CN116067671B - 一种用于测试车辆漆面质量的方法、系统及介质 - Google Patents
一种用于测试车辆漆面质量的方法、系统及介质 Download PDFInfo
- Publication number
- CN116067671B CN116067671B CN202310054792.XA CN202310054792A CN116067671B CN 116067671 B CN116067671 B CN 116067671B CN 202310054792 A CN202310054792 A CN 202310054792A CN 116067671 B CN116067671 B CN 116067671B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- paint
- detection
- total number
- data
- 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
- 239000003973 paint Substances 0.000 title claims abstract description 114
- 238000012360 testing method Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 109
- 238000004458 analytical method Methods 0.000 claims abstract description 106
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 239000003086 colorant Substances 0.000 claims description 37
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000003491 array Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 7
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于测试车辆漆面质量的方法、系统及介质,属于车辆测试技术领域,通过对车辆表面的不同位置实施模块化的划分以及数据统计,可以对车辆表面不同区域的漆面实施差异化的监测分析;通过将车辆表面区域中不同子区域的探测结果进行匹配分析,判断对应子区域的漆面厚度是否正常,从探测方面来对不同子区域进行分析统计,可以为后续车辆漆面整体质量的评估提供探测方面的数据支持;以及通过对车辆表面的图像进行预处理和分析,通过模块化的局部图像监测分析,可以有效提高图像异常和定位分类的准确性;本发明用于解决现有方案中车辆漆面质量测试的整体效果不佳的技术问题。
Description
技术领域
本发明涉及车辆测试技术领域,具体涉及一种用于测试车辆漆面质量的方法、系统及介质。
背景技术
除了车辆性能指标外,车辆漆面的好坏同样决定着产品质量及品牌形象,因此针对漆面质量检测也是整车出厂前的重要检验项。
现有的车辆漆面质量测试方案在实施时,大多数采用单一的测试方案,并且在测试前,没有对车辆表面进行预处理;在测试时,没有通过不同的测试方案来从不同的维度进行车辆漆面进行质量测试和分析,并将不同维度的分析结果进行整合并整体输出测试结果,导致车辆漆面质量测试的整体效果不佳。
发明内容
本发明的目的在于提供一种用于测试车辆漆面质量的方法、系统及介质,用于解决现有方案中车辆漆面质量测试的整体效果不佳的技术问题。
本发明的目的可以通过以下技术方案实现:
一种用于测试车辆漆面质量的方法,包括:
对预划分的车辆表面不同区域的基础数据进行监测统计,得到测试基础数据;测试基础数据包含车辆表面不同区域的位置属性以及对应的属性权重和属性面积;
对预划分的车辆表面不同区域的漆面进行探测和摄像,得到探测数据集和摄像数据集;
根据探测数据集对车辆表面区域的漆面厚度状态进行分析,得到包含车辆表面不同区域对应探测分析数据的探测分析集;
对摄像数据集和对应的测试基础数据进行预处理和分析,得到车辆表面不同区域对应的摄像分析数据;
将车辆表面不同区域的摄像分析数据和探测分析集中对应的探测分析数据进行整合来对车辆漆面整体的质量进行评估和展示。
优选地,测试基础数据的获取步骤包括:获取车辆表面不同区域对应的位置属性,根据预设的排列顺序对若干位置属性的车辆表面不同区域进行编号;
获取车辆表面不同区域对应的位置属性以及对应的属性权重并标记;
获取车辆表面不同区域对应的属性面积并标记;
将标记的位置属性以及对应的属性权重和属性面积按编号排列组合,得到测试基础数据。
优选地,探测数据集和摄像数据集的获取步骤包括:依次获取车辆表面不同区域对应的属性面积,并根据属性面积所处的划分等级获取对应的划分比例;根据划分比例将属性面积对应的车辆表面区域均等划分成若干等份的子区域并按预设的顺序进行编号;
