一种人工智能的图像学习识图的车底扫描系统和实现方法与流程

本发明涉及人工智能技术领域，具体为一种人工智能的图像学习识图的车底扫描系统和实现方法。

背景技术：

人工智能，英文缩写为ai，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能，通常人工智能是指通过普通计算机程序来呈现人类智能的技术，通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代，人工智能的定义可以分为两部分，即“人工”和“智能”，“人工”比较好理解，争议性也不大，底盘是指汽车上由传动系、行驶系、转向系和制动系四部分组成的组合，支承、安装汽车发动机及其各部件、总成，形成汽车的整体造型，承受发动机动力，保证正常行驶。

底盘的作用是支承、安装汽车发动机及其各部件、总成，形成汽车的整体造型，并接受发动机的动力，使汽车产生运动，保证正常行驶，同时，一个好的底盘，可以保证驾驶者的生命安全，目前针对汽车底底部的故障检测基本依赖于人工目测，需要工作人员进入高温环境的车底进行人工检测，造成工作人员的大量工作负担，而且依靠人工进行检测，不但需要对从业人员进行培训和需要时间来积累经验并且检测准确度受从业人员影响较多；因此市场急需研制一种人工智能的图像学习识图的车底扫描系统和实现方法来帮助人们解决现有的问题。

技术实现要素：

本发明的目的在于提供一种人工智能的图像学习识图的车底扫描系统和实现方法，以解决上述背景技术中提出的在特殊环境进行检测车底工作时，对工作人员造成大量负担的问题。

为实现上述目的，本发明提供如下技术方案：一种人工智能的图像学习识图的车底扫描系统和实现方法，包括车底扫描系统，所述车底扫描系统包括电源，电源的输出端与扫描器的输入端连接，扫描器的输出端与数据连接模块的输入端连接，数据连接模块采用有线电缆连接互联网络。

优选的，所述数据连接模块的输出端与处理器模块的输入端连接，且数据连接模块的输入端的与键盘模块的输出端连接，处理器模块的输出端分别与5g传输模块、图形处理器和显示模块的输入端连接，所述5g传输模块的输出端与云服务器的输入端连接。

优选的，所述图形处理器包括图像获取单元，图像获取单元的输出端与模型建立单元的输入端连接，模型建立单元的输出端与图像处理单元的输入端连接，图像处理单元的输出端与图像对比单元的输入端连接，图像对比单元的输出端与故障识别单元的输入端连接，故障识别单元的输出端与提示单元的输入端连接。

优选的，所述图形处理器与样本图样通过处理器模块连接，样本图像包括正样本图像以及负样本图像，且正样本图像和负样本图像标记有对应的标签，所述样本图像通过模型建立单元预处理，以凸显边缘信息。

优选的，所述云服务器的输出端与存储模块的输入端连接，所述图形处理器的输出端与人工智能模块的输入端连接，存储模块内部设置有两个存储单元，两个所述存储单元分别设置为增量学习样本库和故障典型样本库，所述人工智能模块的输出端与存储模块的输入端连接，存储模块通过无线连接模块连入无线网络。

优选的，所述人工智能模块的输出端与审核模块的输入端连接，审核模块的输出端与显示模块的输入端连接，且审核模块与处理器模块双向连接，所述显示模块设置为触摸显示屏，且触摸显示屏的输出端与人工智能模块双向连接，且人工智能模块的输入端与检索模块的输出端连接，检索模块通过无线连接模块连入互联网络。

一种人工智能的图像学习识图的车底扫描系统的实现方法，包括如下步骤：

步骤一：检索模块检索汽车底部图像；

步骤二：根据汽车型号和类型对车底图像进行分类；

步骤三：上传常见汽车底部故障问题图片；

步骤四：根据车底故障问题类型进行分类；

步骤五：对车底图片进行网格定位；

步骤六：针对不同区域的结构损伤进行命名；

步骤七：将不同类型的车底故障图片上传到储存模块；

步骤八：通过人工智能处理器模块进行记录；

步骤九：根据扫描器扫描的车底故障问题图片进行对比；

步骤十：使用人工智能处理器模块进行审核确定；

步骤十一：车底扫描结果通过显示屏幕显示；

步骤十二：根据故障类型提供相应的维护操作说明。

优选的，所述步骤二中，车底图像分类标准分为汽车品牌大类、汽车型号中类和汽车底盘规格小类，且车底图像长期定时更新。

优选的，所述步骤四中，车底故障问题类型分为底盘结构损伤、底盘结构损毁、底盘磨损和排气管漏气，剐蹭油底壳，平衡杆胶套老化异响，下支臂胶套老化异响，减震器漏油，元宝梁剐蹭变形以及轮胎轴承异响。

