CN113610811B - 汽车仪表盘指示灯测试方法、设备及存储介质 - Google Patents

汽车仪表盘指示灯测试方法、设备及存储介质 Download PDF

Info

Publication number
CN113610811B
CN113610811B CN202110908608.4A CN202110908608A CN113610811B CN 113610811 B CN113610811 B CN 113610811B CN 202110908608 A CN202110908608 A CN 202110908608A CN 113610811 B CN113610811 B CN 113610811B
Authority
CN
China
Prior art keywords
image
test
standard display
display image
state indication
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
Application number
CN202110908608.4A
Other languages
English (en)
Other versions
CN113610811A (zh
Inventor
穆可心
杨威
陈强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Topsec Technology Co Ltd
Beijing Topsec Network Security Technology Co Ltd
Beijing Topsec Software Co Ltd
Original Assignee
Beijing Topsec Technology Co Ltd
Beijing Topsec Network Security Technology Co Ltd
Beijing Topsec Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Topsec Technology Co Ltd, Beijing Topsec Network Security Technology Co Ltd, Beijing Topsec Software Co Ltd filed Critical Beijing Topsec Technology Co Ltd
Priority to CN202110908608.4A priority Critical patent/CN113610811B/zh
Publication of CN113610811A publication Critical patent/CN113610811A/zh
Application granted granted Critical
Publication of CN113610811B publication Critical patent/CN113610811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Instrument Panels (AREA)

Abstract

本申请涉及一种汽车仪表盘指示灯测试方法、设备及存储介质。在本申请的一些实施例中，测试设备响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以及向图像采集设备发送图像采集信号；测试设备将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；测试设备根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果；本申请通过图像检测模型对汽车在当前测试状态下的目标指示灯的状态指示视频进行自动检测，提高测试效率，提高测试结果准确率。

Description

汽车仪表盘指示灯测试方法、设备及存储介质
技术领域
本申请涉及汽车自动化测试技术领域，尤其涉及一种汽车仪表盘指示灯测试方法、设备及存储介质。
背景技术
随着汽车工业的快速发展，人们对汽车仪表盘的依赖程度不断提高，汽车仪表盘已经成为汽车的一个重要组成部件，经历了从数字化到智能化、网络化的发展历程。汽车仪表盘已经不再仅仅是显示车速、发动机转速、油量等基本信息，还能显示大量其他有关汽车的信息。
目前，汽车仪表指示灯的测试采用人工测试，测试效率低，测试结果准确率低。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种测试效率高的汽车仪表盘指示灯测试方法、设备及存储介质。
本申请实施例提供一种汽车仪表盘指示灯测试方法，适用于测试设备，包括：
响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及
向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；
将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；
根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果。
本申请实施例还提供一种汽车仪表盘指示灯测试系统，包括：测试设备，汽车仪表盘和图像采集设备；
所述测试设备，用于响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果；
所述汽车仪表盘，用于在接收到测试设备发送的模拟测试信号后，控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示；
所述图像采集设备，用于在接收到测试设备发送的图像采集信号，对汽车仪表盘进行图像采集，并将采集到状态指示视频发送至测试设备。
本申请实施例还提供一种汽车仪表盘指示灯测试装置，包括：
第一信号发送模块，响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及
第二信号发送模块，向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；
