CN110136121A - 一种漆膜检测的方法、装置、存储介质及电子设备 - Google Patents
一种漆膜检测的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110136121A CN110136121A CN201910409272.XA CN201910409272A CN110136121A CN 110136121 A CN110136121 A CN 110136121A CN 201910409272 A CN201910409272 A CN 201910409272A CN 110136121 A CN110136121 A CN 110136121A
- Authority
- CN
- China
- Prior art keywords
- absorption
- vehicle
- infrared spectrum
- determining
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003973 paint Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000010521 absorption reaction Methods 0.000 claims abstract description 205
- 238000002329 infrared spectrum Methods 0.000 claims description 142
- 238000012545 processing Methods 0.000 claims description 22
- 238000002835 absorbance Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 8
- 239000013076 target substance Substances 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004566 IR spectroscopy Methods 0.000 claims 1
- 230000031700 light absorption Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 9
- 238000005070 sampling Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 9
- 239000000126 substance Substances 0.000 description 8
- 230000008439 repair process Effects 0.000 description 5
- 125000000524 functional group Chemical group 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000000576 coating method Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000002966 varnish Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30156—Vehicle coating
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种漆膜检测的方法、装置、存储介质及电子设备，其中，该方法包括：在待测车辆中选取多个部件作为有效部件，并确定待测车辆每个有效部件的红外光谱数据；根据红外光谱数据确定有效部件对红外光线的吸收程度；对所有有效部件对应的吸收程度进行统计，确定吸收程度差值，在吸收程度差值大于预设差值时确定待测车辆为被修复车辆。通过本发明实施例提供的漆膜检测的方法、装置、存储介质及电子设备，不需要大量取点即可准确确定每个有效部件的红外光谱数据，可以简化取点的过程，极大提高了采样的效率；同时，通过每个有效部件的吸收程度确定吸收程度差值，进而即可判断该待测车辆是否被修复过，判断效率高。
Description
技术领域
本发明涉及漆膜检测的技术领域，具体而言，涉及一种漆膜检测的方法、装置、存储介质及电子设备。
背景技术
