DE102019204346A1 - Method and system for checking a visual complaint on a motor vehicle - Google Patents
Method and system for checking a visual complaint on a motor vehicle Download PDFInfo
- Publication number
- DE102019204346A1 DE102019204346A1 DE102019204346.1A DE102019204346A DE102019204346A1 DE 102019204346 A1 DE102019204346 A1 DE 102019204346A1 DE 102019204346 A DE102019204346 A DE 102019204346A DE 102019204346 A1 DE102019204346 A1 DE 102019204346A1
- Authority
- DE
- Germany
- Prior art keywords
- motor vehicle
- complaint
- checking
- optical
- decision signal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug (50), umfassend die Schritte: Erfassen mindestens einer fotografischen Abbildung (5) der optischen Beanstandung an dem Kraftfahrzeug (50) unter vorgegebenen Bedingungen mittels mindestens einer Kamera (20), Übermitteln der erfassten mindestens einen fotografischen Abbildung (5) mittels einer Nutzereinrichtung (2) an eine Überprüfungseinrichtung (4), Klassifizieren der optischen Beanstandung mittels der Überprüfungseinrichtung (4) auf Grundlage der übermittelten mindestens einen fotografischen Abbildung (5), wobei die Überprüfungseinrichtung (4) hierzu ein Verfahren der Künstlichen Intelligenz (7) verwendet, Erzeugen eines Entscheidungssignals (8) auf Grundlage eines Klassifizierungsergebnisses mittels der Überprüfungseinrichtung (4), Übermitteln des erzeugten Entscheidungssignals (8) an eine Ausgabeeinrichtung (3) der Nutzereinrichtung (2), Ausgeben des übermittelten Entscheidungssignals (8) mittels der Ausgabeeinrichtung (3). Ferner betrifft die Erfindung ein System (1) zum Überprüfen einer optischen Beanstandung an mindestens einem Kraftfahrzeug (50).The invention relates to a method for checking an optical complaint on a motor vehicle (50), comprising the steps of: capturing at least one photographic image (5) of the optical complaint on the motor vehicle (50) under predetermined conditions by means of at least one camera (20), transmitting the recorded at least one photographic image (5) by means of a user device (2) to a checking device (4), classification of the optical complaint by means of the checking device (4) on the basis of the transmitted at least one photographic image (5), the checking device (4) a method of artificial intelligence (7) is used for this purpose, generation of a decision signal (8) on the basis of a classification result by means of the checking device (4), transmission of the generated decision signal (8) to an output device (3) of the user device (2), output of the transmitted Decisive nals (8) by means of the output device (3). The invention also relates to a system (1) for checking a visual complaint on at least one motor vehicle (50).
Description
Die Erfindung betrifft ein Verfahren und ein System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug.The invention relates to a method and a system for checking a visual complaint on a motor vehicle.
Eine Anzahl von optischen Beanstandungen an Kraftfahrzeugen hat in der Vergangenheit kontinuierlich zugenommen. Optische Beanstandungen sind hierbei insbesondere optische Mängel an dem Kraftfahrzeug, die überwiegend keine funktionellen Einschränkungen bedeuten, sondern vor allem ein Erscheinungsbild des Kraftfahrzeugs beeinträchtigen. Da kundenseitig ein Design und ein optisches Erscheinungsbild des Kraftfahrzeugs in den letzten Jahren im Vergleich zu rein funktionellen Eigenschaften zunehmend an Bedeutung gewinnen, hat sich eine Wahrnehmungsschwelle für optische Mängel zunehmend verringert.A number of visual complaints on motor vehicles has increased continuously in the past. Optical complaints here are in particular optical defects in the motor vehicle, which for the most part do not mean any functional restrictions, but primarily impair the appearance of the motor vehicle. Since a design and an optical appearance of the motor vehicle have become increasingly important on the customer side in comparison to purely functional properties, a perception threshold for optical defects has increasingly decreased.
Aus der
Eine Beurteilung von optischen Beanstandungen an Kraftfahrzeugen ist derzeit jedoch nur unbefriedigend gelöst.However, an assessment of visual complaints on motor vehicles is currently only unsatisfactory.