将车辆表面不同区域中划分编号的子区域按预设的顺序排列组合,得到划分区域集;依次对划分区域集中排序的子区域进行探测和摄像,提取探测结果的数值并按顺序排列组合得到探测数组,以及将摄像图像按顺序排列组合得到摄像数据;
车辆表面不同区域对应的探测数组和摄像数据分别构成探测数据集和摄像数据集。
优选地,探测分析集的获取步骤包括:获取探测数据集中车辆表面不同区域对应的探测数组;依次将探测数组中元素的数值与预设的厚度范围进行匹配;
若元素的数值属于厚度范围,则判生成第一厚分信号并将对应的子区域标记为厚正子区域,并将厚正子区域的总数加一;若元素的数值不属于厚度范围,则生成第二厚分信号并将对应的子区域标记为厚异子区域,并将厚异子区域的总数加一;
探测数组中若干元素匹配获取的第一厚分信号和第二厚分信号构成探测分析数据;若干探测数组对应的探测分析数据构成探测分析集。
优选地,摄像分析数据的获取步骤包括:获取摄像数据集中车辆表面不同区域对应的摄像数据;对摄像数据中的摄像图像进行图像预处理;
获取图像预处理后的车辆表面区域中各个子区域对应的颜色直方图,同时获取颜色直方图中的颜色总数以及各个颜色对应的颜色比例;
获取车辆表面区域中各个子区域对应的标准颜色总数以及各个标准颜色对应的标准比例,将获取的颜色总数与标准颜色总数进行匹配比对;
若颜色总数不等于标准颜色总数,则生成第一颜异信号并将对应的子区域标记为异常子区域,同时将异常子区域的总数加一;
若颜色总数等于标准颜色总数,则判生成追溯信号并将各个颜色对应的颜色比例与对应的标准比例进行匹配比对。
优选地,若各个颜色对应的颜色比例均与对应的标准比例相同,则生成颜正信号并将对应的子区域标记为正常子区域,同时将正常子区域的总数加一;
若各个颜色对应的颜色比例存在与对应的标准比例不相同,则生成第二颜异信号并将对应的子区域标记为异常子区域,同时将异常子区域的总数加一;若干第一颜异信号以及颜正信号和第二颜异信号构成车辆表面区域的摄像分析数据。
优选地,获取车辆表面不同区域的摄像分析数据并进行遍历和统计;统计车辆表面区域中异常子区域总数并标记;同时统计车辆表面区域对应探测分析数据中的第一厚分信号总数和第二厚分信号总数,根据第二厚分信号总数获取厚异子区域总数并标记;
提取标记的异常子区域总数和厚异子区域总数以及测试基础数据中属性权重和属性面积的数值并联立整合获取车辆表面不同区域对应的表估值;
根据表估值对车辆表面不同区域的漆面质量进行评估时,将表估值与预设的表估阈值进行匹配得到第一表估信号和第二表估信号以及对应的一类区域和二类区域;
表估值以及对应的第一表估信号和一类区域、第二表估信号和二类区域构成局部分析数据。
优选地,将车辆表面不同区域对应的局部分析数据进行整合,统计二类区域出现的总数并标记为K,根据二类区域出现的总数来对车辆表面区域的整体漆面质量进行分析;
若K=0,则判定车辆表面区域的整体漆面质量优秀;
若K<K0,则判定车辆表面区域的整体漆面质量合格;
若K≥K0,则判定车辆表面区域的整体漆面质量不合格;其中,K0为预设的整体漆面质量分析的阈值。
为了解决上述问题,本发明还提供了一种用于测试车辆漆面质量的系统,包括:
基础数据统计模块,用于对预划分的车辆表面不同区域的基础数据进行监测统计,得到测试基础数据;测试基础数据包含车辆表面不同区域的位置属性以及对应的属性权重和属性面积;
探测摄像统计模块,用于对预划分的车辆表面不同区域的漆面进行探测和摄像,得到探测数据集和摄像数据集;
探测分析模块,用于根据探测数据集对车辆表面区域的漆面厚度状态进行分析,得到包含车辆表面不同区域对应探测分析数据的探测分析集;
摄像分析模块,用于对摄像数据集和对应的测试基础数据进行预处理和分析,得到车辆表面不同区域对应的摄像分析数据;
整合评估模块,用于将车辆表面不同区域的摄像分析数据和探测分析集中对应的探测分析数据进行整合来对车辆漆面整体的质量进行评估和展示。
为了解决上述问题,本发明还提供了一种存储介质,包括至少一个处理器;以及,与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行上述的一种用于测试车辆漆面质量的方法。
相比于现有方案,本发明实现的有益效果:
本发明通过对车辆表面的不同位置实施模块化的划分以及数据统计,可以对车辆表面不同区域的漆面实施差异化的监测分析;通过将车辆表面区域中不同子区域的探测结果进行匹配分析,判断对应子区域的漆面厚度是否正常,从探测方面来对不同子区域进行分析统计,可以为后续车辆漆面整体质量的评估提供探测方面的数据支持;以及通过对车辆表面的图像进行预处理和分析,通过模块化的局部图像监测分析,可以有效提高图像异常和定位分类的准确性。
本发明通过对车辆表面不同区域的所有子区域的探测分析结果和摄像分析结果进行整合获取表估值,基于表估值来对车辆表面不同区域的漆面质量进行整体评估和分类,可以有效提高车辆表面不同区域的漆面质量分析的准确性和多样性,同时还可以为车辆表面漆面整体质量的分析提供精准的数据支持。
