The invention discloses a vehicle fault detection method, a detection device, a server and a vehicle system. The method is implemented by testing equipment, including: obtaining the body image of the target vehicle, vector processing to get the corresponding target image vector, and processing the target image vector according to the pre constructed vehicle body fault model to determine the fault state of the target vehicle. According to the invention, it is unnecessary to rely on manual labor to detect vehicle faults, improve the efficiency of fault detection, and reduce the manpower cost of fault detection. It is especially suitable for fault detection of batch vehicles.
【技术实现步骤摘要】
车辆故障检测方法、检测设备、服务器及车辆系统
本专利技术涉及车辆
,更具体地,涉及一种车辆故障检测方法、检测设备、服务器及车辆系统。
技术介绍
互联网技术和设备制造技术的飞速发展,出现了共享车辆服务,例如共享自行车、共享助力车、共享电动车乃至共享汽车等,可以将车辆以分时或分段模式租赁给用户使用,有效利用车辆资源,为用户提供高效且低成本的服务,解决交通出行的问题。但是,随着共享车辆的用户规模迅速增大,共享车辆出现故障的情况也随之增多。目前,在已经投放提供服务的共享车辆出现故障时,主要依赖共享车辆运营方的运营人员,根据自身的经验对车辆进行故障检测,而运营人员自身业务素质参差不齐,会存在误检测、决策慢等问题,同时,对于投放规模巨大的共享车辆而言,无疑存在人力成本较高并且处理效率较低的问题。
技术实现思路
本专利技术的一个目的是提供一种用于检测故障车辆的新技术方案。根据本专利技术的第一方面,提供了一种车辆故障检测方法,通过检测设备实施,包括:获取目标车辆的车体图像,进行向量化处理得到对应的目标图像向量;根据预先构建的车体故障模型对所述目标图像向量进行处理,确定所述目标车辆的故障状态,其中,所述故障状态至少包括车体故障类型。可选地,该方法还包括:获取目标车辆的车体图像,进行向量化处理得到对应的目标图像向量;根据预先构建的车体故障模型对所述目标图像向量进行处理,确定所述目标车辆的故障状态,其中,所述故障状态至少包括车体故障类型。可选地,所述根据机器学习算法对所述训练样本集合进行训练得到所述车体故障模型的步骤包括:从所述训练样本集合中,选取预定数目的所述训练样本作为验 ...
【技术保护点】
1.一种车辆故障检测方法,其中,通过检测设备实施,包括:获取目标车辆的车体图像,进行向量化处理得到对应的目标图像向量;根据预先构建的车体故障模型对所述目标图像向量进行处理,确定所述目标车辆的故障状态,其中,所述故障状态至少包括车体故障类型。
【技术特征摘要】
1.一种车辆故障检测方法,其中,通过检测设备实施,包括:获取目标车辆的车体图像,进行向量化处理得到对应的目标图像向量;根据预先构建的车体故障模型对所述目标图像向量进行处理,确定所述目标车辆的故障状态,其中,所述故障状态至少包括车体故障类型。2.根据权利要求1所述的方法,其中,还包括:设置车体故障类型;分别根据每种所述车体故障类型,从已获取的多份所述车体图像中选取多份图像样本;根据所得到的所有车体故障类型的图像样本,构建对应的训练样本集合,其中,所述训练样本集合中包括多个训练样本,每个所述训练样本包括对应的图像样本向量化处理后得到的图像向量以及所述图像样本对应的车体故障类型;根据机器学习算法对所述训练样本集合进行训练,得到对应的所述车体故障模型。3.根据权利要求2所述的方法,其中,所述根据机器学习算法对所述训练样本集合进行训练得到所述车体故障模型的步骤包括:从所述训练样本集合中,选取预定数目的所述训练样本作为验证样本,并将剩余的其他所述训练样本作为基础训练样本;分别计算每个所述验证样本的图像向量与每个所述基础训练样本的图像向量之间的向量距离,得到每个所述验证样本的向量距离集合,根据每个所述验证样本的向量距离集合,计算不同的向量距离阈值下的验证准确率,并选取最高的验证准确率对应的向量距离阈值作为最佳距离阈值;根据所述最佳距离阈值、以及所述训练样本集合,得到对应的所述车体故障模型。4.根据权利要求3所述的方法,其中,所述根据预先构建的车体故障模型对所述目标图像向量进行处理确定所述目标车辆的故障状态的步骤包括:计算所述目标图像向量与每个所述训练样本的图像向量之间的向量距离,得到目标向量距离集合;统计所述目标向量距离集合中,与不同的所述车体故障类型对应的小于所述最佳距离阈值的向量距离的数目;选取最多的所述向量距离的数目对应的所述车体故障类型,作为所述...
【专利技术属性】
技术研发人员:刘尊昌,
申请(专利权)人:北京摩拜科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。