Der Erfindung liegt die Aufgabe zu Grunde, ein Verfahren und ein System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug zu schaffen, bei der eine Überprüfung der optischen Beanstandung an dem Kraftfahrzeug verbessert durchgeführt werden kann.The invention is based on the object of creating a method and a system for checking a visual complaint on a motor vehicle, in which a review of the visual complaint on the motor vehicle can be carried out in an improved manner.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen des Patentanspruchs 1 und eine Vorrichtung mit den Merkmalen des Patentanspruchs 9 gelöst. Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.According to the invention, the object is achieved by a method having the features of
Insbesondere wird ein Verfahren zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug zur Verfügung gestellt, umfassend die Schritte: Erfassen mindestens einer fotografischen Abbildung der optischen Beanstandung an dem Kraftfahrzeug unter vorgegebenen Bedingungen mittels mindestens einer Kamera, Übermitteln der erfassten mindestens einen fotografischen Abbildung mittels einer Nutzereinrichtung an eine Überprüfungseinrichtung, Klassifizieren der optischen Beanstandung mittels der Überprüfungseinrichtung auf Grundlage der übermittelten mindestens einen fotografischen Abbildung, wobei die Überprüfungseinrichtung hierzu ein Verfahren der Künstlichen Intelligenz verwendet, Erzeugen eines Entscheidungssignals auf Grundlage eines Klassifizierungsergebnisses mittels der Überprüfungseinrichtung, Übermitteln des erzeugten Entscheidungssignals an eine Ausgabeeinrichtung der Nutzereinrichtung, Ausgeben des übermittelten Entscheidungssignals mittels der Ausgabeeinrichtung.In particular, a method for checking an optical complaint on a motor vehicle is provided, comprising the steps of: capturing at least one photographic image of the optical complaint on the motor vehicle under predetermined conditions by means of at least one camera, transmitting the captured at least one photographic image by means of a user device a checking device, classification of the optical complaint by means of the checking device on the basis of the transmitted at least one photographic image, the checking device using an artificial intelligence method for this purpose, generating a decision signal based on a classification result by means of the checking device, transmitting the generated decision signal to an output device of the user device Output of the transmitted decision signal by means of the output device.
Ferner wird ein System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug geschaffen, umfassend mindestens eine Nutzereinrichtung mit einer Ausgabeeinrichtung, und eine Überprüfungseinrichtung, wobei die Nutzereinrichtung derart ausgebildet ist, mindestens eine unter vorgegebenen Bedingungen mittels einer Kamera von der optischen Beanstandung an dem Kraftfahrzeug erfasste fotografische Abbildung an die Überprüfungseinrichtung zu übermitteln, und wobei die Überprüfungseinrichtung derart ausgebildet ist, die optische Beanstandung auf Grundlage der übermittelten mindestens einen fotografischen Abbildung zu klassifizieren und hierzu ein Verfahren der Künstlichen Intelligenz zu verwenden, ein Entscheidungssignal auf Grundlage eines Klassifizierungsergebnisses zu erzeugen und das erzeugte Entscheidungssignal an die Ausgabeeinrichtung der mindestens einen Nutzereinrichtung zu übermitteln, wobei die Ausgabeeinrichtung der Nutzereinrichtung derart ausgebildet ist, das übermittelte Entscheidungssignal auszugeben.Furthermore, a system for checking an optical complaint on a motor vehicle is created, comprising at least one user device with an output device, and a checking device, the user device being designed in such a way that at least one photographic image captured by a camera of the optical complaint on the motor vehicle is provided To transmit image to the checking device, and wherein the checking device is designed to classify the optical complaint on the basis of the transmitted at least one photographic image and to use an artificial intelligence method for this purpose, to generate a decision signal on the basis of a classification result and the decision signal generated to transmit to the output device of the at least one user device, wherein the output device of the user device is designed to transmit output the decision signal.
Eine optische Beanstandung bezeichnet insbesondere eine Beeinträchtigung des optischen Erscheinungsbildes eines Bauteils des Kraftfahrzeugs, ohne dass ein funktioneller bzw. technischer Mangel vorliegt.A visual complaint denotes in particular an impairment of the visual appearance of a component of the motor vehicle without a functional or technical defect being present.
Beispiele für Bauteile des Kraftfahrzeugs, welche optische Beanstandungen aufweisen können, sind Scheinwerfer (optischer Mangel z.B. in Form eines Kondensats an einer Innenseite des Scheinwerfers), Chrom- oder Schmuckleisten (optischer Mangel z.B. in Form eines Belags), ein Sitzbezug (optischer Mangel z.B. in Form von Falten, Abrieb, Farbschäden etc.) oder Karosserieteile (optischer Mangel z.B. in Form einer Korrosion oder sonstiger optischer Mängel am Fahrzeuglack).Examples of components of the motor vehicle that can have visual defects are headlights (visual defect e.g. in the form of a condensate on the inside of the headlight), chrome or decorative strips (visual defect e.g. in the form of a covering), a seat cover (optical defect e.g. in Form of wrinkles, abrasion, paint damage, etc.) or body parts (visual defect, e.g. in the form of corrosion or other visual defects in the vehicle paintwork).
Ein Verfahren der Künstlichen Intelligenz kann beispielsweise ein trainiertes Künstliches Neuronales Netz, insbesondere ein trainiertes Tiefes Neuronales Netz, verwenden. Ferner kann ein Verfahren der Künstlichen Intelligenz auch ein Bayessches Netz oder sonstige Verfahren des Maschinellen Lernens verwenden. Insbesondere umfasst das Verfahren der Künstlichen Intelligenz ein Mustererkennungsverfahren, bei dem Muster im Hinblick auf einen optischen Mangel in der erfassten mindestens einen fotografischen Abbildung erkannt werden und das Klassifizieren auf Grundlage der erkannten Muster erfolgt.An artificial intelligence method can, for example, use a trained artificial neural network, in particular a trained deep neural network. Furthermore, an artificial intelligence method can also use a Bayesian network or other machine learning methods. In particular, the artificial intelligence method comprises a pattern recognition method in which patterns are recognized with regard to an optical defect in the captured at least one photographic image and the classification takes place on the basis of the recognized patterns.
