值的損失函數值。

可選地，所述損失函數包括：