CN110503067B - 汽车漆面伤痕检测用装置 - Google Patents
汽车漆面伤痕检测用装置 Download PDFInfo
- Publication number
- CN110503067B CN110503067B CN201910803725.7A CN201910803725A CN110503067B CN 110503067 B CN110503067 B CN 110503067B CN 201910803725 A CN201910803725 A CN 201910803725A CN 110503067 B CN110503067 B CN 110503067B
- Authority
- CN
- China
- Prior art keywords
- automobile paint
- paint surface
- scar
- data
- characteristic
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供一种汽车漆面伤痕检测用装置,该装置包括支撑外框,所述支撑外框下部设有若干个伸缩杆,所述伸缩杆排列为两行并且平行相对设置;两行伸缩杆之间设置一个车道,每个伸缩杆上均设有一个摄像头,部分伸缩杆上设有位移传感器;支撑外框内侧设有扬声器,支撑外框外侧设有主机,所述位移传感器与摄像头分别与主机电性连接,主机与扬声器电性连接;本发明可以快速有效判断汽车漆面伤痕的类型及时间。
Description
技术领域
本发明属于汽车检修领域装置,具体涉及一种汽车漆面伤痕检测用装置。
背景技术
汽车漆面伤痕的检测主要是对汽车漆面伤痕的类型及时间判断,传统技术中,汽车漆面伤痕的类型及时间判断往往需要人眼识别及个人判断,上述的判断方式中,简单依靠经验判断并不能准确可靠,并且有时候人为判断的时间还很长,所以汽车漆面的定损时间也比较长,有时候需要定损的车主等的时间很久;现有技术中也没有一种有效直接的设备可以用于汽车漆面伤痕的类型及时间判断。
发明内容
现有技术中汽车漆面伤痕的类型及时间判断是根据人眼识别及个人判断,结果不精确。为了克服现有的技术存在的不足,本发明提供一种汽车漆面伤痕检测用装置,该装置可以快速有效判断汽车漆面伤痕的类型及时间。
本发明解决其技术问题所采用的技术方案是:
一种汽车漆面伤痕检测用装置,包括支撑外框,所述支撑外框下部设有若干个伸缩杆,所述伸缩杆排列为两行并且平行相对设置;两行伸缩杆之间设置一个车道,每个伸缩杆上均设有一个摄像头,部分伸缩杆上设有位移传感器;支撑外框内侧设有扬声器,支撑外框外侧设有主机,所述位移传感器与摄像头分别与主机电性连接,主机与扬声器电性连接;所述的主机包括汽车漆面伤痕照片识别数据库、数据库构造单元、数据识别单元、数据优化单元,其中的汽车漆面伤痕照片识别数据库、数据库构造单元、数据识别单元、数据优化单元相互连接;数据库构造单元,用于构建汽车漆面伤痕照片识别数据库;
数据识别单元,用于识别实时汽车漆面伤痕的特征聚类重要特征和属别特征;
数据优化单元,用于根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库。
进一步,所述的构建汽车漆面伤痕照片识别数据库包括,将多个汽车漆面伤痕照片的元素特征拆分为众多的子特征;对每个子特征进行聚类,得到每个子特征聚类重要特征和属别特征;根据聚类重要特征和属别特征,构建汽车漆面伤痕识别数据库。
进一步,所述的每个子特征聚类重要特征是指判断汽车漆面伤痕类型、时间的直接特点,所述的属别特征是指的某一时间或类型的汽车漆面伤痕所具有的特点,聚类重要特征和属别特征逻辑相反,聚类重要特征用于根据数据的特征进行数据判断,属别特征是学习到的数据特征。
进一步,所述的识别实时汽车漆面伤痕的特征聚类重要特征和属别特征包括,
获取待识的实时汽车漆面伤痕照片;
提取实时汽车漆面伤痕照片的特征;
根据汽车漆面伤痕照片中的的特征计算其与每个子特征聚类重要特征和属别特征的相关系数,将相关系数大于阈值的一组或一个汽车漆面伤痕照片标记为对应的特征聚类重要特征和属别特征。
进一步,所述的根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库包括,
获取多个摄像头采集和识别汽车漆面伤痕照片,采集每个摄像头的权重属值,权重属值包括拍摄所述汽车漆面伤痕照片的摄像头的自身性能、光照环境、照片清晰度;基于权重属值给每个摄像头设置权重,将每个摄像头识别汽车漆面伤痕照片的识别结果乘以对应的权重后得到每个摄像头的汽车漆面伤痕照片的识别结果排序参数,使得权重较高的摄像头的汽车漆面伤痕照片的识别结果排序在前并且被优先处理。
进一步,所述的数据优化单元还应用卷积神经网络模型进行数据的自学学习优化,以提高数据的鲁棒性。
进一步,所述的支撑外框顶部设置喷水头,所述喷水头通过管道和水泵连通。
进一步,所述的摄像头为全空间云台摄像头,相应的主机内设置控制程序。