Ein typisches Anwendungsszenario des Verfahrens und des Systems wird im Folgenden beispielhaft geschildert. Ein Kraftfahrzeugbesitzer stellt an seinem Kraftfahrzeug einen optischen Mangel fest und fährt zu einem Servicedienstleister für das Kraftfahrzeug, beispielsweise einem Händler oder einer Werkstatt. Der optische Mangel ist beispielsweise ein von einer Innenseite her mit einem Kondensat belegter (d.h. beschlagener) Fahrzeugscheinwerfer. Beim Servicedienstleister beanstandet der Kraftfahrzeugbesitzer den optischen Mangel. Dort wird dann mindestens eine fotografische Abbildung der optischen Beanstandung an dem Kraftfahrzeug unter vorgegebenen Bedingungen (z.B. Beleuchtung, Abstand/Winkel zum Kraftfahrzeug, Auflösung etc.) mittels einer Kamera erfasst. Die erfasste fotografische Abbildung wird mittels einer Nutzereinrichtung, beispielsweise einem Desktopcomputer, an eine Überprüfungseinrichtung, beispielsweise an einen zentralen Server, übermittelt. Das Übermitteln erfolgt beispielsweise mittels einer Email über das Internet. Die Überprüfungseinrichtung empfängt die übermittelte fotografische Abbildung und klassifiziert die darin abgebildete optische Beanstandung. Hierzu verwendet die Überprüfungseinrichtung ein Verfahren der Künstlichen Intelligenz, beispielsweise ein hierfür trainiertes Künstliches Neuronales Netz. Auf Grundlage eines Klassifizierungsergebnisses erzeugt die Überprüfungseinrichtung ein Entscheidungssignal. Da Künstliche Intelligenzen, beispielsweise Künstliche Neuronale Netze, in der Regel lediglich Wahrscheinlichkeiten für das Vorliegen von bestimmten Klassen liefern, wird das Entscheidungssignal beispielsweise auf Grundlage einer Entscheidungslogik bereitgestellt, in der ab Überschreiten eines vorgegebenen Wahrscheinlichkeitsschwellenwertes (z.B. 85 %) die zum betrachteten Wahrscheinlichkeitswert zugehörige Klasse als Ergebnis bzw. Entscheidungssignal ausgegeben wird. Das Entscheidungssignal kann das Klassifikationsergebnis umfassen, kann aber auch anders ausgebildet sein und beispielsweise eine Bewertung der optischen Beanstandung bzw. eines beanstandeten optischen Mangels umfassen. Das erzeugte Entscheidungssignal wird an die Nutzereinrichtung zurück übermittelt und dort von einer Ausgabeeinrichtung ausgeben. Beim Servicedienstleister erhält der Kraftfahrzeugbesitzer dann auf Grundlage des ausgegebenen Entscheidungssignals eine Rückmeldung zu seiner optischen Beanstandung. Auf Grundlage des ausgegebenen Entscheidungssignals wird die optische Beanstandung dann entweder behoben, z.B. durch Austausch oder Reparatur des betroffenen Bauteils, oder die optische Beanstandung wird zurückgewiesen.A typical application scenario for the method and the system is described below as an example. A motor vehicle owner notices a visual defect in his motor vehicle and drives to a service provider for the motor vehicle, for example a dealer or a workshop. The visual defect is, for example, a vehicle headlight covered with condensate from the inside (i.e. fogged up). The vehicle owner complains about the visual defect to the service provider. At least one photographic image of the optical complaint on the motor vehicle is then recorded there under specified conditions (e.g. lighting, distance / angle to the motor vehicle, resolution, etc.) by means of a camera. The captured photographic image is transmitted by means of a user device, for example a desktop computer, to a checking device, for example to a central server. The transmission takes place, for example, by means of an email via the Internet. The checking device receives the transmitted photographic image and classifies the optical fault imaged therein. For this purpose, the checking device uses an artificial intelligence method, for example an artificial neural network trained for this purpose. The checking device generates a decision signal on the basis of a classification result. Since artificial intelligences, for example artificial neural networks, generally only provide probabilities for the existence of certain classes, the decision signal is provided, for example, on the basis of a decision logic, in which the class associated with the probability value under consideration is given once a predetermined probability threshold value (e.g. 85%) is exceeded is output as a result or decision signal. The decision signal can include the classification result, but can also be designed differently and include, for example, an assessment of the optical complaint or a complained optical defect. The decision signal generated is transmitted back to the user device and output there by an output device. At the service provider, the motor vehicle owner then receives feedback on his visual complaint on the basis of the decision signal issued. On the basis of the decision signal that is issued, the optical complaint is then either eliminated, e.g. by replacing or repairing the affected component, or the optical complaint will be rejected.