优选的，所述步骤十二中，维护操作说明通过中英文两种语言，通过触摸显示屏模块显示文字，且触摸显示屏可连入无线网络，连入企业服务器，进行操作与呼叫联系工作。

与现有技术相比，本发明的有益效果是：

1.该发明通过车底扫描系统的设置，使用时，将扫描器伸入汽车底部，通过广角长焦摄像头将车底整体拍照记录下，传递到处理器模块内部，通过处理器模块将图像进行处理发送到图形处理器内，通过5g传输模块在云端进行上传和下载工作，可极大加快数据传输的速度，提高工作效率，方便实用，通过图形处理器进行处理，将图像进行预处理，并对预处理得到的车底图像进行分割定位，得到待检测部件图像，根据上传的车底故障图像进行对比，从而选出最优的故障结果，通过检索模块可及时对不同类型的故障问题及时进行解决，使用方便，且速度快，可提高工作效率，可通过人工智能模块进行学习，记录下常见问题以便于下次直接进行显示处理结果，进一步提高了工作效率。

2.该发明通过人工智能模块的设置，人工智能模块在工作中，通过5g传输模块可极大加快数据传输的速度，可有效地解决特殊环境下，工作人员不便进行车底安全检查的问题，为工作人员提供了便利，车底图片进行处理后，通过图像获取以及处理技术，加上结合了深度学习技术的深度神经网络模型等，实现了地铁车底缺陷的自动化检测，提高检测效率和精度，不需要人工进行检测，且检测效果更佳，方便实用，减轻从业人员的大量体力劳动并避免了恶劣的工作环境，通过多块显示模块，方便工作人员进行操作，通过人工智能模块进行学习，以及利用增加样本从而得到更精准的数据和处理方法，提高了工作质量。

3.该发明通过审核模块的设置，通过扫描器将车底扫描，通过人工智能模块进行图像智能分析，进行类人、形如管控枪支刀具等方面进行自动分析，通过显示模块进行报警，提高了检测效果，有利于提升安全性，通过智能判图，利用人工智能识图工具进行计算机自动辅助自动管理，减少人工检图作业工作量，提高科技装备的管理。

附图说明

图1为本发明的一种人工智能的图像学习识图的车底扫描系统的原理示意图；

图2为本发明的一种人工智能的图像学习后可识图的图形处理器的原理示意图；

图3为本发明的一种人工智能的图像学习识图的车底扫描系统的实现方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

请参阅图1-3，本发明提供的一种实施例：一种人工智能的图像学习识图的车底扫描系统和实现方法，包括车底扫描系统，车底扫描系统包括电源，电源的输出端与扫描器的输入端连接，扫描器的输出端与数据连接模块的输入端连接，数据连接模块采用有线电缆连接互联网络，扫描器的外部安装有闪光设备，在进行扫描车底时，可通过广角长焦摄像头配合闪光照明设备可将车底整体拍照记录下。

进一步，数据连接模块的输出端与处理器模块的输入端连接，且数据连接模块的输入端的与键盘模块的输出端连接，处理器模块的输出端分别与5g传输模块、图形处理器和显示模块的输入端连接，5g传输模块的输出端与云服务器的输入端连接，通过处理器模块将图像进行处理发送到图形处理器内，通过图形处理器进行处理，配合人工处理模块可进行图片学习可识别，提高工作效率，通过5g传输模块可极大加快数据传输的速度，提高工作效率，方便实用。

进一步，图形处理器包括图像获取单元，图像获取单元的输出端与模型建立单元的输入端连接，模型建立单元的输出端与图像处理单元的输入端连接，图像处理单元的输出端与图像对比单元的输入端连接，图像对比单元的输出端与故障识别单元的输入端连接，故障识别单元的输出端与提示单元的输入端连接，通过图像获取以及处理技术，加上结合了深度学习技术的深度神经网络模型等，实现了地铁车底缺陷的自动化检测，提高检测效率和精度，不需要人工进行检测，且检测效果更佳。