随着经济的发展和人们生活水平的提高，汽车越来越多的走进了千家万户。汽车保有量的增加同时也带来了旧机动车车交易市场的日趋繁荣，根据来自中国汽车流通协会的数据统计：2018年全年全国累计完成旧机动车交易1382.19万辆。如此庞大的交易量说明人们对旧机动车买卖这种行为的认可，而交易构成中对车辆质量的判断也越来越收到人们的关注。为了避免买到发生过严重事故的旧机动车辆，需要对底盘、车身、发动机等部位做非常详细的检测排查，漆膜检测就是检测车身是否有过喷漆修复或钣金修复的重要标准，而这一标准也是判断该旧机动车是否是事故车辆的关键。常见的漆膜检测技术手段一般是通过漆膜仪测量车漆厚度，根据测量厚度与基准厚度的比较判断漆面是否有修复的情况。举例来说，对于某种型号的机动车，它的新车漆膜厚度在100-120um之间，现在测量一台同型号的旧机动车，如果得到200um以上的测量结果，就基本可以判定该车做了喷漆修复，如果有必要可以拆开内饰等覆盖件做近一步检查分析。
当前漆膜仪测试方法在实际的应用中存在如下问题：由于即使是车厂的新车，其漆面厚度也存在差异，为了得到比较准确的检测结果，就需要用漆膜仪对覆盖件做大量分布式点测，这样才能尽可能排除因漆面厚度本身的不一致导致测试误差，从而导致现有的漆膜仪测试方法的工作量非常大，一个经验丰富的检测师，用漆膜仪检测一台旧机动车需要耗时接近二十分钟。
发明内容
为解决上述问题，本发明实施例的目的在于提供一种漆膜检测的方法、装置、存储介质及电子设备。
第一方面，本发明实施例提供了一种漆膜检测的方法，包括：
在待测车辆中选取多个部件作为有效部件，并确定所述待测车辆每个有效部件的红外光谱数据，所述红外光谱数据为利用红外光线分别对所述待测车辆每个有效部件的漆膜进行红外光谱检测后确定的数据；
根据所述红外光谱数据确定所述有效部件对红外光线的吸收程度；
对所有所述有效部件对应的吸收程度进行统计，确定吸收程度差值，在所述吸收程度差值大于预设差值时确定所述待测车辆为被修复车辆。
第二方面，本发明实施例还提供了一种漆膜检测的装置，包括：
光谱数据确定模块，用于在待测车辆中选取多个部件作为有效部件，并确定所述待测车辆每个有效部件的红外光谱数据，所述红外光谱数据为利用红外光线分别对所述待测车辆每个有效部件的漆膜进行红外光谱检测后确定的数据；
吸收程度确定模块，用于根据所述红外光谱数据确定所述有效部件对红外光线的吸收程度；
统计处理模块，用于对所有所述有效部件对应的吸收程度进行统计，确定吸收程度差值，在所述吸收程度差值大于预设差值时确定所述待测车辆为被修复车辆。
第三方面，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于上述任意一项所述的漆膜检测的方法。
第四方面，本发明实施例还提供了一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
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上述任意一项所述的漆膜检测的方法。
本发明实施例上述第一方面提供的方案中，基于红外光谱技术确定车辆每个有效部件的红外光谱数据，基于红外光谱数据表征的吸收程度来确定车辆是否被修复过。该方式不需要大量取点即可准确确定每个有效部件的红外光谱数据，可以简化取点的过程，极大提高了采样的效率；同时，通过每个有效部件的吸收程度确定吸收程度差值，进而即可判断该待测车辆是否被修复过，判断效率高。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种漆膜检测的方法的流程图；
图2示出了本发明实施例所提供的漆膜检测的方法中，确定吸收程度的方法流程图；
图3示出了本发明实施例所提供的另一种漆膜检测的方法的流程图；
图4示出了本发明实施例所提供的一种漆膜检测的装置的结构示意图；
图5示出了本发明实施例所提供的用于执行漆膜检测的方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的一种漆膜检测的方法，基于红外光谱技术对车辆的漆膜进行检测。具体的，参见图1所示，该方法包括：
步骤101：在待测车辆中选取多个部件作为有效部件，并确定待测车辆每个有效部件的红外光谱数据，红外光谱数据为利用红外光线分别对待测车辆每个有效部件的漆膜进行红外光谱检测后确定的数据。
本发明实施例中，待测车辆即为需要检测是否存在被修复情况的车辆，即需要检测该车辆是否有过喷漆修复或钣金修复。其中，车辆的部件指的是车辆中漆膜可能被修复的部位。一般情况下，覆盖车身的覆盖件容易存在被修复的情况；具体的，车身的覆盖件包括但不限于：前保险杠、发动机盖、左前翼子板、左前A柱、左前门、左侧B柱、左后门、左侧C柱、左后翼子板、后保险杠、后备厢盖、右后翼子板、右侧C柱、右后门、右侧B柱、右前门、右前A柱等。本实施例中，选取多个部件作为后续需要检测的有效部件。其中，可以选取5个或10个部件作为有效部件，或者将待测车辆中的所有部件均作为有效部件，本实施例对此不做限定；优选将待测车辆中的所有部件均作为有效部件，以提高最后处理结果的准确性。