检测模块，将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；
生成模块，用于根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果。
本申请实施例还提供一种汽车仪表盘指示灯测试设备，包括：
处理器；以及
存储程序的存储器。
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述的方法。
本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行上述的方法。
本申请实施例提供的技术方案与现有技术相比具有如下优点：
在本申请的一些实施例中，本申请实施例提供一种汽车仪表盘指示灯测试方法，适用于测试设备，包括：
响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及
向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；
将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；
根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果。
在本申请的一些实施例中，测试设备响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以及向图像采集设备发送图像采集信号，图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；测试设备将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；测试设备根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果；本申请通过图像检测模型对汽车在当前测试状态下的目标指示灯的状态指示视频进行自动检测，提高测试效率，提高测试结果准确率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请示例性实施例提供的一种汽车仪表盘指示灯测试系统的结构示意图；
图2为本申请示例性实施例提供的汽车仪表盘指示灯测试方法的流程示意图；
图3为本申请示例性实施例提供的一种汽车仪表盘指示灯测试装置的结构示意图；
图4为本申请示例性实施例提供的一种测试设备的示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面将对本申请的方案进行进一步描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但本申请还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本申请的一部分实施例，而不是全部的实施例。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本申请示例性实施例提供的一种汽车仪表盘指示灯测试系统10的结构示意图。如图1所示，汽车仪表盘指示灯测试系统10包括车辆的汽车仪表盘10a，测试设备10b和对图像采集设备10c。其中，图像采集设备10c安装于车辆上，图像采集设备10c正对汽车仪表盘 10a以对汽车仪表盘10a进行图像采集。
在本实施例中，测试设备10b与汽车仪表盘10a和图像采集设备 10c可以是无线或者有线连接。可选地，测试设备10b可以采用WIFI、蓝牙、红外等通信方式与汽车仪表盘10a和图像采集设备10c建立通信连接，或者，测试设备10b也可以通过移动网络与汽车仪表盘10a 和图像采集设备10c建立通信连接。其中，移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、 UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。
在本实施例中，测试设备10b包括一电子显示屏，电子显示屏上展示设置界面，用户可以通过设置界面进行测试用例的增加、修改和删除操作。每个测试用例包括生成对目标指示灯进行测试的模拟测试信号的信号生成模块和与目标指示灯对应的标准显示图像，执行测试用例能够生成对目标指示灯进行测试的模拟测试信号。本申请实施例对测试设备10b的类型不作限定，可以为计算机设备或者手持设备，其实现形式可以有多种，例如可以是智能手机，个人电脑，平板电脑和智能音箱等。
在本实施例中，对汽车仪表盘10a包括用于指示汽车处于不同状态下的指示灯，这些指示灯的类型包括但不限于以下几种：发动机故障指示灯，发动机系统故障指示灯，安全气囊警告灯，汽车转弯指示灯以及车钥匙指示灯等。本申请对汽车仪表盘10a的类型不作限定，不同厂商的汽车仪表盘10a根据自身需求进行调整。
在本实施例中，图像采集设备10c为摄像头。为了便于对汽车仪表盘10a的图像进行采集，图像采集设备10c可设置于汽车仪表盘10a 的正上方。本申请对图像采集设备10c的类型不作限定，可以根据实际情况作出调整。
需要说明的是，一种测试用例对应汽车在一种状态下对应的指示灯的指示状态。例如，正常行驶状态下，行驶状态指示灯显示绿灯，左拐弯时，行驶状态指示灯显示闪烁状态等。相应地，标准显示图像根据指示灯的指示状态可以设置一张，也可以设置多张。
在本实施例中，用户可预先配置各测试用例的执行顺序，在一次测试过程中，一次性地对所有待测试的指示灯进行测试；也可以每次仅对一个指示灯进行测试。为了便于说明，以下以利用一种测试用例对目标指示灯进行测试为例进行说明。
在本实施例中，测试设备10b响应于测试开始指令，向汽车仪表盘10a发送模拟测试信号。一种可实现的方式为，测试设备10b响应于测试开始指令，从测试用例库中调用目标测试用例，执行目标测试用例，生成模拟测试信号；向汽车仪表盘10a发送模拟测试信号，以及向图像采集设备10c发送图像采集信号，以供图像采集设备10c根据图像采集信号对汽车仪表盘10a进行图像采集，得到包含目标指示灯的图像的状态指示视频。
汽车仪表盘10a接收到模拟测试信号后，控制汽车仪表盘10a进行汽车当前测试状态的指示，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号。图像采集设备 10c在采集到包含目标指示灯的状态指示视频后，将该状态指示视频发送至测试设备10b。