进一步,所述的主机为PC机系统。
有益效果
本申请提供一种可以快速有效判断汽车漆面伤痕的类型及时间的装置,大大提高了汽车漆面检测的效率;可以直接识别漆面伤痕,并且可以最快的分析出来待识别的伤痕是何种类型的伤痕,甚至是什么原因造成的伤痕。本申请还可以识别出伤痕的形成时间,为车辆定损提供依据。本申请在相关领域具有独创性,还可以为后续产品开发提供技术基础。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本申请实施例结构图;
图2是本申请实施例结构图并具体是图1的俯视图;
图3是本申请实施例的电路原理图;
图4是本申请实施例主机的框架图。
具体实施方式
一种汽车漆面伤痕检测用装置,如图1-3所示,本申请的一个实施例包括支撑外框1,所述支撑外框1下部设有若干个伸缩杆2,所述伸缩杆2排列为两行并且平行相对设置;两行伸缩杆2之间设置一个车道,每个伸缩杆2上均设有一个摄像头3,部分伸缩杆2上设有位移传感器4;支撑外框1内侧设有扬声器5,支撑外框1外侧设有主机6,所述位移传感器4与摄像头3分别与主机6电性连接,主机6与扬声器5电性连接;如图4,所述的主机6包括汽车漆面伤痕照片识别数据库、数据库构造单元、数据识别单元、数据优化单元,其中的汽车漆面伤痕照片识别数据库、数据库构造单元、数据识别单元、数据优化单元相互连接;
数据库构造单元,用于构建汽车漆面伤痕照片识别数据库;
数据识别单元,用于识别实时汽车漆面伤痕的特征聚类重要特征和属别特征;
数据优化单元,用于根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库。
具体实施中,将汽车开进支撑外框1下面进行检测,其中的位移传感器4用于获取待检测车的具体位置信息,并且在汽车位置不对时通过扬声器5提供修正提示,所以实施中,主机6内设置修正判别的程序,实施中修正汽车位置是便于摄像头3采集汽车漆面的照片数据,首先数据库构造单元构建汽车漆面伤痕照片识别数据库,之后数据识别单元根据摄像头提供的伤痕照片识别实时汽车漆面伤痕的特征聚类重要特征和属别特征,判断伤痕的类型和时间,并且通过扬声器5播放识别的结果,其中的数据优化单元根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库。
所述的构建汽车漆面伤痕照片识别数据库包括,将多个汽车漆面伤痕照片的元素特征拆分为众多的子特征;对每个子特征进行聚类,得到每个子特征聚类重要特征和属别特征;根据聚类重要特征和属别特征,构建汽车漆面伤痕识别数据库。所述的每个子特征聚类重要特征是指判断汽车漆面伤痕类型、时间的直接特点,所述的属别特征是指的某一时间或类型的汽车漆面伤痕所具有的特点,聚类重要特征和属别特征逻辑相反,聚类重要特征用于根据数据的特征进行数据判断,属别特征是学习到的数据特征。具体实施中,在照片数据的处理中首先构建汽车漆面伤痕照片识别数据库,在数据的识别过程中既可以对实时数据进行识别也可以丰富汽车漆面伤痕照片识别数据库,并且在丰富汽车漆面伤痕照片识别数据库或识别数据中,先对数据进行学习,属别特征是学习到的数据特征,然后利用学习的数据特征中找到聚类重要特征,聚类重要特征是特征的核心,聚类重要特征是指判断汽车漆面伤痕类型、时间的直接特点,通过扫描待检测的伤痕照片中的是否具有聚类重要特征就可以直接识别伤痕的类型和时间。
所述的识别实时汽车漆面伤痕的特征聚类重要特征和属别特征包括,获取待识的实时汽车漆面伤痕照片;提取实时汽车漆面伤痕照片的特征;根据汽车漆面伤痕照片中的的特征计算其与每个子特征聚类重要特征和属别特征的相关系数,将相关系数大于阈值的一组或一个汽车漆面伤痕照片标记为对应的特征聚类重要特征和属别特征。
所述的根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库包括,
获取多个摄像头3采集和识别汽车漆面伤痕照片,采集每个摄像头3的权重属值,权重属值包括拍摄所述汽车漆面伤痕照片的摄像头3的自身性能、光照环境、照片清晰度;基于权重属值给每个摄像头3设置权重,将每个摄像头3识别汽车漆面伤痕照片的识别结果乘以对应的权重后得到每个摄像头3的汽车漆面伤痕照片的识别结果排序参数,使得权重较高的摄像头3的汽车漆面伤痕照片的识别结果排序在前并且被优先处理。通过上述的优化方法可以提高数据库的健壮性、稳定性和高效性。
所述的数据优化单元还应用卷积神经网络模型进行数据的自学学习优化,以提高数据的鲁棒性。
所述的支撑外框1顶部设置喷水头7,所述喷水头7通过管道和水泵8连通。通过喷水头7和水泵8可以在汽车检测前对汽车全身清洗,以提高汽车漆面伤痕检测的效果。
所述的摄像头3为全空间云台摄像头,相应的主机6内设置控制程序。全空间云台摄像头具有360度转换的功能,可以有效调整聚焦提高照片的质量。
所述的主机6为PC机系统。PC机系统开发简单,可扩展性强。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明申请范围内或在等同于本发明申请的范围内的改变均被本发明申请包含。