本实施例中，基于红外光谱技术对待测车辆的每个有效部件的漆膜的红外光谱检测，进而可以确定每个有效部件的红外光谱数据。红外光谱技术是利用分子内部原子间相对振动和分子转动等信息来确定物质分子结构和鉴定化合物的分析方法。其原理是：分子振动和转动跃迁会使分子内组成化学键或官能团的原子处于不断振动或转动的状态，这种振动频率或转动的频率与红外光的振动频率接近。使用红外光照射分子，分子中的化学键或官能团可能发生振动吸收，不同的化学键或官能团吸收频率不同，这些频率又与照射的红外光谱图频率对应，对红外光的吸收情况做测量，可以得到分子中含有何种化学键或官能团的信息。
具体的，利用可以发出红外光线的红外光谱仪对待测车辆有效部件的漆膜进行检测，通过采集漆膜反射的光线可以确定相应的红外光谱数据。此外，车辆的某个有效部件需要修复时，为了保证该有效部件的美观，需要对该有效部件整体进行修复，即该有效部件的每个位置均会被修复，该有效部件的每个位置均会存在修复时涂覆的物质(比如某种油漆)；由于红外光谱技术可以表征物质的成分，即可以检测漆膜的分子成分，故在有效部件上选取任意一个位置(或者少量位置)进行红外光谱检测即可确定有效部件漆膜的成分，不需要大量取点，从而可以简化取点的过程，极大提高效率。
可选的，由于在实际采集过程中可能存在干扰因素，比如空气中的粉尘、甚至空气本身包含的气体等，在采集到数据后需要减弱或消除干扰因素的影响。本实施例中，步骤101“确定待测车辆每个有效部件的红外光谱数据”具体包括：确定进行红外光谱检测时采集到的红外光谱原始数据，对红外光谱原始数据进行预处理，去除非目标物质的光谱信息；将预处理后的红外光谱原始数据作为最终确定的红外光谱数据。
本实施例中，将该干扰因素作为除漆膜之外的非目标物质，去除红外光谱原始数据中非目标物质的光谱信息，可以净化光谱数据，使得最终获取到的红外光谱数据更能准确表征待测车辆每个有效部件的漆膜成分。
步骤102：根据红外光谱数据确定有效部件对红外光线的吸收程度。
本发明实施例中，红外光谱数据为基于红外光谱技术对漆膜进行红外光谱检测所采集到的数据，该红外光谱数据可以表示有效部件的漆膜对红外光线的吸收程度。具体的，由于组成分子的各种基团都有自己特定的红外特征吸收峰，二汽车车身的漆膜是由底漆、中涂、面漆、清漆等涂层构成，构成每种涂层的化学成分一般不同，且在不同的车型间也会存在很大差异；故，漆膜的红外光谱数据中也包含多个吸收峰，每个吸收峰表示漆膜中的某个基团吸收相应波长或波段的红外光线。例如，红外光谱数据在波长1700nm和2500nm处均有吸收峰，则说明漆膜中存在吸收1700nm波长光线的基团和吸收2500nm波长光线的基团。其中，由于本实施例提供的方案主要用于判断待测车辆是否被修复过，故可以不关注红外光谱数据中的吸收峰具体对应哪种基团。红外光谱数据对应的吸收程度越高，说明该漆膜中的成分对红外光线的吸收能力越强，一般红外光谱数据中具有较多的吸收峰，或者吸收峰具有较大的峰值。
步骤103：对所有有效部件对应的吸收程度进行统计，确定吸收程度差值，在吸收程度差值大于预设差值时确定待测车辆为被修复车辆。
本发明实施例中，每个有效部件的吸收程度可以一定程度上表示该有效部件的漆膜中的成分。具体的，若两个有效部件的吸收程度不同，则说明两个有效部件漆膜的成分不同；若两个有效部件的吸收程度相差较大，则说明两个有效部件漆膜的成分相差较大。本实施例中通过对吸收程度进行统计可以确定有效部件的吸收程度之间的差异，即吸收程度差值；若该吸收程度差值较大，则说明待测车辆的某个有效部件或某些有效部件的漆膜成分与其他有效部件的漆膜成分不同，此时即可表明该待测车辆曾经被修复过。其中，该预设差值可以是统计未被修复的车辆的吸收程度与曾被修复的车辆的吸收程度之间的差值后所确定的数值，该预设差值也可以是经验值，本实施例对此不做限定。
该方法不需要预先得知待测车辆在被修复之前的原始红外光谱数据，或者待测车辆所属车型的标准红外光谱数据，通过每个有效部件的吸收程度所确定的吸收程度差值即可判断该待测车辆是否被修复过。
本发明实施例提供的漆膜检测的方法，基于红外光谱技术确定车辆每个有效部件的红外光谱数据，基于红外光谱数据表征的吸收程度来确定车辆是否被修复过。该方式不需要大量取点即可准确确定每个有效部件的红外光谱数据，可以简化取点的过程，极大提高了采样的效率；同时，通过每个有效部件的吸收程度确定吸收程度差值，进而即可判断该待测车辆是否被修复过，判断效率高。
在上述实施例的基础上，参见图2所示，上述步骤102“根据红外光谱数据确定有效部件对红外光线的吸收程度”包括：
步骤1021：确定有效部件的红外光谱数据中的吸收峰。
本发明实施例中，红外光谱数据具体可以表示为红外光谱图，例如，红外光谱图以波长为横坐标，以透光率、吸光度或吸收强度为纵坐标。吸收峰即对应吸收率或吸收强度较高的位置。
步骤1022：对吸收峰进行积分处理，将积分结果作为吸收峰的吸收度。
本发明实施例中，将吸收峰的积分结果作为相应的吸收度。例如，吸收峰对应的横轴区间为1700nm到1800nm，则在该横轴区间内对红外光谱数据进行积分即可确定相应的积分结果，即吸收度。在红外光谱图中即表示谱线在1700nm到1800nm区间范围内围成图形(近似于三角形)的面积。