测试设备10b接收到该状态指示视频后，将状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果。一种可实现的方式为，将状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；在图像检测模型内部，利用图像检测模型的Backbone主干网络对状态指示视频包含的图片进行特征提取操作，得到多个特征图；利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含标准显示图像进行预测，得到状态指示视频是否包含标准显示图像的结果。
在使用图像检测模型之间，首先需要对图像检测模型的训练过程作出说明：
制作训练样本集；
首先，收集标准显示图像样本以及与标准显示图像样本对应的状态指示视频样本，然后，人工标注出状态指示视频样本中包含的标准显示图像，作为训练样本集。此外，还可以对状态指示视频样本包含的图片进行随机裁剪拼接，例如，一张图片生成四张图片，极大丰富训练样本集。
初始模型的搭建。
以yolo子模型，包括顺序排列的Backbone主干网络，Neck网络和Head网络；Backbone主干网络包括Focus结构和CSP结构，用于获取特征图；Neck网络包括FPN结构与PAN结构，用于将多个特征图进行组合，得到组合特征图；Head网络，用于预测状态指示视频样本中是否包含标准显示图像，采用GIOU_Loss做损失函数，使用加权非极大值抑制的方式进行锚框筛选。
利用训练样本集，对初始模型的网络参数进行训练，得到图像检测模型。
将上述收集的状态指示视频样本输入Backbone主干初始网络中，得到多个特征图样本；将多个特征图样本输入Neck初始网络中，得到多个组合特征图样本；根据多个组合特征图样本与标准显示图像样本，确定损失函数；根据损失函数，同时对Backbone主干初始网络、Neck 初始网络和Head初始网络进行训练，得到图像检测模型。
在上述实施例中，测试设备10b根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果。一种可实现的方式为，若状态指示视频包含标准显示图像，生成目标指示灯正常的测试结果；若状态指示视频不包含标准显示图像，生成目标指示灯异常的测试结果。
例如，测试设备10b向汽车仪表盘10a发送发动机故障的模拟测试信号以及向图像采集设备10c发送图像采集信号，汽车仪表盘10a 接收到模拟测试信号后，控制发动机故障指示灯进行红灯指示，图像采集设备10c采集汽车仪表盘10a的图像，得到包含发动机故障指示灯进行红灯指示的状态指示视频。图像采集设备10c将状态指示视频发送至测试设备10b，测试设备10b接收状态指示视频，将状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含发动机故障指示灯进行红灯指示的图像的结果。若状态指示视频包含发动机故障指示灯进行红灯指示的图像，生成目标指示灯正常的测试结果；若状态指示视频不包含发动机故障指示灯进行红灯指示的图像，生成目标指示灯异常的测试结果。
测试设备10b按照上述测试方法，依次执行对所有待测试指示灯的测试，测试过程完毕。测试设备10b还可以将各目标指示灯的测试结果进行存储。
在本申请上述系统实施例中，测试设备响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以及向图像采集设备发送图像采集信号，图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；测试设备将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；测试设备根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果；本申请通过图像检测模型对汽车在当前测试状态下的目标指示灯的状态指示视频进行自动检测，提高测试效率，提高测试结果准确率。
除上述提供的汽车仪表盘指示灯测试系统10之外，本申请一些实施例还提供一种汽车仪表盘指示灯测试方法，本申请所提供的汽车仪表盘指示灯测试方法可应用于上述的汽车仪表盘指示灯测试系统10，但不限于上述实施例提供的汽车仪表盘指示灯测试系统10。
图2为本申请示例性实施例提供的汽车仪表盘指示灯测试方法的流程示意图。如图2所示，该方法包括：
S201：响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；
S202：向图像采集设备发送图像采集信号，以供图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；
S203：将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；
S204：根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果。
在本实施例中，测试设备包括一电子显示屏，电子显示屏上展示设置界面，用户可以通过设置界面进行测试用例的增加、修改和删除操作。每个测试用例包括生成对目标指示灯进行测试的模拟测试信号的信号生成模块和与目标指示灯对应的标准显示图像，执行测试用例能够生成对目标指示灯进行测试的模拟测试信号。本申请实施例对测试设备的类型不作限定，可以为计算机设备或者手持设备，其实现形式可以有多种，例如可以是智能手机，个人电脑，平板电脑和智能音箱等。
在本实施例中，对汽车仪表盘包括用于指示汽车处于不同状态下的指示灯，这些指示灯的类型包括但不限于以下几种：发动机故障指示灯，发动机系统故障指示灯，安全气囊警告灯，汽车转弯指示灯以及车钥匙指示灯等。本申请对汽车仪表盘的类型不作限定，不同厂商的汽车仪表盘根据自身需求进行调整。
在本实施例中，图像采集设备为摄像头。为了便于对汽车仪表盘的图像进行采集，图像采集设备可设置于汽车仪表盘的正上方。本申请对图像采集设备的类型不作限定，可以根据实际情况作出调整。
需要说明的是，一种测试用例对应汽车在一种状态下对应的指示灯的指示状态。例如，正常行驶状态下，行驶状态指示灯显示绿灯，左拐弯时，行驶状态指示灯显示闪烁状态等。相应地，标准显示图像根据指示灯的指示状态可以设置一张，也可以设置多张。
