汽车磨损度预估方法、装置、电子设备及存储介质与流程

本公开涉及计算机，尤其涉及大数据和深度学习。

背景技术：

1、汽车体系零部件众多、结构复杂、技术集成度较高，汽车损坏或老化时，对汽车进行修理的门槛较高，通常用户无法自行修理。

技术实现思路

1、本公开提供了汽车磨损度预估方法、装置、电子设备及存储介质。

2、根据本公开的第一方面，提供了一种汽车磨损度预估方法，方法包括：

3、获取目标汽车的多维车况数据；所述多维车况数据包括：图像数据、发声部件声音数据、目标化学成分数据、承压部件压力数据；

4、通过预先训练的磨损预估模型，对所述多维车况数据进行处理，得到预设多个汽车零部件的磨损度。

5、根据本公开的第二方面，提供了一种磨损预估模型的训练方法，包括：

6、获取初始模型和汽车维修样本数据，其中，每一汽车维修样本数据包括：汽车的多维车况数据和预设多个汽车零部件的真实磨损度；所述多维车况数据包括：图像数据、发声部件声音数据、目标化学成分数据、承压部件压力数据；

7、基于所述汽车维修样本数据训练所述初始模型，得到磨损预估模型。

8、根据本公开的第三方面，提供了一种汽车磨损度预估装置，包括：

9、获取模块，用于获取目标汽车的多维车况数据；所述多维车况数据包括：图像数据、发声部件声音数据、目标化学成分数据、承压部件压力数据；

10、预估模块，用于通过预先训练的磨损预估模型，对所述多维车况数据进行处理，得到预设多个汽车零部件的磨损度。

11、根据本公开的第四方面，提供了一种磨损预估模型的训练装置，包括：

12、数据获取模块，用于获取初始模型和汽车维修样本数据，其中，每一汽车维修样本数据包括：汽车的多维车况数据和预设多个汽车零部件的真实磨损度；所述多维车况数据包括：图像数据、发声部件声音数据、目标化学成分数据、承压部件压力数据；

13、训练模块，用于基于所述汽车维修样本数据训练所述初始模型，得到磨损预估模型。

14、根据本公开的第五方面，提供了一种电子设备，包括：

15、至少一个处理器；以及

16、与所述至少一个处理器通信连接的存储器；其中，

17、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行汽车磨损度预估的方法。

18、根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行汽车磨损度预估的方法。

19、根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现汽车磨损度预估的方法。

20、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种汽车磨损度预估方法，包括：

2.根据权利要求1所述的方法，其中，

3.根据权利要求1所述的方法，还包括：

4.根据权利要求3所述的方法，其中，所述根据所述多个汽车零部件的磨损度，确定所述目标汽车的维修方案和维修价格的步骤，包括：

5.一种磨损预估模型的训练方法，包括：

6.根据权利要求5所述的方法，其中，所述初始模型包括：用于处理图像数据的第一结构单元、用于处理声音数据的第二结构单元、用于处理化学成分数据的第三结构单元和/或用于处理压力数据的第四结构单元。

7.根据权利要求6所述的方法，其中，所述基于所述汽车维修样本数据训练所述初始模型，得到磨损预估模型的步骤，包括：

8.一种汽车磨损度预估装置，包括：

9.根据权利要求8所述的装置，其中，

10.根据权利要求8所述的装置，还包括：

11.根据权利要求10所述的装置，其中，所述确定模块，具体用于：

12.一种磨损预估模型的训练装置，包括：

13.根据权利要求12所述的装置，其中，所述初始模型包括：用于处理图像数据的第一结构单元、用于处理声音数据的第二结构单元、用于处理化学成分数据的第三结构单元和/或用于处理压力数据的第四结构单元。

14.根据权利要求13所述的装置，其中，所述训练模块，具体用于：

15.一种电子设备，包括：

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4或5-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4或5-7中任一项所述的方法。

技术总结
本公开提供了汽车磨损度预估方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及大数据和深度学习技术领域。具体实现方案为：获取目标汽车的多维车况数据；所述多维车况数据包括：图像数据、发声部件声音数据、目标化学成分数据、承压部件压力数据；通过预先训练的磨损预估模型，对所述多维车况数据进行处理，得到预设多个汽车零部件的磨损度。能够综合考虑包括图像、声音、化学、压力等多个维度的车况数据，结合深度学习模型，对汽车零部件的磨损度进行预估，保证预估的准确性。多个汽车零部件的磨损度为汽车维修提供有效参考，有效解决修车方案参差不齐、效果低下、误判率高的技术问题。

技术研发人员：邹猛
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/1/25