步骤1023：将红外光谱数据中预设数量的吸收峰的吸收度之和作为有效部件对红外光线的吸收程度。
由于本实施例中主要是判断所有有效部件的红外光谱数据中是否存在不同的红外光谱数据，即不需要必须确定红外观光谱数据中吸收峰的数量、以及每个吸收峰对应的频带。本发明实施例中将红外光谱数据预设数量的吸收峰的吸收度之和作为该红外光谱数据对应的吸收程度，即相应有效部件对红外光线的吸收程度。例如，车前盖对应的红外光谱数据中包含10个吸收峰，10个吸收峰的吸收度依次是p1,p2,…,p10，则该车前盖的吸收程度即为p1+p2+…+p10。其中，该预设数量可以预先设置，具体根据实际情况而定；或者，也可以把红外光谱数据中所有的吸收峰的吸收度之和作为有效部件对红外光线的吸收程度。
本实施例中将吸收峰的积分结果作为吸收度，不需要对红外光谱数据进行平滑滤波，即使红外光谱数据中含有毛刺也可以比较正确地确定吸收度。此外，将所有吸收峰的积分结果之和作为红外光谱数据的吸收程度，不需要对红外光谱数据进行精细化处理，该吸收程度即可一定程度上表征有效部件的成分，实践表明通过吸收程度足以区分具有不同漆膜的有效部件，即可区分正常的有效部件(即从未被修复的部件)和被修复的部件。
在上述实施例的基础上，上述步骤103中“对所有有效部件对应的吸收程度进行统计”具体包括归一化处理的过程，该过程具体包括：对所有有效部件对应的吸收程度进行归一化处理，之后对归一化处理后的吸收程度进行统计。
在本发明实施例中，上述“对所有有效部件对应的吸收程度进行归一化处理”包括：
步骤A1：确定所有有效部件对应的吸收程度之和A，且其中，ai表示第i个有效部件对应的吸收程度，m表示待测车辆的有效部件数量。
步骤A2：确定每个有效部件归一化处理后的吸收程度
具体的，在确定每个有效部件的吸收程度ai后，即可对该吸收程度进行归一化处理。本实施例中以比例形式表示归一化处理后的吸收程度，即将吸收程度进行归一化，可以使得所有待测车辆的吸收程度均在同一个范围内，可以简化计算，且方便统一设置步骤103中与吸收程度对应的预设差值。
在上述实施例的基础上，可以采用多种方式确定吸收程度差值。本发明实施例中，吸收程度差值用于表示同一个待测车辆不同有效部件的红外光谱数据的差异性，该差异性越大，说明该待测车辆的某个有效部件与其他有效部件的红外光谱数据之间的差异越大，越说明该待测车辆可能是被修复过的。例如，现采集到待测车辆三个有效部件A、B、C的红外光谱数据，并分别确定了有效部件A、B、C的吸收程度，若有效部件A与有效部件B的吸收程度相近，但与有效部件C的吸收程度相差较大，则说明有效部件C可能是被修复的，或者有效部件A和有效部件B是被修复的。
具体的，步骤103“确定吸收程度差值”包括：
步骤B1：确定所有吸收程度中的最大吸收程度和最小吸收程度，并将最大吸收程度与最小吸收程度之间的差值作为吸收程度差值。
本发明实施例中，最大吸收程度与最小吸收程度之间的差值可以表示该待测车辆的红外光谱数据的宽度范围；若该差值过大，则说明至少存在一个有效部件的红外光谱数据是与其他有效部件的红外光谱数据是不同的；相反的，若差值较小，则说明所有的红外光谱数据均基本近似，由于现实生活中几乎不可能同时对车辆的所有有效部件进行修复，故在差值较小时可以认为该待测车辆没有被修复过，即是没有发生过交通事故的车辆。
或者，步骤103“确定吸收程度差值”包括：
步骤B2：确定所有吸收程度的平均值，将吸收程度与平均值之间的最大差值作为吸收程度差值。
与上述步骤B1的原理类似，步骤B2中也是以两个吸收程度的差值作为判断标准。具体的，首先确定吸收程度的平均值，之后确定待测车辆每个有效部件的吸收程度与平均值之间的差值，并将所有差值中的最大差值作为该吸收程度差值，即将最大差值作为后续的判断标准。同样的，若该最大差值过大，则说明至少存在一个有效部件的红外光谱数据是与其他有效部件的红外光谱数据是不同的；相反的，若该最大差值较小，则说明所有的红外光谱数据均基本近似，此时可以认为该待测车辆没有被修复过，即是没有发生过交通事故的车辆。
或者，步骤103“确定吸收程度差值”包括：
步骤B3：将所有吸收程度的方差或标准差作为吸收程度差值。
本发明实施例中，可直接统计得到所有吸收程度的方差或标准差，并将该方差或标准差作为吸收程度差值。由于方差或标准差也可以表示样本的离散程度或偏离程度，即也可以作为判断标准。具体的，若方差或标准差较大，则说明至少存在一个有效部件的红外光谱数据是与其他有效部件的红外光谱数据是不同的；相反的，若方差或标准差较小，则说明所有的红外光谱数据均基本近似，此时可以认为该待测车辆没有被修复过，即是没有发生过交通事故的车辆
本实施例中将吸收程度差值作为后续的判断标准，可以简单准确地确定待测车辆是否被修复过。
在上述实施例的基础上，本发明实施例不仅可以确定待测车辆是否是被修复过的，通过与红外光谱标准数据进行对比可以进一步确定待测车辆的哪一有效部件是被修复过的。具体的，参见图3所示，在步骤103“确定待测车辆为被修复车辆”之后，该方法还包括：
