[發明專利]一種車輛外觀檢測模型、構建方法及檢測方法

有效

• 申請號: 202310266923.0
• 申請日: 2023-03-20
• 公開（公告）號: CN115984274B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 方超群;孫浩宇;張慶達;王凱;田楷;朱光旭;陳立名;胡江洪;曹彬;常小剛
• 申請（專利權）人: 菲特（天津）檢測技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06V10/764
• 代理公司: 天津知川知識產權代理事務所(特殊普通合伙) 12249
• 代理人: 胡翠

1.一種車輛外觀檢測模型，其特征在于，包括：

圖像采集模塊：包括從不同角度、不同位置獲取圖像數據的M組圖像采集單元；M為大于1的自然數；

數據管控模塊：對數據進行分類管控；數據管控模塊包括標簽化管控單元、人為干預管控單元和中心化數據管控單元；所述中心化數據管控單元分別與標簽化管控單元、人為干預管控單元進行數據交互；

模型訓練模塊：首先對接收到的數據進行理解和標簽劃分，然后根據理解結果和標簽劃分結果導入不同的訓練模型中進行訓練，最后對模型進行優化；模型訓練模塊包括數據理解和標簽劃分單元、針對車體不同位置圖像的M個模型訓練單元，針對每個模型訓練單元的模型優化單元；

模型推理模塊：利用模型對圖像進行分析；模型推理模塊包括由模型訓練模塊得到的M個模型推理單元、針對模型推理單元輸出進行臟數據處理的后處理單元、對檢出結果進行比對的比對單元；

模型運維模塊：包括NG數據檢出分析單元和迭代單元；其中：

所述圖像采集模塊、數據管控模塊、模型訓練模塊、模型推理模塊、模型運維模塊依次進行數據交互；所述標簽化管控單元包括長周期數據管控單元、難易數據標簽化管控單元和多數據標簽化管控單元；在數據管控模塊中：

長周期數據管控單元，對取圖周期大于預設值T的數據進行管控；

難易數據標簽化管控單元，根據模型訓練的難易程度將數據標簽劃分為難數據標簽和簡單數據標簽，并對難數據標簽和簡單數據標簽進行分開管控；

多數據標簽化管控單元，對若干個標簽包含數量為L的數據種類進行管控；L為大于3的自然數；

人為干預管控單元，通過對數據進行分析、清洗、劃分，掌握數據的周期性變化，并對模型訓練數據進行調整；

中心化數據管控單元，對數據進行分片和傳輸、數據預處理和管理、數據版本管理和迭代、數據標注管理；

數據理解和標簽劃分單元，對接收到的數據進行理解和標簽劃分。

2.根據權利要求1所述的車輛外觀檢測模型，其特征在于，所述圖像采集模塊包括針對車身前半部分的第一圖像采集單元、針對車身后半部分的第二圖像采集單元、針對車身下半部分的第三圖像采集單元，每組圖像采集單元包括N臺圖像采集設備，N為大于0的自然數。

3.根據權利要求1所述的車輛外觀檢測模型，其特征在于，所述模型優化單元通過目標聚類方法分析得出訓練數據集中各標注目標的Ratios和Scales，然后篩選出重點檢測目標物兼容的Ratios和Scales。

4.根據權利要求3所述的車輛外觀檢測模型，其特征在于，在訓練前首先進行一個epoch的數據模擬訓練，然后統計Anchor正負樣本分配結果，如Anchor的正負樣本分布和訓練集標注目標的正負樣本分布一致，則開啟正式訓練，如Anchor的正負樣本分布和訓練集標注目標的正負樣本分布不一致，則重新篩選出重點檢測目標物兼容的Ratios和Scales，然后進行模擬，直至Anchor的正負樣本分布和訓練集標注目標的正負樣本分布一致。

5.根據權利要求1所述的車輛外觀檢測模型，其特征在于，所述后處理單元首先檢測臟數據零件的位置，然后使用圖片分類網絡對臟數據零件進行標簽分類。

6.根據權利要求1所述的車輛外觀檢測模型，其特征在于，所述NG數據檢出分析單元通過車輛信息，將前端保存的車輛待檢出信息和模型檢出信息對應起來，通過GUI界面查詢每日的NG數據，從而反饋模型出現的問題。

7.一種車輛外觀檢測模型的構建方法，其特征在于，用于構建權利要求1-6任一項所述的車輛外觀檢測模型，包括：

S1、搜集圖像數據并構建數據管控模塊；

S2、利用模型訓練算法對數據管控模塊中的數據進行訓練和優化，構建模型訓練模塊；

S3、對模型推理的數據進行臟數據處理和結果比對，構建模型推理模塊；

S4、對NG數據檢出分析和迭代，構建模型運維模塊；

S5、構建圖像采集模塊、數據管控模塊、模型訓練模塊、模型推理模塊和模型運維模塊之間的數據交互網。