一种车辆外观检测方法、装置、设备及存储介质与流程

本发明涉及车辆检测，尤其涉及一种车辆外观检测方法、装置、设备及存储介质。

背景技术：

1、车辆外观检测，通常是在相机等硬件部署完成后才进行，由于各种产线问题，车辆在停入产线进行外观检测时依然会出现较多问题，如停放位置未达到预期，导致车身部件出现角度的偏移，以及光照变化导致的图像质量出现较大的明暗差距，影响模型对颜色特征的提取和判断，可能会导致错检或者漏检。而采用图像增强方法通常也都需要各种光照条件下的数据，用于模拟真实环境中的光照条件，数据采集也非常耗时，导致车辆外观检测的效率较低，而且成本也较高。

技术实现思路

1、有鉴于此，本发明的目的是为了克服现有技术中的不足，提供一种车辆外观检测方法、装置、设备及存储介质。

2、本发明提供如下技术方案：

3、第一方面，本申请提供了一种车辆外观检测方法，包括：

4、构建神经网络模型，利用通道选择归一化模块代替所述神经网络模型的bn层，得到初始训练模型；所述归一化模块用于减少光照干扰；

5、获取训练数据集，所述训练数据集包括不同光照条件和不同角度的车辆图片；

6、利用所述训练数据集对所述初始训练模型进行训练，得到最终训练模型；所述最终训练模型的输出结果为所述车辆图片包含的全部车辆部件图片；

7、将目标车辆图片输入到最终训练模型，输出初始车辆部件图片；

8、判断所述初始车辆部件图片是否为所述目标车辆的目标部件图片；

9、若不是，则从所述初始车辆部件图片中，选取所述目标车辆的前轮图片和后视镜图片对所述目标车辆进行仿射变换，得到目标车辆鸟瞰图片；

10、将所述目标车辆鸟瞰图片输入到所述最终训练模型，输出最终部件图片，根据所述最终部件图片生成所述目标车辆检测结果。

11、一种实施方式中，所述利用通道选择归一化模块代替所述神经网络模型的bn层，包括：

12、引入实例级光照归一化模块和可微分门控模块构建所述通道选择归一化模块，利用所述通道选择归一化模块代替所述神经网络模型的bn层；所述实例级光照归一化模块，用于减少所述目标车辆图片与所述训练数据集的车辆图片之间的光照信息差异；所述可微分门控模块用于实现自适应通道选择。

13、一种实施方式中，所述将目标车辆图片输入到最终训练模型，输出初始车辆部件图片，包括：

14、获取所述目标车辆图片的目标光照信息，通过所述实例级光照归一化模块对所述目标车辆图片的目标光照信息进行选择性归一化，得到归一化数据；

15、选择与所述目标光照信息对应的目标可微分门控模块，利用所述目标可微分门控模块提取所述目标车辆图片的原始特征数据；

16、利用所述最终训练模型的隐藏层，对所述归一化数据和所述原始特征数据进行处理，通过所述最终训练模型的输出层输出处理结果，所述处理结果包括所述初始车辆部件图片。

17、一种实施方式中，所述判断所述初始车辆部件图片是否为所述目标车辆的目标部件图片，包括：

18、获取所述目标车辆待检测的目标部件，判断所述初始车辆部件图片是否包含了全部的所述目标部件；

19、若未包含全部的所述目标部件，则确定所述目标部件存在漏检。

20、一种实施方式中，所述获取所述目标车辆待检测的目标部件，判断所述初始车辆部件图片是否包含了全部的所述目标部件，包括：

21、获取所述目标车辆待检测的目标部件，根据所述目标部件生成部件标识；所述部件标识包括目标部件名称；

22、根据所述初始车辆部件图片获取所述初始车辆部件名称，判断所述初始车辆部件名称是否包括全部的所述目标部件名称。

23、一种实施方式中，所述选取所述目标车辆的前轮图片和后视镜图片对所述目标车辆进行仿射变换，包括：

24、从所述初始车辆部件图片中，选取所述前轮图片和所述后视镜图片；

25、计算所述前轮与所述后视镜中心的第一角度和第一距离；

26、从所述训练数据集中选取仿射车辆图片，并获取所述仿射车辆图片的车辆参数；所述仿射车辆的前轮与后视镜中心的第二角度与所述第一角度相同；所述仿射车辆的前轮与后视镜中心的第二距离与所述第一距离相同；