本发明通过将前期局部的车辆表面不同区域的漆面质量分析结果进行整合来对其车辆表面漆面整体质量进行分析和分类,可以从不同维度来实现车辆漆面质量的多样化测试,有效提高了车辆漆面质量测试的整体效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一种用于测试车辆漆面质量的方法的流程框图。
图2为本发明一种用于测试车辆漆面质量的系统的模块框图。
图3为实现本发明实施例的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
现有的车辆漆面质量测试,包括:
人工目视方案)
目前国内多数车企均采用此种方案;通常人眼在正常视距(25cm)能分辨的最小尺寸约0.1mm左右;针对漆面缺陷检测,据统计约能达到70%~80%的检出率,但在灯带下长时间工作容易产生疲劳且对视力造成损害,并且无法精确提供缺陷种类及统计数据,很难满足需求;
隧道式方案)
隧道式漆面检测方案采用传统2D面阵视觉系统,将多台LED条光及相机按一定间隔部署在隧道式结构中,车辆通过隧道的同时完成检测。此种方案通常能达到80%~90%检出率,但需要大片单独检测区域,需要部署大量视觉传感器及光源,成本较高;且针对缩孔等微小缺陷检测效果不佳,同样很难满足需求;
相位偏折法(PMD)方案)
相位偏折法是一种镜面/类镜面的表面质量检测技术,系统通常由程控条纹光(LCD屏幕)及工业面阵相机组成,光源投射特定图案到待测面上,利用反射图像相位对待测面微小变化敏感特点,根据相位解包裹及重建算法实现三维形貌及缺陷检测。
现有的车辆漆面质量测试方案均采用单一的测试方案,在测试前,没有对车辆表面进行预处理,比如对车辆表面进行模块化划分;在测试时,没有通过不同的测试方案来从不同的维度进行车辆漆面进行质量测试和分析,并将不同维度的分析结果进行整合并整体输出测试结果,存在车辆漆面质量测试的整体效果不佳的技术问题。
实施例1
请参阅图1,本发明为一种用于测试车辆漆面质量的方法,具体的步骤包括:
对预划分的车辆表面不同区域的基础数据进行监测统计,得到测试基础数据;测试基础数据包含车辆表面不同区域的位置属性以及对应的属性权重和属性面积;具体的步骤包括:
获取车辆表面不同区域对应的位置属性,并根据预设的排列顺序对若干位置属性的车辆表面不同区域进行编号并标记为i,i={1,2,3,......,n},n为正整数;
设定不同的位置属性均对应一个不同的属性权重,将车辆表面不同区域对应的位置属性依次与数据库中存储的所有位置属性进行匹配获取对应的属性权重并标记为SQi;
其中,位置属性包括但不限于车辆侧部、车辆前部、车辆后部和车辆顶部;属性权重用于对车辆表面的不同位置属性进行数字化表示,可以为后续车辆表面的模块化分析提供可靠的数值支持;不同位置属性对应的属性权重数值可以凭借经验进行自定义;
获取车辆表面不同区域对应的属性面积并标记为SMi;属性面积的单位为平方米;
将标记的位置属性以及对应的属性权重和属性面积按编号排列组合,得到测试基础数据;
本发明实施例中,通过对车辆表面的不同位置实施模块化的划分以及数据统计,可以对车辆表面不同区域的漆面实施差异化的监测分析,通过实施差异化的漆面质量监测分析,可以有效提高车辆表面整体漆面质量监测分析的准确性。
对预划分的车辆表面不同区域的漆面进行探测和摄像,得到探测数据集和摄像数据集;具体的步骤包括:
依次获取车辆表面不同区域对应的属性面积,并根据属性面积所处的划分等级获取对应的划分比例;划分等级以及对应的划分比例可以基于现有的漆面测试大数据来进行设定,也可以凭借经验进行设定;划分等级可以为低属性面积等级、中属性面积等级和高属性面积等级;
根据划分比例将属性面积对应的车辆表面区域均等划分成若干等份的子区域并按预设的顺序进行编号;预设的顺序根据实际场景进行自定义;
需要说明的是,对车辆表面不同区域实施差异化的均等划分,进一步来对车辆表面不同区域实施二次模块化处理,以便后续可以精准高效的发现漆面的异常位置以及异常的影响;
将车辆表面不同区域中划分编号的子区域按预设的顺序排列组合,得到划分区域集;
依次对划分区域集中排序的子区域进行探测和摄像,提取探测结果的数值并按顺序排列组合得到探测数组,以及将摄像图像按顺序排列组合得到摄像数据;其中,探测和摄像均可以基于现有的厚度探测设备和表面摄像设备来实施,比如汽车漆面厚度检测仪和工业面阵相机;
车辆表面不同区域对应的探测数组和摄像数据分别构成探测数据集和摄像数据集;
本发明实施例中,通过从漆面的厚度方面和图像方面进行数据采集统计,可以为后续漆面质量的整体评估提供不同维度的数据支持,可以有效提高车辆漆面质量分析评估的准确性和多样性。
根据探测数据集对车辆表面区域的漆面厚度状态进行分析,得到包含车辆表面不同区域对应探测分析数据的探测分析集;具体的步骤包括:
获取探测数据集中车辆表面不同区域对应的探测数组;
依次将探测数组中元素的数值与预设的厚度范围进行匹配;
若元素的数值属于厚度范围,则判定该元素对应的子区域漆面厚度正常并生成第一厚分信号,根据第一厚分信号将对应的子区域标记为厚正子区域,并将厚正子区域的总数加一;