在本实施例中，用户可预先配置各测试用例的执行顺序，在一次测试过程中，一次性地对所有待测试的指示灯进行测试；也可以每次仅对一个指示灯进行测试。为了便于说明，以下以利用一种测试用例对目标指示灯进行测试为例进行说明。
在本实施例中，测试设备响应于测试开始指令，向汽车仪表盘发送模拟测试信号。一种可实现的方式为，测试设备响应于测试开始指令，从测试用例库中调用目标测试用例，执行目标测试用例，生成模拟测试信号；向汽车仪表盘发送模拟测试信号，以及向图像采集设备发送图像采集信号，以供图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频。
汽车仪表盘接收到模拟测试信号后，控制汽车仪表盘进行汽车当前测试状态的指示，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号。图像采集设备在采集到包含目标指示灯的状态指示视频后，将该状态指示视频发送至测试设备。
测试设备接收到该状态指示视频后，将状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果。一种可实现的方式为，将状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；在图像检测模型内部，利用图像检测模型的Backbone主干网络对状态指示视频包含的图片进行特征提取操作，得到多个特征图；利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含标准显示图像进行预测，得到状态指示视频是否包含标准显示图像的结果。
在使用图像检测模型之间，首先需要对图像检测模型的训练过程作出说明：
制作训练样本集；
首先，收集标准显示图像样本以及与标准显示图像样本对应的状态指示视频样本，然后，人工标注出状态指示视频样本中包含的标准显示图像，作为训练样本集。此外，还可以对状态指示视频样本包含的图片进行随机裁剪拼接，例如，一张图片生成四张图片，极大丰富训练样本集。
初始模型的搭建。
以yolo子模型，包括顺序排列的Backbone主干网络，Neck网络和Head网络；Backbone主干网络包括Focus结构和CSP结构，用于获取特征图；Neck网络包括FPN结构与PAN结构，用于将多个特征图进行组合，得到组合特征图；Head网络，用于预测状态指示视频样本中是否包含标准显示图像，采用GIOU_Loss做损失函数，使用加权非极大值抑制的方式进行锚框筛选。
利用训练样本集，对初始模型的网络参数进行训练，得到图像检测模型。
将上述收集的状态指示视频样本输入Backbone主干初始网络中，得到多个特征图样本；将多个特征图样本输入Neck初始网络中，得到多个组合特征图样本；根据多个组合特征图样本与标准显示图像样本，确定损失函数；根据损失函数，同时对Backbone主干初始网络、Neck 初始网络和Head初始网络进行训练，得到图像检测模型。
在上述实施例中，测试设备根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果。一种可实现的方式为，若状态指示视频包含标准显示图像，生成目标指示灯正常的测试结果；若状态指示视频不包含标准显示图像，生成目标指示灯异常的测试结果。
例如，测试设备向汽车仪表盘发送发动机故障的模拟测试信号以及向图像采集设备发送图像采集信号，汽车仪表盘接收到模拟测试信号后，控制发动机故障指示灯进行红灯指示，图像采集设备采集汽车仪表盘的图像，得到包含发动机故障指示灯进行红灯指示的状态指示视频。图像采集设备将状态指示视频发送至测试设备，测试设备接收状态指示视频，将状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含发动机故障指示灯进行红灯指示的图像的结果。若状态指示视频包含发动机故障指示灯进行红灯指示的图像，生成目标指示灯正常的测试结果；若状态指示视频不包含发动机故障指示灯进行红灯指示的图像，生成目标指示灯异常的测试结果。
测试设备按照上述测试方法，依次执行对所有待测试指示灯的测试，测试过程完毕。测试设备还可以将各目标指示灯的测试结果进行存储。
在本申请上述方法实施例中，测试设备响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以及向图像采集设备发送图像采集信号，图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；测试设备将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；测试设备根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果；本申请通过图像检测模型对汽车在当前测试状态下的目标指示灯的状态指示视频进行自动检测，提高测试效率，提高测试结果准确率。
图3为本申请示例性实施例提供的一种汽车仪表盘指示灯测试装置的结构示意图。如图3所示，该装置包括：第一信号发送模块31，第二信号发送模块32，检测模块33和生成模块34。
其中，第一信号发送模块31，用于响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；
第二信号发送模块32，用于向图像采集设备发送图像采集信号，以供图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；
检测模块33，用于将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；
生成模块34，用于根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果。
可选地，第一信号发送模块31在响应于测试开始指令，向汽车仪表盘发送模拟测试信号时，具体用于：响应于测试开始指令，从测试用例库中调用目标测试用例，其中，目标测试用例包括标准显示图像；执行目标测试用例，生成模拟测试信号；向汽车仪表盘发送模拟测试信号。