27、根据所述前轮图片、后视镜图片第一角度、第二角度、和车辆参数进行仿射变换。

28、一种实施方式中，所述将所述目标车辆鸟瞰图片输入到所述最终训练模型，输出最终部件图片，包括：

29、通过所述最终训练模型提取所述目标车辆鸟瞰图包含的全部部件图片，得到所述最终部件图片。

30、第二方面，本申请提供了一种车辆外观检测装置，包括：

31、构建模块，用于构建神经网络模型，利用通道选择归一化模块代替所述神经网络模型的bn层，得到初始训练模型；所述归一化模块用于减少光照干扰；

32、获取模块，用于获取训练数据集，所述训练数据集包括不同光照条件和不同角度的车辆图片；

33、训练模块，用于利用所述训练数据集对所述初始训练模型进行训练，得到最终训练模型；所述最终训练模型的输出结果为所述车辆图片包含的全部车辆部件图片；

34、输入模块，用于将目标车辆图片输入到最终训练模型，输出初始车辆部件图片；

35、判断模块，用于判断所述初始车辆部件图片是否为所述目标车辆的目标部件图片；

36、变换模块，用于若不是，则从所述初始车辆部件图片中，选取所述目标车辆的前轮图片和后视镜图片对所述目标车辆进行仿射变换，得到目标车辆鸟瞰图片；

37、检测模块，用于将所述目标车辆鸟瞰图片输入到所述最终训练模型，输出最终部件图片，根据所述最终部件图片生成所述目标车辆检测结果。

38、第三方面，本申请提供了一种电子设备，包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施如第一方面所述的车辆外观检测方法。

39、第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时，实现如第一方面所述的车辆外观检测方法。

40、本发明的实施例具有如下有益效果：

41、本发明提供的车辆外观检测方法，利用通道选择归一化模块代替bn层，提高了模型对未知光照的泛化能力，通过对相对位置的定位对图片进行衍射变换，从而可以缓解车辆停放位置不合规，导致的检测异常问题。

42、为使本发明的上述目的、特征和优点能更明显和易懂，下文特举较佳实施例，并配合所附附图，做详细说明如下。

技术特征：

1.一种车辆外观检测方法，其特征在于，包括：

2.根据权利要求1所述的车辆外观检测方法，其特征在于，所述利用通道选择归一化模块代替所述神经网络模型的bn层，包括：

3.根据权利要求2所述的车辆外观检测方法，其特征在于，所述将目标车辆图片输入到最终训练模型，输出初始车辆部件图片，包括：

4.根据权利要求1所述的车辆外观检测方法，其特征在于，所述判断所述初始车辆部件图片是否为所述目标车辆的目标部件图片，包括：

5.根据权利要求4所述的车辆外观检测方法，其特征在于，所述获取所述目标车辆待检测的目标部件，判断所述初始车辆部件图片是否包含了全部的所述目标部件，包括：

6.根据权利要求1所述的车辆外观检测方法，其特征在于，所述选取所述目标车辆的前轮图片和后视镜图片对所述目标车辆进行仿射变换，包括：

7.根据权利要求1所述的车辆外观检测方法，其特征在于，所述将所述目标车辆鸟瞰图片输入到所述最终训练模型，输出最终部件图片，包括：

8.一种车辆外观检测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施如权利要求1至7中任一项所述的车辆外观检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时，实现如权利要求1至7中任一项所述的车辆外观检测方法。

技术总结
本发明提供一种车辆外观检测方法、装置、设备及存储介质，方法包括：构建神经网络模型，利用通道选择归一化模块代替神经网络模型的BN层，得到初始训练模型；对初始训练模型进行训练，得到最终训练模型；将目标车辆图片输入到最终训练模型，输出初始车辆部件图片；判断初始车辆部件图片是否为目标车辆的目标部件图片；若不是，则从初始车辆部件图片中，选取目标车辆的前轮图片和后视镜图片对目标车辆进行仿射变换，得到目标车辆鸟瞰图片；根据鸟瞰图片生成目标车辆检测结果。本发明提高了模型对未知光照的泛化能力，通过对相对位置的定位对图片进行衍射变换，从而可以缓解车辆停放位置不合规，导致的检测异常问题。

技术研发人员：请求不公布姓名,请求不公布姓名,请求不公布姓名
受保护的技术使用者：成都数之联科技股份有限公司
技术研发日：
技术公布日：2024/3/24