若元素的数值不属于厚度范围,则判定该元素对应的子区域漆面厚度异常并生成第二厚分信号,根据第二厚分信号将对应的子区域标记为厚异子区域,并将厚异子区域的总数加一;
探测数组中若干元素匹配获取的第一厚分信号和第二厚分信号构成探测分析数据;
若干探测数组对应的探测分析数据构成探测分析集;
本发明实施例中,通过将车辆表面区域中不同子区域的探测结果进行匹配分析,判断对应子区域的漆面厚度是否正常,从探测方面来对不同子区域进行分析统计,可以为后续车辆漆面整体质量的评估提供探测方面的数据支持。
对摄像数据集和对应的测试基础数据进行预处理和分析,得到车辆表面不同区域对应的摄像分析数据;具体的步骤包括:
获取摄像数据集中车辆表面不同区域对应的摄像数据;
对摄像数据中的摄像图像进行图像预处理,图像预处理包括但不限于灰度化、二值化、图像增强、去噪处理及图像增广;
获取图像预处理后的车辆表面区域中各个子区域对应的颜色直方图,同时获取颜色直方图中的颜色总数以及各个颜色对应的颜色比例;
其中,颜色总数可以为一,则只对应一个颜色比例,表示车辆表面为纯色;颜色总数不为一时,表示车辆表面为混色,可以根据车辆表面的实际情况进行调整;
根据车辆的型号获取车辆表面区域中各个子区域对应的标准颜色总数以及各个标准颜色对应的标准比例,将获取的颜色总数与标准颜色总数进行匹配比对;
若颜色总数不等于标准颜色总数,则判定对应子区域颜色异常并生成第一颜异信号,并根据第一颜异信号将对应的子区域标记为异常子区域,同时将异常子区域的总数加一;
若颜色总数等于标准颜色总数,则判定对应子区域颜色数量正常并生成追溯信号,并根据追溯信号将各个颜色对应的颜色比例与对应的标准比例进行匹配比对;
若各个颜色对应的颜色比例均与对应的标准比例相同,则判定对应子区域颜色比例正常并生成颜正信号,并根据颜正信号将对应的子区域标记为正常子区域,同时将正常子区域的总数加一;
若各个颜色对应的颜色比例存在与对应的标准比例不相同,则判定对应子区域颜色比例异常并生成第二颜异信号,并根据第一颜异信号将对应的子区域标记为异常子区域,同时将异常子区域的总数加一;
若干第一颜异信号以及颜正信号和第二颜异信号构成车辆表面区域的摄像分析数据;
本发明实施例中,通过对车辆表面的图像进行预处理和分析,通过模块化的局部图像监测分析,可以有效提高图像异常和定位分类的准确性。
将车辆表面不同区域的摄像分析数据和探测分析集中对应的探测分析数据进行整合来对车辆漆面整体的质量进行评估和展示;包括:
获取车辆表面不同区域的摄像分析数据并进行遍历和统计;
统计车辆表面区域中异常子区域总数并标记为YQi;
同时统计车辆表面区域对应探测分析数据中的第一厚分信号总数和第二厚分信号总数,根据第二厚分信号总数获取厚异子区域总数并标记为HYi;
提取标记的异常子区域总数和厚异子区域总数以及测试基础数据中属性权重和属性面积的数值并联立整合,通过计算获取车辆表面不同区域对应的表估值BG;表估值BG的计算公式为:
式中,f1、f2、f3、f4为预设的均大于零的比例系数,且f1+f2=1,f1可以取值为0.624,f2可以取值为0.376,1<f4<f3,f3可以取值为2.473,f4可以取值为1.526;ZZi为车辆表面区域对应的子区域总个数;β为预设的测试补偿系数,取值范围为(0,2),可以取值为0.5417;
需要说明的是,表估值是用于将车辆表面区域上不同子区域的探测分析结果和摄像分析结果进行整合来对其漆面质量进行整体评估的数值;表估值越小,表示对应车辆表面区域的漆面质量越优秀;
根据表估值对车辆表面不同区域的漆面质量进行评估时,将表估值与预设的表估阈值进行匹配;
若表估值小于表估阈值,则判定对应车辆表面区域的漆面质量合格并生成第一表估信号,根据第一表估信号将对应车辆表面区域标记为一类区域;
若表估值不小于表估阈值,则判定对应车辆表面区域的漆面质量不合格并生成第二表估信号,根据第二表估信号将对应车辆表面区域标记为二类区域;
表估值以及对应的第一表估信号和一类区域、第二表估信号和二类区域构成局部分析数据;
本发明实施例中,通过对车辆表面不同区域的所有子区域的探测分析结果和摄像分析结果进行整合获取表估值,基于表估值来对车辆表面不同区域的漆面质量进行整体评估和分类,可以有效提高车辆表面不同区域的漆面质量分析的准确性和多样性,同时还可以为车辆表面漆面整体质量的分析提供精准的数据支持。
将车辆表面不同区域对应的局部分析数据进行整合,统计二类区域出现的总数并标记为K,根据二类区域出现的总数来对车辆表面区域的整体漆面质量进行分析;
若K=0,则判定车辆表面区域的整体漆面质量优秀;
若K<K0,则判定车辆表面区域的整体漆面质量合格;
若K≥K0,则判定车辆表面区域的整体漆面质量不合格;其中,K0为预设的整体漆面质量分析的阈值,可以基于现有的车辆表面漆面质量测试的大数据来进行设定,也可以根据实际场景进行自定义。
本发明实施例中,通过将前期局部的车辆表面不同区域的漆面质量分析结果进行整合来对其车辆表面漆面整体质量进行分析和分类,可以从不同维度来实现车辆漆面质量的多样化测试,有效提高了车辆漆面质量测试的整体效果。