值得说明的是,本发明中公开的上述的部分数据库或单元特征使用了功能性限定描述,功能性限定描述在软件或通信类专利的撰写中属于一种常规的表述,但是其实并不仅限于软件,其中的软件的实现均可以作为其具体实施例,同样其含义也应当包括具有同样功能的硬件设备。
Claims (5)
1.一种汽车漆面伤痕检测用装置,其特征在于,包括支撑外框,所述支撑外框下部设有若干个伸缩杆,所述伸缩杆排列为两行并且平行相对设置;两行伸缩杆之间设置一个车道,每个伸缩杆上均设有一个摄像头,部分伸缩杆上设有位移传感器;支撑外框内侧设有扬声器,支撑外框外侧设有主机,所述位移传感器与摄像头分别与主机电性连接,主机与扬声器电性连接;所述的主机包括汽车漆面伤痕照片识别数据库、数据库构造单元、数据识别单元、数据优化单元,其中的汽车漆面伤痕照片识别数据库、数据库构造单元、数据识别单元、数据优化单元相互连接;数据库构造单元,用于构建汽车漆面伤痕照片识别数据库;数据识别单元,用于识别实时汽车漆面伤痕的特征聚类重要特征和属别特征;数据优化单元,用于根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库;所述的构建汽车漆面伤痕照片识别数据库包括,将多个汽车漆面伤痕照片的元素特征拆分为众多的子特征;对每个子特征进行聚类,得到每个子特征聚类重要特征和属别特征;根据聚类重要特征和属别特征,构建汽车漆面伤痕识别数据库;所述的每个子特征聚类重要特征是指判断汽车漆面伤痕类型、时间的直接特点,所述的属别特征是指的某一时间或类型的汽车漆面伤痕所具有的特点,聚类重要特征和属别特征逻辑相反,聚类重要特征用于根据数据的特征进行数据判断,属别特征是学习到的数据特征;所述的识别实时汽车漆面伤痕的特征聚类重要特征和属别特征包括,获取待识的实时汽车漆面伤痕照片;提取实时汽车漆面伤痕照片的特征;根据汽车漆面伤痕照片中的的特征计算其与每个子特征聚类重要特征和属别特征的相关系数,将相关系数大于阈值的一组或一个汽车漆面伤痕照片标记为对应的特征聚类重要特征和属别特征;所述的根据众多摄像头的照片数据更新优化汽车漆面伤痕照片识别数据库包括,获取多个摄像头采集和识别汽车漆面伤痕照片,采集每个摄像头的权重属值,权重属值包括拍摄所述汽车漆面伤痕照片的摄像头的自身性能、光照环境、照片清晰度;基于权重属值给每个摄像头设置权重,将每个摄像头识别汽车漆面伤痕照片的识别结果乘以对应的权重后得到每个摄像头的汽车漆面伤痕照片的识别结果排序参数,使得权重较高的摄像头的汽车漆面伤痕照片的识别结果排序在前并且被优先处理。
2.根据权利要求1所述的一种汽车漆面伤痕检测用装置,其特征在于,所述的数据优化单元还应用卷积神经网络模型进行数据的自学学习优化,以提高数据的鲁棒性。
3.根据权利要求1所述的一种汽车漆面伤痕检测用装置,其特征在于,所述的支撑外框顶部设置喷水头,所述喷水头通过管道和水泵连通。
4.根据权利要求1所述的一种汽车漆面伤痕检测用装置,其特征在于,所述的摄像头为全空间云台摄像头,相应的主机内设置控制程序。
5.根据权利要求1所述的一种汽车漆面伤痕检测用装置,其特征在于,所述的主机为PC机系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910803725.7A CN110503067B (zh) | 2019-08-28 | 2019-08-28 | 汽车漆面伤痕检测用装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910803725.7A CN110503067B (zh) | 2019-08-28 | 2019-08-28 | 汽车漆面伤痕检测用装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503067A CN110503067A (zh) | 2019-11-26 |
CN110503067B true CN110503067B (zh) | 2022-10-25 |
Family
ID=68590158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910803725.7A Active CN110503067B (zh) | 2019-08-28 | 2019-08-28 | 汽车漆面伤痕检测用装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503067B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184143A (ja) * | 2014-03-25 | 2015-10-22 | 日産自動車株式会社 | 車体塗装面の検査装置および検査方法 |