Der Vorteil der Erfindung ist, dass eine Entscheidung zu einer optischen Beanstandung unabhängig von einer menschlichen Beurteilung ist. Die Klassifikation der optischen Beanstandung erfolgt mittels einer Künstlichen Intelligenz. Diese klassifiziert eine optische Beanstandung immer auf Grundlage des gleichen Maßstabs, das heißt die Klassifikation und das Entscheidungssignal beruhen nur auf der jeweils übermittelten mindestens einen erfassten fotografischen Abbildung der optischen Beanstandung und sind unabhängig von eventuell vorhandenen menschlichen Stimmungen und/oder Sympathien oder Abneigungen zwischen einem Kraftfahrzeugbesitzer und einem Mitarbeiter des Servicedienstleisters etc. Ferner erhält der Kraftfahrzeugbesitzer sofort eine Rückmeldung zu seiner optischen Beanstandung. Hierdurch können gerechtfertigte optische Beanstandungen von nicht gerechtfertigten optischen Beanstandungen automatisiert, und daher auf effiziente und zeitsparende Weise, unterschieden werden. Ein Aufwand und Kosten bei der Wartung und der Reparatur von Kraftfahrzeugen können daher durch das beschriebene Verfahren reduziert werden.The advantage of the invention is that a decision on a visual complaint is independent of a human assessment. The classification of the optical complaint is carried out using artificial intelligence. This always classifies an optical complaint on the basis of the same yardstick, i.e. the classification and the decision signal are based only on the respectively transmitted at least one recorded photographic image of the optical complaint and are independent of any human moods and / or sympathies or dislikes between a vehicle owner and an employee of the service provider, etc. Furthermore, the vehicle owner immediately receives feedback on his visual complaint. In this way, justified optical complaints can be automated from unjustified optical complaints, and therefore in an efficient and time-saving manner. The effort and costs involved in the maintenance and repair of motor vehicles can therefore be reduced by the method described.
In einer Ausführungsform ist vorgesehen, dass das Klassifikationsergebnis und/oder das Entscheidungssignal zumindest eine Handlungsempfehlungsinformation umfasst, mindestens ein mit der optischen Beanstandung korrespondierendes Bauteil des Kraftfahrzeugs auszutauschen oder nicht auszutauschen. Hierdurch kann ein Servicedienstleister direkt eine Rückmeldung darüber gegeben werden, ob ein defektes Bauteil zu tauschen ist oder nicht, und ob eine optische Beanstandung gerechtfertigt ist oder nicht.In one embodiment it is provided that the classification result and / or the decision signal includes at least one information item recommended for action to replace or not to replace at least one component of the motor vehicle that corresponds to the optical complaint. In this way, a service provider can be given direct feedback on whether or not a defective component needs to be replaced and whether or not a visual complaint is justified.
In einer weiteren Ausführungsform ist vorgesehen, dass das Erfassen der mindestens einen fotografischen Abbildung und das Ausgeben des Entscheidungssignals bei einem Servicedienstleister für das mindestens eine Kraftfahrzeug erfolgt, wobei das Klassifizieren mittels der Überprüfungseinrichtung örtlich getrennt von dem Servicedienstleister erfolgt. Hierdurch kann eine verteilte Infrastruktur aufgebaut werden. Der Vorteil ist, dass mehrere Nutzereinrichtungen die gleiche Überprüfungseinrichtung und daher alle den gleichen Überprüfungsmaßstab verwenden können. Insbesondere kann eine Vielzahl von Servicedienstleistern, beispielsweise Händlern und/oder Werkstätten, mit derselben, beispielsweise als zentraler Server bereitgestellten, Überprüfungseinrichtung verbunden sein. Die Überprüfungseinrichtung überprüft dann die jeweils von den Servicedienstleistern übermittelten fotografischen Abbildungen, indem die darin abgebildeten optischen Beanstandungen klassifiziert werden und ein jeweiliges Entscheidungssignal an den zugehörigen Servicedienstleister zurück übermittelt wird.In a further embodiment, it is provided that the at least one photographic image is captured and the decision signal is output by a service provider for the at least one motor vehicle, the classification using the checking device being carried out separately from the service provider. This allows a distributed infrastructure to be set up. The advantage is that several user facilities can use the same checking facility and therefore all can use the same checking scale. In particular, a large number of service providers, for example dealers and / or workshops, can be connected to the same checking device, for example provided as a central server. The checking device then checks the respective photographic images transmitted by the service providers by classifying the optical complaints shown therein and transmitting a respective decision signal back to the associated service provider.