步骤104：确定待测车辆的红外光谱标准数据，并分别确定待测车辆每个有效部件的红外光谱数据与红外光谱标准数据之间的误差。
本发明实施例中，红外光谱标准数据为预先确定的，该红外光谱标准数据具体可以为与该待测车辆同一车型的新车的红外光谱数据。在确定该红外光谱标准数据之后，即可确定每个有效部件的红外光谱数据与红外光谱标准数据之间的误差。具体的，由于新车的每个有效部件的红外光谱数据几乎相同，故可以只确定唯一的红外光谱标准数据即可；当然，也可以为待测车辆的每个有效部件均设置红外光谱标准数据，此处不做限定。
其中，在确定待测车辆的红外光谱数据与红外光谱标准数据之间的误差时，也可计算红外光谱数据表示的吸收程度与红外光谱标准数据表示的吸收程度之间的差值，将该差值作为红外光谱数据与红外光谱标准数据之间的误差。
步骤105：将误差大于预设误差值所对应的有效部件作为被修复部件。
本发明实施例中，若误差大于预设的误差值时，则说明该红外光谱数据与红外光谱标准数据之间的差异较大，即相应的有效部件与新车的漆膜之间的差异较大，此时可以说明该有效部件即为被修复的部件；反至，则说明该有效部件未被修复过。
如上所述，若不确定红外光谱标准数据，则只能确定待测车辆是否被修复过，但不能确定具体哪个有效部件被修复过。例如，现采集到待测车辆三个有效部件A、B、C的红外光谱数据，并分别确定了有效部件A、B、C的吸收程度，若有效部件A与有效部件B的吸收程度相近，但与有效部件C的吸收程度相差较大，则说明有效部件C可能是被修复的，或者有效部件A和有效部件B是被修复的，但不能准确判断哪个有效部件被修复。本发明实施例中通过预先确定的红外光谱标准数据与待测车辆每个有效部件的红外光谱数据进行对比，从而可以准确确定哪个有效部件是被修复的。
本发明实施例提供的漆膜检测的方法，基于红外光谱技术确定车辆每个有效部件的红外光谱数据，基于红外光谱数据表征的吸收程度来确定车辆是否被修复过。该方式不需要大量取点即可准确确定每个有效部件的红外光谱数据，可以简化取点的过程，极大提高了采样的效率；同时，通过每个有效部件的吸收程度确定吸收程度差值，进而即可判断该待测车辆是否被修复过，判断效率高。将吸收峰的积分结果作为吸收度，可以准确确定每个吸收峰的吸收度；且将所有吸收峰的积分结果之和作为红外光谱数据的吸收程度，不需要对红外光谱数据进行精细化处理，即可准确区分正常的部件和被修复的部件。将吸收程度进行归一化，可以使得所有待测车辆的吸收程度均在同一个范围内，可以简化计算，且方便统一设置预设差值。
以上详细介绍了漆膜检测的方法流程，该方法也可以通过相应的装置实现，下面详细介绍该装置的结构和功能。
本发明实施例提供的一种漆膜检测的装置，参见图4所示，包括：
光谱数据确定模块41，用于在待测车辆中选取多个部件作为有效部件，并确定所述待测车辆每个有效部件的红外光谱数据，所述红外光谱数据为利用红外光线分别对所述待测车辆每个有效部件的漆膜进行红外光谱检测后确定的数据；
吸收程度确定模块42，用于根据所述红外光谱数据确定所述有效部件对红外光线的吸收程度；
统计处理模块43，用于对所有所述有效部件对应的吸收程度进行统计，确定吸收程度差值，在所述吸收程度差值大于预设差值时确定所述待测车辆为被修复车辆。
在上述实施例的基础上，所述吸收程度确定模块42包括：
积分处理单元，用于确定所述有效部件的所述红外光谱数据中的吸收峰；对所述吸收峰进行积分处理，将积分结果作为所述吸收峰的吸收度；
吸收程度确定单元，用于将所述红外光谱数据中预设数量的吸收峰的吸收度之和作为所述有效部件对红外光线的吸收程度。
在上述实施例的基础上，所述统计处理模块43对所有所述有效部件对应的吸收程度进行统计具体包括：
对所有所述有效部件对应的吸收程度进行归一化处理，之后对归一化处理后的吸收程度进行统计。
在上述实施例的基础上，所述统计处理模块43对所有所述有效部件对应的吸收程度进行归一化处理包括：
确定所有所述有效部件对应的吸收程度之和A，且其中，ai表示第i个有效部件对应的吸收程度，m表示所述待测车辆的有效部件数量；
确定每个所述有效部件归一化处理后的吸收程度ri，且
在上述实施例的基础上，所述统计处理模块43确定吸收程度差值包括：
确定所有所述吸收程度中的最大吸收程度和最小吸收程度，并将所述最大吸收程度与所述最小吸收程度之间的差值作为吸收程度差值；
或者，确定所有所述吸收程度的平均值，将所述吸收程度与所述平均值之间的最大差值作为吸收程度差值；
或者，将所有所述吸收程度的方差或标准差作为吸收程度差值。
在上述实施例的基础上，该装置还包括有效部件确定模块；
在所述统计处理模块43确定所述待测车辆为被修复车辆之后，所述有效部件确定模块用于：
确定所述待测车辆的红外光谱标准数据，并分别确定所述待测车辆每个有效部件的红外光谱数据与所述红外光谱标准数据之间的误差；将误差大于预设误差值所对应的有效部件作为被修复有效部件。