此外,上述中涉及的公式均是去除量纲取其数值计算,是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的比例系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得;比例系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于比例系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数;只要不影响参数与量化后数值的比例关系即可。
实施例2
如图2所示,是一种用于测试车辆漆面质量的系统,包括:
基础数据统计模块,用于对预划分的车辆表面不同区域的基础数据进行监测统计,得到测试基础数据;测试基础数据包含车辆表面不同区域的位置属性以及对应的属性权重和属性面积;
探测摄像统计模块,用于对预划分的车辆表面不同区域的漆面进行探测和摄像,得到探测数据集和摄像数据集;
探测分析模块,用于根据探测数据集对车辆表面区域的漆面厚度状态进行分析,得到包含车辆表面不同区域对应探测分析数据的探测分析集;
摄像分析模块,用于对摄像数据集和对应的测试基础数据进行预处理和分析,得到车辆表面不同区域对应的摄像分析数据;
整合评估模块,用于将车辆表面不同区域的摄像分析数据和探测分析集中对应的探测分析数据进行整合来对车辆漆面整体的质量进行评估和展示。
实施例3
如图3所示,是本发明实施例提供的实现一种用于测试车辆漆面质量的方法的计算机设备的结构示意图。
计算机设备可以包括处理器、存储器和总线,还可以包括存储在存储器中并可在处理器上运行的计算机程序,如一种用于测试车辆漆面质量的程序。
其中,存储器至少包括一种类型的可读存储介质,可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机设备的内部存储单元,例如该计算机设备的移动硬盘。存储器在另一些实施例中也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于计算机设备的应用软件及各类数据,例如一种用于测试车辆漆面质量的程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同位置或不同位置封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是所述计算机设备的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备的各个部件,通过运行或执行存储在存储器内的程序或者模块(例如一种用于测试车辆漆面质量的程序等),以及调用存储在存储器内的数据,以执行计算机设备的各种位置和处理数据。
总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
图3仅示出了具有部件的计算机设备,本领域技术人员可以理解的是,图3示出的结构并不构成对计算机设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,计算机设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与至少一个处理器逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等位置。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。计算机设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,计算机设备还可以包括网络接口,可选地,网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该计算机设备与其他计算机设备之间建立通信连接。
可选地,该计算机设备还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
应该了解,上述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
计算机设备中的存储器存储的一种用于测试车辆漆面质量的程序是多个指令的组合。
具体地,处理器对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,计算机设备集成的模块/单元如果以软件位置单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,可读存储介质存储有计算机程序,计算机程序在被计算机设备的处理器所执行。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法,可以通过其它的方式实现。例如,以上所描述的发明实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑位置划分,实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各位置模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件位置模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种用于测试车辆漆面质量的方法,其特征在于,包括:
对预划分的车辆表面不同区域的基础数据进行监测统计,得到测试基础数据;测试基础数据包含车辆表面不同区域的位置属性以及对应的属性权重和属性面积;
对预划分的车辆表面不同区域的漆面进行探测和摄像,得到探测数据集和摄像数据集;
根据探测数据集对车辆表面区域的漆面厚度状态进行分析,得到包含车辆表面不同区域对应探测分析数据的探测分析集;
对摄像数据集和对应的测试基础数据进行预处理和分析,得到车辆表面不同区域对应的摄像分析数据;
将车辆表面不同区域的摄像分析数据和探测分析集中对应的探测分析数据进行整合来对车辆漆面整体的质量进行评估和展示;包括:获取车辆表面不同区域的摄像分析数据并进行遍历和统计;统计车辆表面区域中异常子区域总数并标记;同时统计车辆表面区域对应探测分析数据中的第一厚分信号总数和第二厚分信号总数,根据第二厚分信号总数获取厚异子区域总数并标记;
提取标记的异常子区域总数和厚异子区域总数以及测试基础数据中属性权重和属性面积的数值并联立整合获取车辆表面不同区域对应的表估值;
根据表估值对车辆表面不同区域的漆面质量进行评估时,将表估值与预设的表估阈值进行匹配得到第一表估信号和第二表估信号以及对应的一类区域和二类区域;
表估值以及对应的第一表估信号和一类区域、第二表估信号和二类区域构成局部分析数据;
将车辆表面不同区域对应的局部分析数据进行整合,统计二类区域出现的总数并标记为K,根据二类区域出现的总数来对车辆表面区域的整体漆面质量进行分析;
若K=0,则判定车辆表面区域的整体漆面质量优秀;
若K<K0,则判定车辆表面区域的整体漆面质量合格;
若K≥K0,则判定车辆表面区域的整体漆面质量不合格;其中,K0为预设的整体漆面质量分析的阈值。
2.根据权利要求1所述的一种用于测试车辆漆面质量的方法,其特征在于,测试基础数据的获取步骤包括:获取车辆表面不同区域对应的位置属性,根据预设的排列顺序对若干位置属性的车辆表面不同区域进行编号;
获取车辆表面不同区域对应的位置属性以及对应的属性权重并标记;
获取车辆表面不同区域对应的属性面积并标记;
将标记的位置属性以及对应的属性权重和属性面积按编号排列组合,得到测试基础数据。
3.根据权利要求1所述的一种用于测试车辆漆面质量的方法,其特征在于,探测数据集和摄像数据集的获取步骤包括:依次获取车辆表面不同区域对应的属性面积,并根据属性面积所处的划分等级获取对应的划分比例;根据划分比例将属性面积对应的车辆表面区域均等划分成若干等份的子区域并按预设的顺序进行编号;
将车辆表面不同区域中划分编号的子区域按预设的顺序排列组合,得到划分区域集;依次对划分区域集中排序的子区域进行探测和摄像,提取探测结果的数值并按顺序排列组合得到探测数组,以及将摄像图像按顺序排列组合得到摄像数据;
车辆表面不同区域对应的探测数组和摄像数据分别构成探测数据集和摄像数据集。
4.根据权利要求1所述的一种用于测试车辆漆面质量的方法,其特征在于,探测分析集的获取步骤包括:获取探测数据集中车辆表面不同区域对应的探测数组;依次将探测数组中元素的数值与预设的厚度范围进行匹配;
若元素的数值属于厚度范围,则判生成第一厚分信号并将对应的子区域标记为厚正子区域,并将厚正子区域的总数加一;若元素的数值不属于厚度范围,则生成第二厚分信号并将对应的子区域标记为厚异子区域,并将厚异子区域的总数加一;
探测数组中若干元素匹配获取的第一厚分信号和第二厚分信号构成探测分析数据;若干探测数组对应的探测分析数据构成探测分析集。
5.根据权利要求1所述的一种用于测试车辆漆面质量的方法,其特征在于,摄像分析数据的获取步骤包括:获取摄像数据集中车辆表面不同区域对应的摄像数据;对摄像数据中的摄像图像进行图像预处理;
获取图像预处理后的车辆表面区域中各个子区域对应的颜色直方图,同时获取颜色直方图中的颜色总数以及各个颜色对应的颜色比例;
获取车辆表面区域中各个子区域对应的标准颜色总数以及各个标准颜色对应的标准比例,将获取的颜色总数与标准颜色总数进行匹配比对;
若颜色总数不等于标准颜色总数,则生成第一颜异信号并将对应的子区域标记为异常子区域,同时将异常子区域的总数加一;
若颜色总数等于标准颜色总数,则判生成追溯信号并将各个颜色对应的颜色比例与对应的标准比例进行匹配比对。
6.根据权利要求5所述的一种用于测试车辆漆面质量的方法,其特征在于,若各个颜色对应的颜色比例均与对应的标准比例相同,则生成颜正信号并将对应的子区域标记为正常子区域,同时将正常子区域的总数加一;
若各个颜色对应的颜色比例存在与对应的标准比例不相同,则生成第二颜异信号并将对应的子区域标记为异常子区域,同时将异常子区域的总数加一;若干第一颜异信号以及颜正信号和第二颜异信号构成车辆表面区域的摄像分析数据。
7.一种用于测试车辆漆面质量的系统,应用于权利要求1至6中任意一项所述的一种用于测试车辆漆面质量的方法,其特征在于,包括:
基础数据统计模块,用于对预划分的车辆表面不同区域的基础数据进行监测统计,得到测试基础数据;测试基础数据包含车辆表面不同区域的位置属性以及对应的属性权重和属性面积;
探测摄像统计模块,用于对预划分的车辆表面不同区域的漆面进行探测和摄像,得到探测数据集和摄像数据集;
探测分析模块,用于根据探测数据集对车辆表面区域的漆面厚度状态进行分析,得到包含车辆表面不同区域对应探测分析数据的探测分析集;
摄像分析模块,用于对摄像数据集和对应的测试基础数据进行预处理和分析,得到车辆表面不同区域对应的摄像分析数据;
整合评估模块,用于将车辆表面不同区域的摄像分析数据和探测分析集中对应的探测分析数据进行整合来对车辆漆面整体的质量进行评估和展示。
8.一种存储介质,其特征在于,包括至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行如权利要求1至6中任意一项所述的一种用于测试车辆漆面质量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310054792.XA CN116067671B (zh) | 2023-02-03 | 2023-02-03 | 一种用于测试车辆漆面质量的方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310054792.XA CN116067671B (zh) | 2023-02-03 | 2023-02-03 | 一种用于测试车辆漆面质量的方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116067671A CN116067671A (zh) | 2023-05-05 |
CN116067671B true CN116067671B (zh) | 2023-07-21 |
Family
ID=86171118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310054792.XA Active CN116067671B (zh) | 2023-02-03 | 2023-02-03 | 一种用于测试车辆漆面质量的方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116067671B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630766B (zh) * | 2023-07-26 | 2023-10-17 | 山东中慧强企信息科技有限公司 | 一种多源信息数据处理系统、方法及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012007953A (ja) * | 2010-06-23 | 2012-01-12 | Nippon Paint Co Ltd | 塗装ムラ評価値算出方法、塗装ムラ評価値算出装置、及び塗装ムラ評価方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004046461B4 (de) * | 2004-09-24 | 2007-03-08 | Audi Ag | Verfahren zur Ermittlung der Lackqualität einer lackierten Oberfläche, insbesondere eines lackierten Fahrzeugkarosserieteils |
US8326017B2 (en) * | 2010-01-09 | 2012-12-04 | Ford Global Technologies, Llc | Rapid color verification system using digital imaging and curve comparison algorithm |
WO2013150666A1 (ja) * | 2012-04-05 | 2013-10-10 | 豊田通商 株式会社 | 車両の塗膜厚さ算定システム、塗膜厚さ算定方法及びコンピュータプログラム |
KR101782542B1 (ko) * | 2016-06-10 | 2017-10-30 | 주식회사 에이티엠 | 차량 도장표면 검사시스템 및 검사방법 |
US11494892B2 (en) * | 2020-08-21 | 2022-11-08 | Abb Schweiz Ag | Surface defect detection system |
DE102020005611A1 (de) * | 2020-09-14 | 2022-03-17 | Twinner Gmbh | Fahrzeugoberflächenanalysesystem |
CN113776481B (zh) * | 2021-09-14 | 2024-01-30 | 深圳市二郎神视觉科技有限公司 | 漆膜厚度测量方法、设备及自动化汽车质量检测系统 |
-
2023
- 2023-02-03 CN CN202310054792.XA patent/CN116067671B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012007953A (ja) * | 2010-06-23 | 2012-01-12 | Nippon Paint Co Ltd | 塗装ムラ評価値算出方法、塗装ムラ評価値算出装置、及び塗装ムラ評価方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116067671A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN116630766B (zh) | 一种多源信息数据处理系统、方法及设备 | |
CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、系统及介质 | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
CN112599438B (zh) | MiniLED晶圆缺陷的高精度检测系统及其检测方法 | |
CN108520514A (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN111712769A (zh) | 用于设定照明条件的方法、装置、系统及程序以及存储介质 | |
CN104168478A (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
CN113630594B (zh) | 一种显示面板坏点检测系统 | |
CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
CN116342599A (zh) | 缺陷检测设备的点检方法、装置、设备和存储介质 | |
KR102174424B1 (ko) | 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치 | |
CN113808104B (zh) | 一种基于分块的金属表面缺陷检测方法及系统 | |
CN112304969A (zh) | 显示模块检测设备、方法、装置及系统和存储介质 | |
CN112699824B (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
CN112001891A (zh) | 一种金手指缺陷检测方法、系统、终端及存储介质 | |
US20220260489A1 (en) | System and method for analyzing molecular interactions on living cells using biosensor techniques | |
CN110335219A (zh) | 一种像素畸变的校正方法、校正装置及终端 | |
CN217606372U (zh) | 一种图像检测装置 | |
CN115760854A (zh) | 基于深度学习的电力设备缺陷检测方法、装置及电子设备 | |
CN115060323A (zh) | 一种智慧城市环境影响评估装置及方法 | |
CN112037191B (zh) | 一种局域漏电流密度阈值的确定方法、装置和计算机设备 | |
CN112213244A (zh) | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 | |
CN118037868B (zh) | 基于图像处理的高色域显示屏质量快速检测方法及系统 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231109 Address after: 608, floor 6, building 14, jiqingli, Chaoyang District, Beijing 100020 Patentee after: Beijing chexun Internet Co.,Ltd. Address before: 603, Floor 6, Building 14, Jiqingli, Chaoyang District, Beijing, 100020 Patentee before: Beijing Auto News Jundu Internet Co.,Ltd. |