In einer Ausführungsform ist vorgesehen, dass mittels der Überprüfungseinrichtung überprüft wird, ob die mindestens eine fotografische Abbildung den vorgegebenen Bedingungen beim Erfassen entspricht, und sofern dies nicht der Fall ist, ein Aufforderungssignal zum Erfassen einer korrekten Abbildung erzeugt und an die Ausgabeeinrichtung übermittelt und von dieser ausgegeben wird. Sind beispielsweise auf der erfassten fotographischen Abbildung abgebildete Bauteile verschmutzt, so kann dies von der Übermittlungseinrichtung erkannt werden. Das Erkennen kann mit der gleichen oder einer separaten Künstlichen Intelligenz erfolgen. Wird eine Verschmutzung erkannt, so wird ein Aufforderungssignal erzeugt und an die Nutzereinrichtung übermittelt und von der Ausgabeeinrichtung ausgegeben. Andere hinderliche Bedingungen sind beispielsweise eine mangelnde Ausleuchtung oder eine mangelnde Auflösung.In one embodiment it is provided that the checking device checks whether the at least one photographic image corresponds to the specified conditions during acquisition, and if this is not the case, a request signal for acquiring a correct image is generated and transmitted to the output device and output by the latter. If, for example, components depicted on the captured photographic image are soiled, this can be recognized by the transmission device. The detection can be done with the same or a separate artificial intelligence. If soiling is detected, a request signal is generated and transmitted to the user device and output by the output device. Other adverse conditions are, for example, a lack of illumination or a lack of resolution.
In einer Weiterbildung ist vorgesehen, dass mittels der Überprüfungseinrichtung eine Handlungsaufforderungsinformation zum Herstellen der vorgegebenen Bedingungen abgeleitet wird, wobei das erzeugt Aufforderungssignal die abgeleitete Handlungsaufforderungsinformation umfasst. Ist das in der erfassten fotografischen Abbildung abgebildete Bauteil des Kraftfahrzeugs beispielsweise verschmutzt, so kann die Handlungsaufforderungsinformation einen Hinweis umfassen, das Bauteil vor Erfassen der fotografischen Abbildung zu reinigen. Weitere Handlungsaufforderungsinformationen können beispielsweise eine Ausleuchtung des Bauteils, einen Abstand des Bauteils zur mindestens einen Kamera und/oder eine Auflösung der fotografischen Abbildung umfassen.In a further development, it is provided that by means of the checking device information requesting action is derived for establishing the specified conditions, the generated request signal including the derived information requesting action. If the component of the motor vehicle depicted in the captured photographic image is, for example, soiled, the information requesting action can include an instruction to clean the component before capturing the photographic image. Further information on the action request can include, for example, an illumination of the component, a distance between the component and at least one camera and / or a resolution of the photographic image.
In einer Ausführungsform ist vorgesehen, dass die Künstliche Intelligenz auf Grundlage eines Trainingsdatensatzes trainiert ist oder trainiert wird, der eine Vielzahl von markierten fotografischen Abbildungen zumindest von ausgezeichneten Bereichen und/oder Bauteilen des Kraftfahrzeugs umfasst. Hierbei werden die fotografischen Abbildungen der ausgezeichneten Bauteile beispielsweise manuell durch einen Experten mit Markierungen (auch Labels genannt) versehen. Hierbei werden sowohl fotografische Abbildungen berücksichtigt, die Bauteile zeigen, welche frei von optischen Mängeln sind, als auch Bauteile, die optische Mängel aufweisen. Im einfachsten Fall wird die Künstliche Intelligenz, die beispielsweise als Künstliches Neuronales Netz ausgebildet sein kann, derart trainiert, dass am Ausgang eine Klassifikation vorliegt, die lediglich entscheidet, ob ein optischer Mangel vorliegt (d.h. der Ausgang liefert die Information: optischer Mangel ist vorhanden „ja“ oder „nein“).In one embodiment it is provided that the artificial intelligence is or is being trained on the basis of a training data set which comprises a plurality of marked photographic images of at least marked areas and / or components of the motor vehicle. Here, the photographic images of the awarded components are provided with markings (also called labels) manually by an expert, for example. Both photographic images are taken into account that show components that are free from optical defects, as well as components that have optical defects. In the simplest case, the artificial intelligence, which can be designed as an artificial neural network, for example, is trained in such a way that there is a classification at the output that only decides whether there is an optical defect (ie the output provides the information: there is an optical defect Yes or no").
In einer weiteren Ausführungsform ist vorgesehen, dass zum Bereitstellen von fotografischen Abbildungen, welche als Referenzabbildungen ohne optische Mängel markiert sind oder werden, fotografische Abbildungen am Ende einer Produktionslinie des Kraftfahrzeugs in einem Herstellerwerk mittels einer Kamera automatisiert erfasst und bereitgestellt werden. Hierdurch kann auf einfache Weise eine Vielzahl von Referenzabbildungen bereitgestellt werden. Da davon ausgegangen wird, dass die am Ende der Produktionslinie erfassten fotografischen Abbildungen nahezu ausschließlich optisch mangelfreie Bauteile des Kraftfahrzeugs zeigen, kann auf eine manuelle Markierung der Abbildungen verzichtet werden. Da Kraftfahrzeuge in solchen Produktionslinien üblicherweise in einer Vielzahl von Varianten (z.B. in Bezug auf eine konkrete Farbe und Ausgestaltung der Bauteile) hergestellt werden, steht zugleich eine große Bandbreite an Referenzabbildungen zur Verfügung. Es kann vorgesehen sein, dass die erfassten Referenzabbildungen einem zentralen Server zugeführt werden, wo diese zum Trainieren der Künstlichen Intelligenz gesammelt werden.In a further embodiment it is provided that in order to provide photographic images which are or will be marked as reference images without optical defects, photographic images are automatically captured and provided at the end of a production line of the motor vehicle in a manufacturing plant using a camera. In this way, a large number of reference images can be provided in a simple manner. Since it is assumed that the photographic images captured at the end of the production line almost exclusively show components of the motor vehicle that are free from defects, manual marking of the images can be dispensed with. Since motor vehicles in such production lines are usually manufactured in a large number of variants (e.g. with regard to a specific color and design of the components), a wide range of reference images is also available. It can be provided that the recorded reference images are fed to a central server, where they are collected to train the artificial intelligence.