在上述实施例的基础上，所述光谱数据确定模块41具体用于：
确定进行红外光谱检测时采集到的红外光谱原始数据，对所述红外光谱原始数据进行预处理，去除非目标物质的光谱信息；将预处理后的红外光谱原始数据作为最终确定的红外光谱数据。
本发明实施例提供的漆膜检测的装置，基于红外光谱技术确定车辆每个有效部件的红外光谱数据，基于红外光谱数据表征的吸收程度来确定车辆是否被修复过。该方式不需要大量取点即可准确确定每个有效部件的红外光谱数据，可以简化取点的过程，极大提高了采样的效率；同时，通过每个有效部件的吸收程度确定吸收程度差值，进而即可判断该待测车辆是否被修复过，判断效率高。将吸收峰的积分结果作为吸收度，可以准确确定每个吸收峰的吸收度；且将所有吸收峰的积分结果之和作为红外光谱数据的吸收程度，不需要对红外光谱数据进行精细化处理，即可准确区分正常的有效部件和被修复的有效部件。将吸收程度进行归一化，可以使得所有待测车辆的吸收程度均在同一个范围内，可以简化计算，且方便统一设置预设差值。通过预先确定的红外光谱标准数据与待测车辆每个有效部件的红外光谱数据进行对比，从而可以准确确定哪个有效部件是被修复的。
本发明实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，其包含用于执行上述的漆膜检测的方法的程序，该计算机可执行指令可执行上述任意方法实施例中的方法。
其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
图5示出了本发明的另一个实施例的一种电子设备的结构框图。所述电子设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对电子设备的具体实现做限定。
该电子设备1100包括至少一个处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory array)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网元通信，其中网元包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或者是专用集成电路ASIC(Application Specific IntegratedCircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于可执行的指令。存储器1130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行，以使处理器1110能够执行上述任意方法实施例中的漆膜检测的方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种漆膜检测的方法，其特征在于，包括：
在待测车辆中选取多个部件作为有效部件，并确定所述待测车辆每个有效部件的红外光谱数据，所述红外光谱数据为利用红外光线分别对所述待测车辆每个有效部件的漆膜进行红外光谱检测后确定的数据；
根据所述红外光谱数据确定所述有效部件对红外光线的吸收程度；
对所有所述有效部件对应的吸收程度进行统计，确定吸收程度差值，在所述吸收程度差值大于预设差值时确定所述待测车辆为被修复车辆。
2.根据权利要求1所述的方法，其特征在于，所述根据所述红外光谱数据确定所述有效部件对红外光线的吸收程度包括：
确定所述有效部件的所述红外光谱数据中的吸收峰；
对所述吸收峰进行积分处理，将积分结果作为所述吸收峰的吸收度；
将所述红外光谱数据中预设数量的吸收峰的吸收度之和作为所述有效部件对红外光线的吸收程度。
3.根据权利要求1所述的方法，其特征在于，所述对所有所述有效部件对应的吸收程度进行统计包括：
对所有所述有效部件对应的吸收程度进行归一化处理，之后对归一化处理后的吸收程度进行统计。
4.根据权利要求3所述的方法，其特征在于，所述对所有所述有效部件对应的吸收程度进行归一化处理包括：
确定所有所述有效部件对应的吸收程度之和A，且其中，ai表示第i个有效部件对应的吸收程度，m表示所述待测车辆的有效部件数量；
确定每个所述有效部件归一化处理后的吸收程度ri，且
5.根据权利要求1所述的方法，其特征在于，所述确定吸收程度差值包括：
确定所有所述吸收程度中的最大吸收程度和最小吸收程度，并将所述最大吸收程度与所述最小吸收程度之间的差值作为吸收程度差值；
或者，确定所有所述吸收程度的平均值，将所述吸收程度与所述平均值之间的最大差值作为吸收程度差值；
或者，将所有所述吸收程度的方差或标准差作为吸收程度差值。
6.根据权利要求1所述的方法，其特征在于，在所述确定所述待测车辆为被修复车辆之后，还包括：
确定所述待测车辆的红外光谱标准数据，并分别确定所述待测车辆每个有效部件的红外光谱数据与所述红外光谱标准数据之间的误差；
将误差大于预设误差值所对应的有效部件作为被修复部件。
7.根据权利要求1-6任意一项所述的方法，其特征在于，所述确定待测车辆每个有效部件的红外光谱数据包括：
