车辆缺陷识别方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及一种车辆缺陷识别方法、装置、设备和存储介质，其中，该车辆缺陷识别方法包括：获取待检测车辆的车辆图像；将所述车辆图像输入训练完备的缺陷识别模型，进行缺陷类型识别和缺陷部件识别，并获取对应的缺陷类型识别结果和缺陷部件识别结果；基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括缺陷部件及该缺陷部件的缺陷类型。通过本申请，解决了相关技术中主要依靠检测人员人工识别车辆缺陷耗时较多的缺点，实现了快速识别二手车缺陷的目的，大大提高了缺陷识别效率和识别准确率。率。率。

【技术实现步骤摘要】
车辆缺陷识别方法、装置、设备和存储介质


[0001]本申请涉及车辆缺陷识别领域，特别是涉及一种车辆缺陷识别方法、装置、设备和存储介质。

技术介绍

[0002]在二手车买卖市场上，车辆缺陷是影响二手车买卖价值很重要的一个因素，同时也是影响二手车成交与否的关键要素之一，因此在二手车实际交易过程中准确展示车辆缺陷情况是最为关键的一步。二手车缺陷识别是一个复杂的业务场景，二手车可能产生缺陷的位置几乎覆盖了车身的各个部位，数据量较大。
[0003]目前，确定二手车缺陷的方法，通常采用人工识别来确定车辆缺陷部位。由于数据量较大，在这个过程中拍摄车辆缺陷照片并准确确定缺陷部件及对应的缺陷类型耗时较长，是目前车辆缺陷识别过程中最耗时的一个环节。目前针对相关技术中主要依靠检测人员人工识别车辆缺陷的方法耗时较多，尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种车辆缺陷识别方法、装置、设备和存储介质，以至少解决相关技术中二手车车辆缺陷主要依靠人工识别方法导致耗时较大的问题。
[0005]第一方面，本申请实施例提供了一种车辆缺陷识别方法，包括：
[0006]获取待检测车辆的车辆图像；
[0007]将所述车辆图像输入训练完备的缺陷识别模型，进行缺陷类型识别和缺陷部件识别，并获取对应的缺陷类型识别结果和缺陷部件识别结果；
[0008]基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括缺陷部件及该缺陷部件的缺陷类型。
[0009]在其中一些实施例中，所述缺陷部件识别结果包括所述待检测车辆的所有部件，所述所有部件按照预测概率值从高到低降序排列。
[0010]在其中一些实施例中，所述基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，包括：
[0011]从所述缺陷类型识别结果中选取一个候选缺陷类型；
[0012]将所述候选缺陷类型与所述降序排列的部件依次进行关联，直至匹配到符合预设关联规则的最优部件，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括所述最优部件及该最优部件对应的所述候选缺陷类型。
[0013]在其中一些实施例中，将所述候选缺陷类型与所述降序排列的部件依次进行关联，直至匹配到符合预设关联规则的最优部件，包括：
[0014]创建临时缺陷部件识别结果，并初始化为所述缺陷部件识别结果；
[0015]从所述临时缺陷部件识别结果中选取当前预测概率值最高的临时缺陷部件；
[0016]判断所述临时缺陷部件与所述候选缺陷类型之间是否符合预设关联规则；
[0017]如果符合，则将所述临时缺陷部件作为所述最优部件，并继续从所述缺陷类型识别结果中选取下一个新的候选缺陷类型；
[0018]如果不符合，则从所述临时缺陷部件识别结果中删除当前临时缺陷部件后，继续选取下一个预测概率值最高的临时缺陷部件，直至匹配到符合预设关联规则的最优部件。
[0019]在其中一些实施例中，所述预设关联规则为缺陷类型匹配对应的缺陷部件，所述预设关联规则包括：掉漆匹配车门和/或掉漆匹配保险杠。
[0020]在其中一些实施例中，所述缺陷识别模型包括缺陷类型识别模型以及缺陷部件识别模型；
[0021]所述缺陷类型识别模型的主干网络使用单阶段检测器方法搭建；
[0022]所述缺陷部件识别模型的主干网络使用卷积神经网络搭建。
[0023]在其中一些实施例中，还包括：将所述车辆缺陷识别结果与所述车辆图像进行绑定，根据所述车辆图像核实车辆实际缺陷情况以确定所述车辆缺陷识别结果的准确性；
[0024]如果所述车辆缺陷识别结果符合车辆实际缺陷情况，则将所述车辆图像与所述车辆缺陷识别结果直接储存至检测服务后台；
[0025]如果所述车辆缺陷识别结果不符合车辆实际缺陷情况，则根据所述车辆实际缺陷情况对所述车辆缺陷识别结果进行更正并储存至检测服务后台。
[0026]第二方面，本申请实施例提供了一种车辆缺陷识别装置，包括：
[0027]车辆图像检测模块，用于获取待检测车辆的车辆图像；
[0028]车辆缺陷识别模块，用于将所述车辆图像输入训练完备的缺陷识别模型，进行缺陷类型识别和缺陷部件识别，并获取对应的缺陷类型识别结果和缺陷部件识别结果；
[0029]车辆缺陷关联模块，用于基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括缺陷部件及该缺陷部件的缺陷类型。
[0030]第三方面，本申请实施例提供了一种车辆缺陷识别设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述第一方面所述的车辆缺陷识别方法。
[0031]第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的车辆缺陷识别方法。
[0032]相比于相关技术，本申请实施例提供的一种车辆缺陷识别方法、装置、设备和存储介质，通过将获取的待检测车辆的车辆图像输入训练完备的缺陷识别模型得到该车辆图像的缺陷类型识别结果以及缺陷部件识别结果，并将所述缺陷类型识别结果以及缺陷部件识别结果进行关联，获得所述车辆图像所对应的缺陷部件以及该缺陷部件的缺陷类型，解决了相关技术中主要依靠检测人员人工识别车辆缺陷耗时较多的缺点，实现了快速识别二手车缺陷的目的，大大提高了缺陷识别效率和识别准确率。
[0033]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0034]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0035]图1是本申请实施例的车辆缺陷识别方法的终端的硬件结构框图；
[0036]图2是根据本申请实施例提供的车辆缺陷识别方法的流程图；
[0037]图3是根据本申请另一实施例提供的车辆缺陷识别方法的流程图；
[0038]图4是根据本申请又一实施例提供的车辆缺陷识别方法的流程图；
[0039]图5是根据本申请实施例提供的车辆缺陷识别装置的结构框图。
具体实施方式
[0040]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆缺陷识别方法，其特征在于，包括：获取待检测车辆的车辆图像；将所述车辆图像输入训练完备的缺陷识别模型，进行缺陷类型识别和缺陷部件识别，并获取对应的缺陷类型识别结果和缺陷部件识别结果；基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括缺陷部件及该缺陷部件的缺陷类型。2.根据权利要求1所述的车辆缺陷识别方法，其特征在于，所述缺陷部件识别结果包括所述待检测车辆的所有部件，所述所有部件按照预测概率值从高到低降序排列。3.根据权利要求2所述的车辆缺陷识别方法，其特征在于，所述基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，包括：从所述缺陷类型识别结果中选取一个候选缺陷类型；将所述候选缺陷类型与所述降序排列的部件依次进行关联，直至匹配到符合预设关联规则的最优部件，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括所述最优部件及该最优部件对应的所述候选缺陷类型。4.根据权利要求3所述的车辆缺陷识别方法，其特征在于，将所述候选缺陷类型与所述降序排列的部件依次进行关联，直至匹配到符合预设关联规则的最优部件，包括：创建临时缺陷部件识别结果，并初始化为所述缺陷部件识别结果；从所述临时缺陷部件识别结果中选取当前预测概率值最高的临时缺陷部件；判断所述临时缺陷部件与所述候选缺陷类型之间是否符合预设关联规则；如果符合，则将所述临时缺陷部件作为所述最优部件，并继续从所述缺陷类型识别结果中选取下一个新的候选缺陷类型；如果不符合，则从所述临时缺陷部件识别结果中删除当前临时缺陷部件后，继续选取下一个预测概率值最高的临时缺陷部件，直至匹配到符合预设关联规则的最优部件。5.根据权利要求1至4任一项所述的车辆缺...

【专利技术属性】
技术研发人员：徐鑫，丁晓年，路荣，刘海波，
申请(专利权)人：北京巅峰科技有限公司，
类型：发明
国别省市：