可选地，检测模块33在将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果时，具体用于：将状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；在图像检测模型内部，利用图像检测模型的Backbone主干网络对状态指示视频包含的图片进行特征提取操作，得到多个特征图；利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含标准显示图像进行预测，得到状态指示视频是否包含标准显示图像的结果。
可选地，检测模块33在使用图像检测模型之前，还可用于：收集标准显示图像样本以及与标准显示图像样本对应的状态指示视频样本；利用状态指示视频样本和标准显示图像样本对初始模型包含的 Backbone主干网络、Neck网络以及Head网络进行模型训练，得到图像检测模型。
可选地，检测模块33在利用状态指示视频样本和标准显示图像样本对初始模型包含的Backbone主干网络、Neck网络以及Head网络进行模型训练，得到图像检测模型时，具体用于：将状态指示视频样本输入Backbone主干初始网络中，得到多个特征图样本；将多个特征图样本输入Neck初始网络中，得到多个组合特征图样本；根据多个组合特征图样本与标准显示图像样本，确定损失函数；根据损失函数，同时对Backbone主干初始网络、Neck初始网络和Head初始网络进行训练，得到图像检测模型。
可选地，生成模块34在根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果时，具体用于：若状态指示视频包含标准显示图像，生成目标指示灯正常的测试结果；若状态指示视频不包含标准显示图像，生成目标指示灯异常的测试结果。
图4为本申请示例性实施例提供的一种测试设备的示意图。如图4 所示，该测试设备包括：存储器401和处理器402。另外，该测试设备还包括电源组件403、通信组件404、电子显示屏405等必要组件。
存储器401，用于存储计算机程序，并可被配置为存储其它各种数据以支持在测试设备上的操作。这些数据的示例包括用于在测试设备上操作的任何应用程序或方法的指令。
存储器401，可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
通信组件404，用于与其他设备进行数据传输。
处理器402，可执行存储器401中存储的计算机指令，以用于：响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及向图像采集设备发送图像采集信号，以供图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果。
可选地，处理器402在响应于测试开始指令，向汽车仪表盘发送模拟测试信号时，具体用于：响应于测试开始指令，从测试用例库中调用目标测试用例，其中，目标测试用例包括标准显示图像；执行目标测试用例，生成模拟测试信号；向汽车仪表盘发送模拟测试信号。
可选地，处理器402在将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果时，具体用于：将状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；在图像检测模型内部，利用图像检测模型的Backbone主干网络对状态指示视频包含的图片进行特征提取操作，得到多个特征图；利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含标准显示图像进行预测，得到状态指示视频是否包含标准显示图像的结果。
可选地，处理器402在使用图像检测模型之前，还可用于：收集标准显示图像样本以及与标准显示图像样本对应的状态指示视频样本；利用状态指示视频样本和标准显示图像样本对初始模型包含的 Backbone主干网络、Neck网络以及Head网络进行模型训练，得到图像检测模型。
可选地，处理器402利用状态指示视频样本和标准显示图像样本对初始模型包含的Backbone主干网络、Neck网络以及Head网络进行模型训练，得到图像检测模型时，具体用于：将状态指示视频样本输入Backbone主干初始网络中，得到多个特征图样本；将多个特征图样本输入Neck初始网络中，得到多个组合特征图样本；根据多个组合特征图样本与标准显示图像样本，确定损失函数；根据损失函数，同时对Backbone主干初始网络、Neck初始网络和Head初始网络进行训练，得到图像检测模型。
可选地，处理器402在根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果时，具体用于：若状态指示视频包含标准显示图像，生成目标指示灯正常的测试结果；若状态指示视频不包含标准显示图像，生成目标指示灯异常的测试结果。
相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序，且计算机程序被一个或多个处理器执行时，致使一个或多个处理器执行图2方法实施例中的各步骤。
上述图4中的通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如WiFi，2G、3G、4G/LTE、5G等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA) 技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
上述图4中的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述图4中的电子显示屏包括屏幕，其屏幕可以包括液晶显示器 (LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
上述测试设备还可以包括音频组件。
音频组件，可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(MIC)，当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。
在本申请上述装置、设备及存储介质实施例中，测试设备响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以及向图像采集设备发送图像采集信号，图像采集设备根据图像采集信号对汽车仪表盘进行图像采集，得到包含目标指示灯的图像的状态指示视频；测试设备将接收到的图像采集设备发送的状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到状态指示视频是否包含标准显示图像的结果；测试设备根据状态指示视频是否包含标准显示图像的结果，生成目标指示灯是否正常的测试结果；本申请通过图像检测模型对汽车在当前测试状态下的目标指示灯的状态指示视频进行自动检测，提高测试效率，提高测试结果准确率。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种汽车仪表盘指示灯测试方法，适用于测试设备，其特征在于，包括：
响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及
向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；
将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；
将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果，包括：
将所述状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；
在图像检测模型内部，利用图像检测模型的Backbone主干网络对所述状态指示视频包含的图片进行特征提取操作，得到多个特征图；
利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；
利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含所述标准显示图像进行预测，得到状态指示视频是否包含所述标准显示图像的结果；
根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果。
2.根据权利要求1所述的方法，其特征在于，响应于测试开始指令，向汽车仪表盘发送模拟测试信号，包括：
响应于测试开始指令，从测试用例库中调用目标测试用例，其中，目标测试用例包括所述标准显示图像；
执行所述目标测试用例，生成模拟测试信号；
向汽车仪表盘发送所述模拟测试信号。
3.根据权利要求1所述的方法，其特征在于，在使用所述图像检测模型之前，所述方法还包括：
收集标准显示图像样本以及与所述标准显示图像样本对应的状态指示视频样本；
利用状态指示视频样本和标准显示图像样本对初始模型包含的Backbone主干网络、Neck网络以及Head网络进行模型训练，得到图像检测模型。
4.根据权利要求1所述的方法，其特征在于，利用状态指示视频样本和标准显示图像样本对初始模型包含的Backbone主干网络、Neck网络以及Head网络进行模型训练，得到图像检测模型，包括：
将状态指示视频样本输入Backbone主干初始网络中，得到多个特征图样本；
将多个特征图样本输入Neck初始网络中，得到多个组合特征图样本；
根据多个组合特征图样本与标准显示图像样本，确定损失函数；
根据所述损失函数，同时对Backbone主干初始网络、Neck初始网络和Head初始网络进行训练，得到图像检测模型。
5.根据权利要求1所述的方法，其特征在于，根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果，包括：
若状态指示视频包含标准显示图像，生成目标指示灯正常的测试结果；
若状态指示视频不包含标准显示图像，生成目标指示灯异常的测试结果。
6.一种汽车仪表盘指示灯测试系统，其特征在于，包括：测试设备，汽车仪表盘和图像采集设备；
所述测试设备，用于响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果；将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果，包括：将所述状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；在图像检测模型内部，利用图像检测模型的Backbone主干网络对所述状态指示视频包含的图片进行特征提取操作，得到多个特征图；利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含所述标准显示图像进行预测，得到状态指示视频是否包含所述标准显示图像的结果；
所述汽车仪表盘，用于在接收到测试设备发送的模拟测试信号后，控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示；
所述图像采集设备，用于在接收到测试设备发送的图像采集信号，对汽车仪表盘进行图像采集，并将采集到状态指示视频发送至测试设备。
7.一种汽车仪表盘指示灯测试装置，其特征在于，包括：
第一信号发送模块，响应于测试开始指令，向汽车仪表盘发送模拟测试信号，以控制汽车仪表盘上的目标指示灯进行汽车当前测试状态的指示，其中，模拟测试信号用于模拟汽车在处于当前测试状态时向对应的目标指示灯发送的实际控制信号；以及
第二信号发送模块，向图像采集设备发送图像采集信号，以供图像采集设备根据所述图像采集信号对汽车仪表盘进行图像采集，得到包含所述目标指示灯的图像的状态指示视频；
检测模块，将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果；
将接收到的图像采集设备发送的所述状态指示视频和预存的目标指示灯的标准显示图像输入已经训练完成的图像检测模型中，得到所述状态指示视频是否包含所述标准显示图像的结果，包括：
将所述状态指示视频和标准显示图像输入已经训练完成的图像检测模型中；
在图像检测模型内部，利用图像检测模型的Backbone主干网络对所述状态指示视频包含的图片进行特征提取操作，得到多个特征图；
利用图像检测模型的Neck网络对多个特征图进行组合，得到多个组合特征图；
利用图像检测模型的Head网络将多个组合特征图与标准显示图像进行比对，并对状态指示视频是否包含所述标准显示图像进行预测，得到状态指示视频是否包含所述标准显示图像的结果；
生成模块，用于根据状态指示视频是否包含所述标准显示图像的结果，生成目标指示灯是否正常的测试结果。
8.一种测试设备，其特征在于，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-5中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
CN202110908608.4A 2021-08-09 2021-08-09 汽车仪表盘指示灯测试方法、设备及存储介质 Active CN113610811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110908608.4A CN113610811B (zh) 2021-08-09 2021-08-09 汽车仪表盘指示灯测试方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110908608.4A CN113610811B (zh) 2021-08-09 2021-08-09 汽车仪表盘指示灯测试方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113610811A CN113610811A (zh) 2021-11-05
CN113610811B true CN113610811B (zh) 2022-06-24

Family

ID=78307674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110908608.4A Active CN113610811B (zh) 2021-08-09 2021-08-09 汽车仪表盘指示灯测试方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113610811B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947721B (zh) * 2021-12-20 2022-07-05 知迪汽车技术(北京)有限公司 娱乐系统测试的图像校验方法及系统
CN115962961B (zh) * 2023-03-14 2023-05-30 苏州清研精准汽车科技有限公司 Adas信号显示功能的测试系统以及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960169A (zh) * 2018-07-12 2018-12-07 杭州电子科技大学 基于计算机视觉的仪器设备状态在线监测方法及系统
CN110847972B (zh) * 2019-11-26 2021-12-17 成都轨道建设管理有限公司 一种地铁施工用隧道安全检测预警系统
CN112906611B (zh) * 2021-03-05 2024-04-26 新疆爱华盈通信息技术有限公司 一种井盖检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113610811A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN113610811B (zh) 汽车仪表盘指示灯测试方法、设备及存储介质
JP6386059B2 (ja) 社会的関係分析方法および装置
EP3125600A1 (en) Method and apparatus for testing intelligent device
US20170366741A1 (en) Method and apparatus for setting image capturing parameters
EP3166359A1 (en) Network connecting method and apparatus, computer program and recording medium
EP2688274A1 (de) Mobiles Kommunikationsendgerät mit einer darauf ausführbaren Brandmelder-Applikation sowie eine von einem Online-Internet-Verkaufsportal herunterladbare Brandmelder-Applikation
US20170163979A1 (en) Testing device of display devices and testing method thereof
CN111953958B (zh) 时延测量方法、设备、系统及存储介质
KR20170018295A (ko) 스마트 기기 제어 방법, 장치, 프로그램 및 컴퓨터가 판독가능한 기록매체
JP4489710B2 (ja) 機器の検査装置
CN109976758B (zh) 基于安卓系统的ui控件轮播方法、电视终端及存储介质
CN114356434B (zh) 页面加载方法、设备、装置、存储介质及程序产品
CN109104608B (zh) 电视性能测试方法、设备及计算机可读存储介质
CN111209195B (zh) 一种生成测试用例的方法及装置
US20180131800A1 (en) Control apparatus, control system, and method for controlling control apparatus
CN115017198B (zh) 车辆数据处理方法、装置和设备
CN110865931B (zh) 模拟方法、装置、电子设备和存储介质
KR20120127067A (ko) 호환성을 평가하기 위한 화면 동등성 판별 장치 및 방법
CN111406399B (zh) 终端拍摄帧率选择方法、终端及计算机可读存储介质
CN114490228B (zh) 一种蓝牙自动化测试方法及相关装置
CN107454240B (zh) 一种检测系统的安装方法、检测系统及摄像头的检测方法
CN112423124B (zh) 基于大屏视频播放器的动态播放方法、装置和系统
CN117171000A (zh) 一种应用程序app测试方法、装置、电子设备及存储介质
CN115147838B (zh) 图像处理方法、装置、车辆、介质及程序产品
CN114067246A (zh) 视频标注、模型测试方法及装置、电子设备和存储介质

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