确定进行红外光谱检测时采集到的红外光谱原始数据，对所述红外光谱原始数据进行预处理，去除非目标物质的光谱信息；将预处理后的红外光谱原始数据作为最终确定的红外光谱数据。
8.一种漆膜检测的装置，其特征在于，包括：
光谱数据确定模块，用于在待测车辆中选取多个部件作为有效部件，并确定所述待测车辆每个有效部件的红外光谱数据，所述红外光谱数据为利用红外光线分别对所述待测车辆每个有效部件的漆膜进行红外光谱检测后确定的数据；
吸收程度确定模块，用于根据所述红外光谱数据确定所述有效部件对红外光线的吸收程度；
统计处理模块，用于对所有所述有效部件对应的吸收程度进行统计，确定吸收程度差值，在所述吸收程度差值大于预设差值时确定所述待测车辆为被修复车辆。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1-7任意一项所述的漆膜检测的方法。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
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权利要求1-7任意一项所述的漆膜检测的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910409272.XA CN110136121A (zh) | 2019-05-16 | 2019-05-16 | 一种漆膜检测的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910409272.XA CN110136121A (zh) | 2019-05-16 | 2019-05-16 | 一种漆膜检测的方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110136121A true CN110136121A (zh) | 2019-08-16 |
Family
ID=67574739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910409272.XA Pending CN110136121A (zh) | 2019-05-16 | 2019-05-16 | 一种漆膜检测的方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110136121A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111521142A (zh) * | 2020-04-10 | 2020-08-11 | 金瓜子科技发展（北京）有限公司 | 漆面厚度的测量方法、装置及漆膜仪 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105588516A (zh) * | 2016-02-23 | 2016-05-18 | 天津大学 | 一种基于太赫兹脉冲光谱的漆膜厚度测量方法 |
| CN107007260A (zh) * | 2017-03-30 | 2017-08-04 | 展谱光电科技（上海）有限公司 | 一种摄像装置以及便携式多光谱摄像和显示设备 |
| CN109556651A (zh) * | 2017-09-25 | 2019-04-02 | 上海宝钢工业技术服务有限公司 | 彩涂板色差光泽和涂层膜厚检测仪及检测方法 |
| CN109612939A (zh) * | 2019-01-24 | 2019-04-12 | 中国科学院长春光学精密机械与物理研究所 | 基于红外吸收光谱的食品劣变程度检测系统及检测方法 |
| CN109752342A (zh) * | 2019-03-14 | 2019-05-14 | 西派特（北京）科技有限公司 | 基于近红外光谱的汽车车身油漆对比方法 |
-
2019
- 2019-05-16 CN CN201910409272.XA patent/CN110136121A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105588516A (zh) * | 2016-02-23 | 2016-05-18 | 天津大学 | 一种基于太赫兹脉冲光谱的漆膜厚度测量方法 |
| CN107007260A (zh) * | 2017-03-30 | 2017-08-04 | 展谱光电科技（上海）有限公司 | 一种摄像装置以及便携式多光谱摄像和显示设备 |
| CN109556651A (zh) * | 2017-09-25 | 2019-04-02 | 上海宝钢工业技术服务有限公司 | 彩涂板色差光泽和涂层膜厚检测仪及检测方法 |