CN106934345A (zh) * | 2017-01-25 | 2017-07-07 | 上海蔚来汽车有限公司 | 车辆伤痕库及其构建方法、车辆伤痕信息显示方法及系统 |
CN107403424A (zh) * | 2017-04-11 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN108875648A (zh) * | 2018-06-22 | 2018-11-23 | 深源恒际科技有限公司 | 一种基于手机视频流的实时车辆损伤和部件检测的方法 |
-
2019
- 2019-08-28 CN CN201910803725.7A patent/CN110503067B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184143A (ja) * | 2014-03-25 | 2015-10-22 | 日産自動車株式会社 | 車体塗装面の検査装置および検査方法 |
CN106934345A (zh) * | 2017-01-25 | 2017-07-07 | 上海蔚来汽车有限公司 | 车辆伤痕库及其构建方法、车辆伤痕信息显示方法及系统 |
CN107403424A (zh) * | 2017-04-11 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN108875648A (zh) * | 2018-06-22 | 2018-11-23 | 深源恒际科技有限公司 | 一种基于手机视频流的实时车辆损伤和部件检测的方法 |
Non-Patent Citations (2)
Title |
---|
基于汽车检测线的实时网络监控系统;孟庆春等;《微计算机信息》;20100115(第02期);全文 * |
汽车追尾预警系统中的车道识别技术的研究;朱红等;《天津理工学院学报》;20050630(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110503067A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109239102B (zh) | 一种基于cnn的柔性电路板外观缺陷检测方法 | |
CN106960195B (zh) | 一种基于深度学习的人群计数方法及装置 | |
CN111178197B (zh) | 基于Mask R-CNN和Soft-NMS融合的群养粘连猪实例分割方法 | |
CN109101924B (zh) | 一种基于机器学习的路面交通标志识别方法 | |
CN107480585B (zh) | 基于dpm算法的目标检测方法 | |
CN109472226B (zh) | 一种基于深度学习的睡觉行为检测方法 | |
CN102509085A (zh) | 基于轮廓不变矩特征的猪行走姿态识别系统和方法 | |
CN101140216A (zh) | 基于数字图像处理技术的气液两相流流型识别方法 | |
CN113537016B (zh) | 一种道路巡查中道路损伤自动检测预警的方法 | |
CN112907519A (zh) | 一种基于深度学习的金属曲面缺陷分析系统及方法 | |
CN108009574B (zh) | 一种轨道扣件检测方法 | |
CN108509950B (zh) | 基于概率特征加权融合的铁路接触网支柱号牌检测识别法 | |
CN111127417B (zh) | 一种基于sift特征匹配和改进ssd算法的印刷缺陷检测方法 | |
CN111178177A (zh) | 一种基于卷积神经网络的黄瓜病害识别方法 | |
CN111223129A (zh) | 检测方法、检测装置、监控设备和计算机可读存储介质 | |
CN115311507B (zh) | 基于数据处理的建筑板材分类方法 | |
CN115797813B (zh) | 基于航拍图像的水环境污染检测方法 | |
CN113780423A (zh) | 一种基于多尺度融合的单阶段目标检测神经网络及工业品表面缺陷检测模型 | |
CN113313107A (zh) | 一种斜拉桥缆索表面多类型病害智能检测和识别方法 | |
CN116977937A (zh) | 一种行人重识别的方法及系统 | |
CN109993107B (zh) | 一种基于非迭代k均值算法的移动机器人障碍物视觉检测方法 | |
CN111241905A (zh) | 基于改进ssd算法的输电线路鸟窝检测方法 | |
CN110618129A (zh) | 一种电网线夹自动检测与缺陷识别方法及装置 | |
CN110503067B (zh) | 汽车漆面伤痕检测用装置 | |
CN111597939B (zh) | 一种基于深度学习的高铁线路鸟窝缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |