汽车车机系统异常识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种汽车车机系统异常识别方法及装置，通过在汽车车机系统运行过程中采集对屏幕的检测图像，将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的，根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常，能够实现对汽车车机系统的运行过程的自动化监控，以及可以自动判断汽车车机系统在运行过程中是否存在异常，无需工作人员对汽车车机系统的运行过程进行监控，简化工作人员的操作流程，并提高测试效率。

Abnormal Recognition Method and Device for Automotive Locomotive System

The embodiment of the present invention provides a method and device for anomaly recognition of automobile locomotive system. By collecting the detection image of the screen during the operation of the automobile locomotive system, the detection image is input into the preset artificial intelligence model, and the classification result of the detection image output from the artificial intelligence model is obtained. The classification result includes anomalous image or normal graph. For example, the artificial intelligence model is trained according to the abnormal sample image, judges whether the automobile locomotive system has abnormalities according to the classification results of the detection image, realizes the automatic monitoring of the operation process of the automobile locomotive system, and can automatically judge whether the automobile locomotive system has abnormalities in the operation process, without the need for staff to automobile locomotive system. The operation process of the system is monitored to simplify the operation process of the staff and improve the testing efficiency.

【技术实现步骤摘要】
汽车车机系统异常识别方法及装置
本专利技术实施例涉及计算机应用
，尤其涉及一种汽车车机系统异常识别方法及装置。
技术介绍
随着现代汽车工业和电子技术的发展，车辆导航、通信、多媒体影音娱乐等车载电子产品可以通过网络技术联网形成功能强大的综合性车机系统。通常，在车载电子产品投入市场之前，需要对其进行老化测试以验证安装该车载电子产品的车机系统的硬件和软件稳定可靠性。目前，在进行老化测试时，一般是由相关工作人员监控车机系统在测试过程中是否正常运行，若发现车机系统存在异常，则及时进行解决，以使测试能够正常进行。然而，专利技术人发现现有技术中至少存在如下问题：需要人工时刻监控车机系统在测试过程中是否正常运行，测试效率低下。
技术实现思路
本专利技术实施例提供一种汽车车机系统异常识别方法及装置，以提高测试效率。第一方面，本专利技术实施例提供一种汽车车机系统异常识别方法，包括：在汽车车机系统运行过程中采集对屏幕的检测图像；将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的；根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常。可选的，所述根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常，包括：在设定时间内，若所述分类结果中出现连续异常图像的次数大于或等于预设次数，则确定所述汽车车机系统存在异常。可选的，所述将所述检测图像输入至预设的人工智能模型之前，还包括：将经过标注的异常样本图像，分为训练样本和测试样本；从所述训练样本中选取第一数量的训练样本对初始人工智能模型进行训练；利用所述测试样本计算训练后的初始人工智能模型的识别精度；若所述识别精度小于预设阈值，则继续从剩余的训练样本中选取第二数量的训练样本对所述训练后的初始人工智能模型进行训练；若所述识别精度大于或等于所述预设阈值，则将所述训练后的初始人工智能模型作为所述预设的人工智能模型。可选的，所述根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常之后，还包括：若确定所述汽车车机系统存在异常，则获取预设时间段内的检测图像和测试日志，并进行保存。可选的，所述获取预设时间段内的检测图像和测试日志，并进行保存，包括：获取确定所述汽车车机系统存在异常的异常时刻；停止检测所述汽车车机系统是否存在异常，并触发预设的报警装置进行报警；在获取到工作人员反馈的维修信息后或在经过预设时间间隔后，重新判断所述汽车车机系统是否仍存在异常；若所述汽车车机系统未存在异常，则控制所述报警装置结束报警，并获取对应的结束报警时刻；获取在所述异常时刻与所述结束报警时刻之间的测试录像和测试日志，并进行保存。可选的，所述获取预设时间段内的检测图像和测试日志，并进行保存之后，还包括：将所述预设时间段内的检测图像和测试日志发送至图像样本合成服务器；接收所述图像样本合成服务器反馈的基于所述预设时间段内的检测图像生成的目标样本图像；基于所述目标样本图像，对所述人工智能模型进行训练。可选的，所述异常图像包括死机图像、重启图像和黑屏图像。第二方面，本专利技术实施例提供一种汽车车机系统异常识别装置，包括：检测图像获取模块，用于在汽车车机系统运行过程中采集对屏幕的检测图像；分类结果获取模块，用于将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的；系统异常判断模块，用于根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常。可选的，所述系统异常判断模块具体用于：在设定时间内，若所述分类结果中出现连续异常图像的次数大于或等于预设次数，则确定所述汽车车机系统存在异常。可选的，智能模型训练模块；所述智能模型训练模块还用于：在将所述检测图像输入至预设的人工智能模型之前，将经过标注的异常样本图像，分为训练样本和测试样本；从所述训练样本中选取第一数量的训练样本对初始人工智能模型进行训练；利用所述测试样本计算训练后的初始人工智能模型的识别精度；若所述识别精度小于预设阈值，则继续从剩余的训练样本中选取第二数量的训练样本对所述训练后的初始人工智能模型进行训练；若所述识别精度大于或等于所述预设阈值，则将所述训练后的初始人工智能模型作为所述预设的人工智能模型。可选的，所述装置，还包括：异常信息保存模块；所述异常信息保存模块还用于：在根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常之后，若确定所述汽车车机系统存在异常，则获取预设时间段内的检测图像和测试日志，并进行保存。可选的，所述异常信息保存模块具体用于：获取确定所述汽车车机系统存在异常的异常时刻；停止检测所述汽车车机系统是否存在异常，并触发预设的报警装置进行报警；在获取到工作人员反馈的维修信息后或在经过预设时间间隔后，重新判断所述汽车车机系统是否仍存在异常；若所述汽车车机系统未存在异常，则控制所述报警装置结束报警，并获取对应的结束报警时刻；获取在所述异常时刻与所述结束报警时刻之间的测试录像和测试日志，并进行保存。可选的，所述装置还包括：异常信息处理模块；所述异常信息处理模块用于：在获取预设时间段内的检测图像和测试日志，并进行保存之后，将所述预设时间段内的检测图像和测试日志发送至图像样本合成服务器；接收所述图像样本合成服务器反馈的基于所述预设时间段内的检测图像生成的目标样本图像；基于所述目标样本图像，对所述人工智能模型进行训练。可选的，所述异常图像包括死机图像、重启图像和黑屏图像。第三方面，本专利技术实施例提供一种汽车车机系统异常识别设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的汽车车机系统异常识别方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的汽车车机系统异常识别方法。本专利技术实施例提供的汽车车机系统异常识别方法及装置，该方法通过在汽车车机系统运行过程中采集对屏幕的检测图像，将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的，根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常，能够实现对汽车车机系统的运行过程的自动化监控，以及可以自动判断汽车车机系统在运行过程中是否存在异常，无需工作人员对汽车车机系统的运行过程进行监控，简化工作人员的操作流程，并提高测试效率。附图说明为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，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为本专利技术实施例提供的汽车车机系统异常识别场景示意图；图2为本专利技术实施例提供的汽车车机系统异常识别方法的流程图一；图3为本专利技术实施例提供的汽本文档来自技高网...

【技术保护点】
1.一种汽车车机系统异常识别方法，其特征在于，包括：在汽车车机系统运行过程中采集对屏幕的检测图像；将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的；根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常。

【技术特征摘要】
1.一种汽车车机系统异常识别方法，其特征在于，包括：在汽车车机系统运行过程中采集对屏幕的检测图像；将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的；根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常。2.根据权利要求1所述的方法，其特征在于，所述根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常，包括：在设定时间内，若所述分类结果中出现连续异常图像的次数大于或等于预设次数，则确定所述汽车车机系统存在异常。3.根据权利要求1所述的方法，其特征在于，所述将所述检测图像输入至预设的人工智能模型之前，还包括：将经过标注的异常样本图像，分为训练样本和测试样本；从所述训练样本中选取第一数量的训练样本对初始人工智能模型进行训练；利用所述测试样本计算训练后的初始人工智能模型的识别精度；若所述识别精度小于预设阈值，则继续从剩余的训练样本中选取第二数量的训练样本对所述训练后的初始人工智能模型进行训练；若所述识别精度大于或等于所述预设阈值，则将所述训练后的初始人工智能模型作为所述预设的人工智能模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常之后，还包括：若确定所述汽车车机系统存在异常，则获取预设时间段内的检测图像和测试日志，并进行保存。5.根据权利要求4所述的方法，其特征在于，所述获取预设时间段内的检测图像和测试日志，并进行保存，包括：获取确定所述汽车车机系统存在异常的异常时刻；停止检测所述汽车车机系统是否存在异常，并触发预设的报警装置进行报警；在获取到工作人员反馈的维修信息后或在经过预设时间间隔后，重新判断所述汽车车机系统是否仍存在异常；若所述汽车车机系统未存在异常，则控制所述报警装置结束报警，并获取对应的结束报警时刻；获取在所述异常时刻与所述结束报警时刻之间的测试录像和测试日志，并进行保存。6.根据权利要求4所述的方法，其特征在于，所述获取预设时间段内的检测图像和测试日志，并进行保存之后，还包括：将所述预设时间段内的检测图像和测试日志发送至图像样本合成服务器；接收所述图像样本合成服务器反馈的基于所述预设时间段内的检测图像生成的目标样本图像；基于所述目标样本图像，对所述人工智能模型进行训练。7.根据权利要求1或2所述的方法，其特征在于，所述异常图像包括死机图像、重启图像和黑屏图像。8.一种汽车车机系统异常识别装置，其特征在于，包括：检测图像获取模块，用于在汽车车机系统运行过程中采集对屏幕的检测图像；分类结果获取模块，用于将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述...

【专利技术属性】
技术研发人员：樊继方，李海潮，成荣峰，金辉，
申请(专利权)人：斑马网络技术有限公司，
类型：发明
国别省市：上海,31