In einer Ausführungsform ist vorgesehen, dass nach einer vorgegebenen Anzahl von Durchläufen des Verfahrens, eine Referenzmarkierung der bei den Durchläufen jeweils erfassten fotografischen Abbildungen erfolgt, wobei unter Berücksichtigung der referenzmarkierten fotografischen Abbildungen ein weiterer Trainingsdatensatz erstellt wird, und wobei die Künstliche Intelligenz auf Grundlage des weiteren Trainingsdatensatzes erneut trainiert wird. Der Vorteil ist, dass eine regelmäßige Überprüfung der Künstlichen Intelligenz stattfinden kann. Hierzu können die erfassten fotografischen Abbildungen auf einem zentralen Server gesammelt werden, bis die vorgegebene Anzahl (z.B. 500, 1000,...) erreicht ist. Anschließend werden die gesammelten fotografischen Abbildungen manuell markiert und zu einem weiteren Trainingsdatensatz zusammengefasst. Insbesondere bei einer großen Abweichung (z.B. großer Anteil an Abweichungen in Bezug auf alle Klassifizierungen) der jeweils von der Überprüfungseinrichtung bereitgestellten Klassifikationsergebnisse bzw. der jeweils von der Überprüfungseinrichtung hieraus abgeleiteten Entscheidungssignale von der nachfolgenden manuellen Markierung wird die Künstliche Intelligenz erneut auf Grundlage des weiteren Trainingsdatensatzes trainiert.In one embodiment, it is provided that, after a predetermined number of runs of the method, a reference marking of the photographic images captured during the runs takes place, with a further training data set being created taking into account the reference-marked photographic images, and with the artificial intelligence based on the further Training data set is trained again. The advantage is that the artificial intelligence can be checked regularly. For this purpose, the captured photographic images can be collected on a central server until the specified number (e.g. 500, 1000, ...) is reached. The collected photographic images are then manually marked and combined to form a further training data set. In particular, if there is a large discrepancy (e.g. a large proportion of discrepancies in relation to all classifications) in the classification results provided by the checking device or the decision signals derived from the subsequent manual marking by the checking device, the artificial intelligence is trained again on the basis of the further training data set .
Es kann vorgesehen sein, dass die vorgegebenen Bedingungen beim Erfassen der fotografischen Abbildung in Abhängigkeit der optischen Beanstandung gewählt werden. Insbesondere kann vorgesehen sein, dass die jeweils vorgegebenen Bedingungen beispielsweise auf Grundlage einer Bauteilnummer und/oder einer Bauteilbezeichnung und/oder eines Fahrzeugtyps mittels der Nutzereinrichtung bei der Überprüfungseinrichtung abgefragt und/oder von dieser an die Nutzereinrichtung übermittelt werden. Die Nutzereinrichtung gibt dann die vorgegebenen Bedingungen über die Ausgabeeinrichtung aus oder steuert das Erfassen mittels der Kamera entsprechend an. Alternativ können die vorgegebenen Bedingungen auch bei der Nutzereinrichtung hinterlegt sein und/oder von dieser erzeugt werden. Der Vorteil ist, dass für jede optische Beanstandung oder Gruppen von optischen Beanstandungen jeweils optimale Erfassungsbedingungen gewählt werden können.Provision can be made for the specified conditions to be selected when capturing the photographic image as a function of the optical complaint. In particular, it can be provided that the respectively specified conditions are queried from the checking device by means of the user device, for example on the basis of a component number and / or a component name and / or a vehicle type, and / or are transmitted by the latter to the user device. The user device then outputs the specified conditions via the output device or controls the acquisition by means of the camera accordingly. Alternatively, the predetermined conditions can also be stored in the user device and / or generated by it. The advantage is that optimum detection conditions can be selected for each optical complaint or group of optical complaints.
Merkmale zur Ausgestaltung des Systems ergeben sich aus der Beschreibung von Ausgestaltungen des Verfahrens. Die Vorteile des Systems sind hierbei jeweils die gleichen wie bei den Ausgestaltungen des Verfahrens.Features for the configuration of the system result from the description of configurations of the method. The advantages of the system are the same as in the case of the refinements of the method.