进一步，图形处理器与样本图样通过处理器模块连接，样本图像包括正样本图像以及负样本图像，且正样本图像和负样本图像标记有对应的标签，样本图像通过模型建立单元预处理，以凸显边缘信息。

进一步，云服务器的输出端与存储模块的输入端连接，图形处理器的输出端与人工智能模块的输入端连接，存储模块内部设置有两个存储单元，两个存储单元分别设置为增量学习样本库和故障典型样本库，人工智能模块的输出端与存储模块的输入端连接，存储模块通过无线连接模块连入无线网络，通过多个存储模块可对故障进行存储，配合人工智能模块可进行快速识别功能。

进一步，人工智能模块的输出端与审核模块的输入端连接，审核模块的输出端与显示模块的输入端连接，且审核模块与处理器模块双向连接，显示模块设置为触摸显示屏，且触摸显示屏的输出端与人工智能模块双向连接，且人工智能模块的输入端与检索模块的输出端连接，检索模块通过无线连接模块连入互联网络，通过通过检索模块可及时对不同类型的故障问题及时进行解决，使用方便，且速度快，可提高工作效率，可通过人工智能模块进行学习，记录下常见问题以便于下次直接进行显示处理结果，进一步提高了工作效率。

一种人工智能的图像学习识图的车底扫描系统的实现方法，包括如下步骤：

步骤一：检索模块检索汽车底部图像；

步骤二：根据汽车型号和类型对车底图像进行分类；

步骤三：上传常见汽车底部故障问题图片；

步骤四：根据车底故障问题类型进行分类；

步骤五：对车底图片进行网格定位；

步骤六：针对不同区域的结构损伤进行命名；

步骤七：将不同类型的车底故障图片上传到储存模块；

步骤八：通过人工智能处理器模块进行记录；

步骤九：根据扫描器扫描的车底故障问题图片进行对比；

步骤十：使用人工智能处理器模块进行审核确定；

步骤十一：车底扫描结果通过显示屏幕显示；

步骤十二：根据故障类型提供相应的维护操作说明。

进一步，步骤二中，车底图像分类标准分为汽车品牌大类、汽车型号中类和汽车底盘规格小类，且车底图像长期定时更新，通过长期更新以及记录，从而进行人工智能识别。

进一步，步骤四中，车底故障问题类型分为底盘结构损伤、底盘结构损毁、底盘磨损和排气管漏气，剐蹭油底壳，平衡杆胶套老化异响，下支臂胶套老化异响，减震器漏油，元宝梁剐蹭变形以及轮胎轴承异响，通过多种分类，使得检测结果定位更精确。

进一步，步骤十二中，维护操作说明通过中英文两种语言，通过触摸显示屏模块显示文字，且触摸显示屏可连入无线网络，连入企业服务器，进行操作与呼叫联系工作，通过操作触摸显示屏可进行操作扫描器，以及联系工作人员，可进行无人看管操作，提高便利性。

工作原理：使用时，先通过检索模块检索汽车底部图像，根据汽车型号和类型对车底图像进行分类，上传常见汽车底部故障问题图片至云服务器，通过5g传输模块可极大加快数据传输的速度，提高工作效率，方便实用，根据车底故障问题类型进行分类，车底图像分类标准分为汽车品牌大类、汽车型号中类和汽车底盘规格小类，且车底图像长期定时更新，通过长期更新以及记录，使用者将车辆停至扫描器外部，将扫描器伸入汽车底部，通过广角长焦摄像头将车底整体拍照记录下，传递到处理器模块内部，通过处理器模块将图像进行处理发送到图形处理器内，通过图形处理器进行处理，将图像进行预处理，并对预处理得到的车底图像进行分割定位，得到待检测部件图像，通过人工智能模块进行图像智能分析，进行类人、形如管控枪支刀具等方面进行自动分析，报警，且根据上传的车底故障图像进行对比，从而选出最优的故障结果，通过检索模块可及时对不同类型的故障问题及时进行解决，使用方便，且速度快，可提高工作效率，可通过人工智能模块进行学习，记录下常见问题以便于下次直接进行显示处理结果，触摸显示屏可连入无线网络，连入企业服务器，进行操作与呼叫联系工作，通过操作触摸显示屏可进行操作扫描器，以及联系工作人员，可进行无人看管操作，提高便利性。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。