| CN109612939A (zh) * | 2019-01-24 | 2019-04-12 | 中国科学院长春光学精密机械与物理研究所 | 基于红外吸收光谱的食品劣变程度检测系统及检测方法 |
| CN109752342A (zh) * | 2019-03-14 | 2019-05-14 | 西派特（北京）科技有限公司 | 基于近红外光谱的汽车车身油漆对比方法 |
Non-Patent Citations (5)
| Title |
|---|
| 徐志洁，李倩，冯志勇主编: "《新编大学物理实验 第1册》", 31 May 2018, 哈尔滨工程大学出版社 * |
| 柴智勇 等: "红外光谱法在车身涂膜鉴定中的应用研究", 《涂料工业》 * |
| 祖恩东: "《宝石材料分析方法》", 30 September 2017, 中国地质大学出版社 * |
| 赵鹏程 等: "红外光谱法检验汽车油漆成膜物质的研究", 《中国刑警学院学报》 * |
| 陈涛 等: "汽车车身油漆红外光谱特征", 《光谱学与光谱分析》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111521142A (zh) * | 2020-04-10 | 2020-08-11 | 金瓜子科技发展（北京）有限公司 | 漆面厚度的测量方法、装置及漆膜仪 |
| CN111521142B (zh) * | 2020-04-10 | 2022-02-01 | 金瓜子科技发展（北京）有限公司 | 漆面厚度的测量方法、装置及漆膜仪 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104062258B (zh) | 一种采用近红外光谱快速测定复方阿胶浆中可溶性固形物的方法 | |
| US7126678B2 (en) | Polarized lightwave reflectometry method (POTDR) | |
| JP3071085B2 (ja) | クロマトグラム解析表示方法及びその装置 | |
| CN110887800B (zh) | 一种用于光谱法水质在线监测系统的数据校准方法 | |
| CN107520740A (zh) | 一种化学机械抛光中光谱终点的检测方法、装置及系统 | |
| CN107037001A (zh) | 一种基于近红外光谱技术的玉米单倍体籽粒鉴别方法 | |
| CN103983584A (zh) | 一种内陆二类水体叶绿素a浓度的反演方法及装置 | |
| CN113071509B (zh) | 一种智能车车轮转角传感器故障检测方法 | |
| CN110136121A (zh) | 一种漆膜检测的方法、装置、存储介质及电子设备 | |
| CN109991181B (zh) | 自适应表面吸收光谱分析方法、系统、存储介质、设备 | |
| CN108318442B (zh) | 一种适用于中药混悬体系的检测方法 | |
| CN109709062A (zh) | 一种物质识别方法、装置和计算机可读存储介质 | |
| CN114781245B (zh) | 基于油耗强相关参数修正的瞬态汽车油耗估计方法及系统 | |
| CN110987866A (zh) | 一种汽油性质评价方法及装置 | |
| Mato-Méndez et al. | Blind separation to improve classification of traffic noise | |
| CN110399683B (zh) | 基于频域幅值谱相似性滤波技术的桥梁冲击系数提取方法 | |
| CN118322053A (zh) | 钢轨打磨过程中砂带磨损状态检测方法与装置 | |
| CN115034821A (zh) | 一种车辆估值方法、装置、计算机设备及存储介质 | |
| CN113252641B (zh) | 一种拉曼光谱下基于残差分析的物质鉴别方法 | |
| CN111832442B (zh) | 从海量桥梁动态应变数据中自动化分离温度应变成分的方法 | |
| CN113874707A (zh) | 用于确定气溶胶的粒径分布的方法和气溶胶测量设备 | |
| CN116992240B (zh) | 一种车辆排放远程评估方法、设备和存储介质 | |
| CN116503081A (zh) | 二手车价值评估方法、装置、设备及存储介质 | |
| CN113361610B (zh) | 葡萄酒产地智能识别方法及系统 | |
| CN109086908A (zh) | 车辆寿命确定方法及装置、计算机可读存储介质、终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |
|
| RJ01 | Rejection of invention patent application after publication |