Nachfolgend wird die Erfindung anhand bevorzugter Ausführungsbeispiele unter Bezugnahme auf die Figuren näher erläutert. Hierbei zeigen:
-
1 eine schematische Darstellung einer Ausführungsform des Systems zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug.
-
1 a schematic representation of an embodiment of the system for checking a visual complaint on a motor vehicle.
In
Das System
Es kann vorgesehen sein, dass das System
Die Ausgangssituation beim Starten des Verfahrens ist die folgende: Ein Fahrzeugbesitzer kommt mit seinem Kraftfahrzeug zum Servicedienstleister und beanstandet dort einen optischen Mangel. Der Servicedienstleister muss dann entscheiden, insbesondere im Rahmen einer Garantievereinbarung, ob eine Reparatur oder ein Austausch des betroffenen Bauteils des Kraftfahrzeugs
Um diese Entscheidung zu treffen, wird unter vorgegebenen Bedingungen, wie z.B. eine vorgegebene Beleuchtung, ein vorgegebener Abstand, eine vorgegebene Auslösung etc., mindestens eine fotografische
Die Überprüfungseinrichtung
Das erzeugte Entscheidungssignal
Das Übermitteln der mindestens einen fotografischen
Es kann vorgesehen sein, dass beim Klassifizieren der erfassten fotografischen Abbildung mehr als zwei Klassen unterschieden werden. Beispielsweise können vier Klassen mit dem folgenden Inhalt unterschieden werden:
- 1) Keine fotografische
- 2) eine Bildqualität der erfassten mindestens einen fotografischen
- 3) es liegt ein optischer Mangel vor;
- 4) es liegt kein optischer Mangel vor.
- 1) No photographic
- 2) an image quality of the captured at least one photographic
- 3) there is an optical defect;
- 4) there is no visual defect.
Es kann vorgesehen sein, dass das Klassifikationsergebnis und/oder das Entscheidungssignal
Es kann vorgesehen sein, dass die vorgegebenen Bedingungen beim Erfassen der fotografischen
Es kann ferner vorgesehen sein, dass mittels der Überprüfungseinrichtung
Weiterbildend kann vorgesehen sein, dass mittels der Überprüfungseinrichtung eine Handlungsaufforderungsinformation
Es kann weiter vorgesehen sein, dass die Künstliche Intelligenz
Weiterbildend kann vorgesehen sein, dass zum Bereitstellen von fotografischen Abbildungen, welche als Referenzabbildungen ohne optische Mängel markiert sind oder werden, fotografische Abbildungen am Ende einer Produktionslinie des Kraftfahrzeugs
Es kann vorgesehen sein, dass nach einer vorgegebenen Anzahl von Durchläufen des Verfahrens, eine Referenzmarkierung der bei den Durchläufen jeweils erfassten fotografischen
BezugszeichenlisteList of reference symbols
- 11
- Systemsystem
- 22
- NutzereinrichtungUser facility
- 33
- AusgabeeinrichtungOutput device
- 44th
- ÜberprüfungseinrichtungVerification facility
- 55
- fotografische Abbildungphotographic illustration
- 66
- Schnittstelleinterface
- 77th
- Künstliche IntelligenzArtificial intelligence
- 88th
- EntscheidungssignalDecision signal
- 99
- HandlungsempfehlungsinformationAction recommendation information
- 1010
- AufforderungssignalPrompt signal
- 1111
- HandlungsaufforderungsinformationCall-to-action information
- 2020th
- Kameracamera
- 5050
- KraftfahrzeugMotor vehicle
- 5151
- ScheinwerferHeadlights
- 100100
- ReparaturmanagementsystemRepair management system
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent literature cited
- US 2017/0221110 A1 [0003]US 2017/0221110 A1 [0003]
Claims (10)
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019204346.1A DE102019204346A1 (en) | 2019-03-28 | 2019-03-28 | Method and system for checking a visual complaint on a motor vehicle |
CN202080016931.4A CN113490960A (en) | 2019-03-28 | 2020-01-31 | Method and system for inspecting visual defects on a motor vehicle |
PCT/EP2020/052436 WO2020192985A1 (en) | 2019-03-28 | 2020-01-31 | Method and system for checking a claimed optical defect on a motor vehicle |
EP20703955.3A EP3948746A1 (en) | 2019-03-28 | 2020-01-31 | Method and system for checking a claimed optical defect on a motor vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019204346.1A DE102019204346A1 (en) | 2019-03-28 | 2019-03-28 | Method and system for checking a visual complaint on a motor vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019204346A1 true DE102019204346A1 (en) | 2020-10-01 |
Family
ID=69500712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019204346.1A Pending DE102019204346A1 (en) | 2019-03-28 | 2019-03-28 | Method and system for checking a visual complaint on a motor vehicle |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3948746A1 (en) |
CN (1) | CN113490960A (en) |
DE (1) | DE102019204346A1 (en) |
WO (1) | WO2020192985A1 (en) |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4750444B2 (en) * | 2005-03-24 | 2011-08-17 | 株式会社日立ハイテクノロジーズ | Appearance inspection method and apparatus |
KR101338576B1 (en) * | 2005-12-26 | 2013-12-06 | 가부시키가이샤 니콘 | Defect inspection device for inspecting defect by image analysis |
