[發(fā)明專(zhuān)利]一種機(jī)動(dòng)車(chē)尾氣檢測(cè)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011533247.1
• 申請(qǐng)日: 2020-12-23
• 公開(kāi)（公告）號(hào): CN112630164B
• 公開(kāi)（公告）日: 2023-06-06
• 發(fā)明（設(shè)計(jì)）人: 林國(guó)臻;李秀澤;吳壯亮;饒明輝;陳淑杭;林愉富
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣東城市智慧物聯(lián)網(wǎng)技術(shù)有限公司
• 主分類(lèi)號(hào): G01N21/17
• 分類(lèi)號(hào): G01N21/17;G06T7/00
• 代理公司: 汕頭市潮睿專(zhuān)利事務(wù)有限公司 44230
• 代理人: 盧梓雄;丁德軒

本發(fā)明涉及一種機(jī)動(dòng)車(chē)尾氣檢測(cè)系統(tǒng)，采用人為干涉深度自學(xué)習(xí)人工智能模型的圖形特征庫(kù)修正，當(dāng)深度自學(xué)習(xí)人工模型對(duì)檢測(cè)圖像進(jìn)行可信度計(jì)算得出檢測(cè)結(jié)果后，由人為對(duì)該檢測(cè)結(jié)果進(jìn)行判斷，并且將判斷結(jié)果反饋給深度自學(xué)習(xí)人工模型，對(duì)圖像特征庫(kù)進(jìn)行修正后再保存，使深度自學(xué)習(xí)人工模型中的檢測(cè)圖像的各項(xiàng)信息能得到正確的不斷修正，在后續(xù)進(jìn)行類(lèi)似的檢測(cè)圖片的判斷時(shí)，能夠根據(jù)修正后的圖像數(shù)據(jù)庫(kù)進(jìn)行更加準(zhǔn)確地計(jì)算檢測(cè)圖像的可信度，從而提高檢測(cè)結(jié)構(gòu)的可靠性和準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)動(dòng)車(chē)尾氣檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種機(jī)動(dòng)車(chē)尾氣檢測(cè)系統(tǒng)。

背景技術(shù)

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展與人民生活水平的提高，機(jī)動(dòng)車(chē)的數(shù)量逐年增加，機(jī)動(dòng)車(chē)尾氣對(duì)城市大氣環(huán)境的負(fù)面影響也越來(lái)越大。因此，對(duì)機(jī)動(dòng)車(chē)尾氣污染物濃度進(jìn)行檢測(cè)的重要性日趨顯現(xiàn)。

目前，實(shí)時(shí)檢測(cè)在路機(jī)動(dòng)車(chē)的尾氣排放情況，主要通過(guò)在道路上安裝固定攝像頭進(jìn)行抓拍，然后將抓拍后的圖像發(fā)送到后臺(tái)，由后臺(tái)系統(tǒng)根據(jù)圖像識(shí)別出車(chē)牌，再根據(jù)車(chē)牌位置選取尾氣范圍，計(jì)算范圍內(nèi)的林格曼黑度，將得到的林格曼黑度作為機(jī)動(dòng)車(chē)尾氣排放濃度的判斷依據(jù)，判定機(jī)動(dòng)車(chē)所排出的尾氣是否符合要求。

目前，后臺(tái)系統(tǒng)通常采用基于深度學(xué)習(xí)和圖像識(shí)別的AI視頻識(shí)別技術(shù)，由基礎(chǔ)數(shù)據(jù)建立圖像特征庫(kù)，使后臺(tái)系統(tǒng)不斷地進(jìn)行自學(xué)習(xí)，從而提高檢測(cè)結(jié)果的可靠性和準(zhǔn)確性。但是，在實(shí)際的檢測(cè)過(guò)程中，發(fā)送至后臺(tái)系統(tǒng)的檢測(cè)圖像存在由于天氣、環(huán)境、拍攝角度等原因而導(dǎo)致的各種問(wèn)題，由這些檢測(cè)圖像所得到的檢測(cè)數(shù)據(jù)無(wú)法根據(jù)圖像特征庫(kù)中的基礎(chǔ)數(shù)據(jù)進(jìn)行合理的可信度計(jì)算，導(dǎo)致最后得到的檢測(cè)結(jié)果可靠性和準(zhǔn)確性較低。

發(fā)明內(nèi)容

本發(fā)明所要解決的問(wèn)題是提供一種機(jī)動(dòng)車(chē)尾氣檢測(cè)系統(tǒng)，這種機(jī)動(dòng)車(chē)尾氣檢測(cè)系統(tǒng)能夠更加準(zhǔn)確地計(jì)算檢測(cè)圖像的可信度，提高檢測(cè)結(jié)構(gòu)的可靠性和準(zhǔn)確率。采用的技術(shù)方案如下：

一種機(jī)動(dòng)車(chē)尾氣檢測(cè)系統(tǒng)，包括：

抓拍裝置：對(duì)機(jī)動(dòng)車(chē)的尾氣排放口進(jìn)行抓拍，獲取多張圖像，并發(fā)送至深度自學(xué)習(xí)人工智能模型；

深度自學(xué)習(xí)人工智能模型：計(jì)算抓拍裝置所抓拍的多張圖像的林格曼黑度值，對(duì)圖像按照林格曼黑度值從高到低進(jìn)行排列，然后選取林格曼黑度值最高的一張圖像作為檢測(cè)圖像；根據(jù)檢測(cè)圖像的林格曼黑度值以及自身的圖像特征庫(kù)，計(jì)算出檢測(cè)圖像的可信度數(shù)值，并與預(yù)設(shè)的可信度數(shù)值進(jìn)行比較，得出檢測(cè)結(jié)果；

其特征在于：所述深度自學(xué)習(xí)人工智能模型的圖像特征庫(kù)由以下步驟形成：

（1）錄入已知檢測(cè)結(jié)果的圖像或數(shù)據(jù)，使所述深度自學(xué)習(xí)人工智能模型形成基礎(chǔ)的圖像特征庫(kù)，并且預(yù)設(shè)可以判定結(jié)果的可信度數(shù)值；

（2）錄入所選取的未知檢測(cè)結(jié)果的檢測(cè)圖像，深度自學(xué)習(xí)人工智能模型根據(jù)現(xiàn)有的圖像特征庫(kù)進(jìn)行判斷，得出未經(jīng)人為判斷的可信度，并將該可信度與步驟（1）所預(yù)設(shè)的可信度數(shù)值進(jìn)行大小比較，得出檢測(cè)結(jié)果；

（3）對(duì)步驟（2）中的檢測(cè)結(jié)果進(jìn)行人為判斷，得出人為判斷的檢測(cè)結(jié)果，將人為判斷的檢測(cè)結(jié)果反饋給深度自學(xué)習(xí)人工智能模型；

（4）深度自學(xué)習(xí)人工智能模型將步驟（3）所反饋的人為判斷的檢測(cè)結(jié)果錄入圖像特征庫(kù)，進(jìn)行圖像特征庫(kù)的修正，保存人為判斷的檢測(cè)結(jié)果，形成新的圖像特征庫(kù)；

（5）重復(fù)步驟（2）至步驟（4），對(duì)圖像特征庫(kù)進(jìn)行修正。

上述圖像特征庫(kù)所存儲(chǔ)的特征包括檢測(cè)圖像的各項(xiàng)信息（比如圖像原圖、拍攝時(shí)間、地點(diǎn)、拍攝角度、林格曼黑度等等）、由深度自學(xué)習(xí)人工智能模型所搭載的算法計(jì)算出的可信度數(shù)值、以及圖像的檢測(cè)結(jié)果。