DE102013109915B4 (en) * | 2013-09-10 | 2015-04-02 | Thyssenkrupp Steel Europe Ag | Method and device for checking an inspection system for detecting surface defects |
EP3279645A4 (en) * | 2015-03-31 | 2018-09-26 | Nisshin Steel Co., Ltd. | Device for examining surface defect in hot-dipped steel plate, and method for examining surface defect |
GB2544324A (en) * | 2015-11-13 | 2017-05-17 | Cathx Res Ltd | Method and system for processing image data |
CA2956780A1 (en) | 2016-02-01 | 2017-08-01 | Mitchell International, Inc. | Methods for improving automated damage appraisal and devices thereof |
US10511676B2 (en) * | 2016-03-17 | 2019-12-17 | Conduent Business Services, Llc | Image analysis system for property damage assessment and verification |
CN106504248B (en) * | 2016-12-06 | 2021-02-26 | 成都通甲优博科技有限责任公司 | Vehicle damage judging method based on computer vision |
CN107607554A (en) * | 2017-09-26 | 2018-01-19 | 天津工业大学 | A kind of Defect Detection and sorting technique of the zinc-plated stamping parts based on full convolutional neural networks |
CN108985343B (en) * | 2018-06-22 | 2020-12-25 | 深源恒际科技有限公司 | Automobile damage detection method and system based on deep neural network |
CN109064454A (en) * | 2018-07-12 | 2018-12-21 | 上海蝶鱼智能科技有限公司 | Product defects detection method and system |
CN109239073B (en) * | 2018-07-28 | 2020-11-10 | 西安交通大学 | Surface defect detection method for automobile body |
CN109145903A (en) * | 2018-08-22 | 2019-01-04 | 阿里巴巴集团控股有限公司 | A kind of image processing method and device |
CN109461149A (en) * | 2018-10-31 | 2019-03-12 | 泰州市创新电子有限公司 | The intelligent checking system and method for lacquered surface defect |
-
2019
- 2019-03-28 DE DE102019204346.1A patent/DE102019204346A1/en active Pending
-
2020
- 2020-01-31 CN CN202080016931.4A patent/CN113490960A/en active Pending
- 2020-01-31 WO PCT/EP2020/052436 patent/WO2020192985A1/en unknown
- 2020-01-31 EP EP20703955.3A patent/EP3948746A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN113490960A (en) | 2021-10-08 |
WO2020192985A1 (en) | 2020-10-01 |
EP3948746A1 (en) | 2022-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10244131A1 (en) | Technical plant assessment method in which test measurements on functional units of the plant are automatically processed to detect faulty functional unit groups and assign corresponding defectiveness probabilities | |
DE102017210787A1 (en) | Method and apparatus for detecting anomalies in a communication network | |
WO2004104836A2 (en) | Telediagnosis viewer | |
DE102018209595A1 (en) | Method for automatically determining a road condition | |
DE102005040142A1 (en) | Method for identifying complex diagnostic situations in customer service | |
DE102018212249A1 (en) | Method, system and electronic computing device for checking sensor devices of vehicles, in particular motor vehicles | |
DE102019204346A1 (en) | Method and system for checking a visual complaint on a motor vehicle | |
DE102020212147A1 (en) | Data-based update of the training of classifier networks | |
WO2019228770A1 (en) | Method for setting up imaging sensors, computer program product for setting up imaging sensors, sensor setup system and facility | |
DE102021005277A1 (en) | Method for authenticating the user of a motor vehicle | |
DE10315344B4 (en) | Method and device for detecting faulty components in vehicles | |
DE102021002302A1 (en) | Procedure for scheduling test processes to be carried out | |
DE102020203514A1 (en) | Method for generating training data, vehicle and training system | |
DE102016011856A1 (en) | Method for selecting a vehicle from a set of possible vehicles remotely | |
DE102019103192A1 (en) | Method for generating training data for a digital, adaptive camera system | |
DE102020210974A1 (en) | Method and apparatus for detecting defects during a surface modification process | |
DE102013020550A1 (en) | Method and device for data communication in vehicles, in particular in motor vehicles | |
DE102017217596A1 (en) | Method for checking an electronic component, method for generating a model and device | |
DE102022113682A1 (en) | Computer-implemented method for transmitting information about a headlight of a motor vehicle with multiple light sources | |
DE102022128149A1 (en) | Method for operating a monitoring system of a production facility for a motor vehicle, computer program product and monitoring system | |
DE102019134485A1 (en) | Testing a camera system for a motor vehicle | |
DE102023004114A1 (en) | Method and device for reporting a traffic sign requiring correction | |
DE102021001677A1 (en) | Method for detecting damage to an object, control device for carrying out such a method, detection device with such a control device and motor vehicle with such a detection device | |
DE102021109399A1 (en) | Device and method for identifying changes to a machine arrangement | |
DE102020131777A1 (en) | Method and device for determining the status of a loading unit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication |