一种基于人工智能的油耗检测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及智能检测领域，揭露一种基于人工智能的油耗检测方法、装置及存储介质，包括：获取油耗待检车辆及加油装置，对应采集加油装置的装置油表图像和油耗待检车辆的车辆油表图像；识别车辆油表图像的油表指针刻度和装置油表图像的装置油表数据，构建油表指针刻度与装置油表数据之间的关联关系；定位油耗待检车辆的里程起点和里程终点，并获取对应的起点里程及终点里程，识别里程起点和里程终点之间的行驶路径，根据起点里程和终点里程，计算行驶路径对应的行驶路径里程；识别油耗待检车辆对应行驶路径的油耗影响因子，基于油耗影响因子、行驶路径里程、油表指针刻度及关联关系，计算油耗待检车辆的油耗水平。本发明专利技术可以提高油耗检测的准确率。耗检测的准确率。耗检测的准确率。

【技术实现步骤摘要】
一种基于人工智能的油耗检测方法、装置及存储介质


[0001]本专利技术涉及智能检测领域，尤其涉及一种基于人工智能的油耗检测方法、装置及存储介质。

技术介绍

[0002]随着化石能源大量的消耗以及持续不断的开采，能源的节约利用逐渐提上国家议程，燃油的经济性也开始被人们关注，而燃油消耗量是衡量汽车燃油经济性一项重要的指标，因此如何提高油耗的检测精度具有重要的现实意义。
[0003]目前，燃油消耗的测量方法主要分为两大类：直接测量法和间接测量法。直接测量法，即通过拆开发动机油路接入流量测量仪器，直接测得燃油消耗量，主要有容积法、质量法等，但这类方法虽然测量精度较高，但操作复杂、费时，破坏了车辆原有油路结构，导致厂家不保修；间接测量法即不解体测量法，包括碳平衡法、超声波法、电喷测量法、空燃比测量法、放射性跟踪试验方法等，但这类方法虽然无需拆解油路结构，但测量精度相对较低。

技术实现思路

[0004]本专利技术提供一种基于人工智能的油耗检测方法、装置及存储介质，其主要目的在于提高油耗检测的准确率。
[0005]为实现上述目的，本专利技术提供的一种基于人工智能的油耗检测方法，包括：
[0006]获取油耗待检车辆及加油装置，利用所述加油装置对所述油耗待检车辆进行加油，以对应采集所述加油装置的装置油表图像和所述油耗待检车辆的车辆油表图像；
[0007]识别所述车辆油表图像的油表指针刻度，并识别所述装置油表图像的装置油表数据，及构建所述油表指针刻度与所述装置油表数据之间的关联关系；/>[0008]定位所述油耗待检车辆的里程起点和里程终点，识别所述里程起点和所述里程终点之间的行驶路径，分别获取所述里程起点和所述里程终点的起点里程和终点里程，根据所述起点里程和所述终点里程，计算所述行驶路径对应的行驶路径里程；
[0009]识别所述油耗待检车辆对应所述行驶路径的油耗影响因子，基于所述油耗影响因子、所述行驶路径里程、所述油表指针刻度及所述关联关系，计算所述油耗待检车辆的油耗水平。
[0010]可选地，所述识别所述车辆油表图像的油表指针刻度，包括：
[0011]利用下述公式对所述车辆油表图像进行灰度化处理，得到车辆油表灰度图：
[0012]其中，表示车辆油表灰度图，表示车辆油表图像的红色分量图像，表示车辆油表图像的绿色分量图像，表示车辆油表图像的蓝色分量图像，，分别表示车辆油表灰度图的横坐标和纵坐标；
[0013]提取所述车辆油表灰度图中的油表盘图像，识别所述油表盘图像中的油表指针和表盘刻度；
[0014]并识别所述油表指针对应所述表盘刻度的指针位置，根据所述指针位置，确定所述油表指针的油表指针刻度。
[0015]可选地，所述识别所述装置油表图像的装置油表数据，包括：
[0016]对所述装置油表图像进行灰度化处理，得到装置油表灰度图，对所述装置油表灰度图进行光照不均匀校正，得到光照校正图像；
[0017]对所述光照校正图像进行边缘检测，得到边缘图像，定位所述边缘图像中的字符区域，基于所述字符区域，截取所述边缘图像中的字符区域图像；
[0018]对所述字符区域图像进行位置校正，得到字符校正图像，对所述字符校正图像进行数字字符识别，得到所述装置油表图像的装置油表数据。
[0019]可选地，所述对所述装置油表灰度图进行光照不均匀校正，得到光照校正图像，包括：
[0020]根据预设的尺度参数，利用下述公式计算所述装置油表灰度图的反射分量信息熵：
[0021][0022][0023]其中，反射分量信息熵，表示装置油表灰度图，表示高斯函数，表示高斯尺度幅值，表示尺度参数，表示对数符号，表示卷积符号；
[0024]利用下述公式将所述反射分量信息熵进行归一化，得到归一反射信息熵：
[0025][0026]其中，表示归一反射信息熵，表示反射分量信息熵，表示直方图的尺度参数级数，表示最小化函数符号，表示最大化函数符号；
[0027]根据所述尺度参数和所述归一反射信息熵，构建尺度信息熵直方图，根据所述尺度信息熵直方图，确定最佳尺度参数，基于所述最佳尺度参数，确定自适应尺度范围；
[0028]根据所述自适应尺度范围，计算所述装置油表灰度图的光照校正图像。
[0029]可选地，所述根据所述自适应尺度范围，计算所述装置油表灰度图的光照校正图像，包括：
[0030]利用下述公式述计算所述装置油表灰度图的光照校正图像：
[0031][0032]其中，表示光照校正图像，表示第个权重系数，表示装置油表灰度图，表示第个高斯函数，表示第个尺度参数，表示高斯函数的序号，表示对数符号，表示卷积符号。
[0033]可选地，所述对所述字符区域图像进行位置校正，得到字符校正图像，包括：
[0034]将所述字符区域图像进行左右平均切分，得到左字符区域、右字符区域及切分直线，获取所述字符区域图像对应的边缘图像，并标记所述切分直线与所述边缘图像的上边缘交点；
[0035]计算所述上边缘交点与所述字符区域图像的上区域边的交点距离，计算所述字符区域图像的区域宽度，根据所述交点距离与所述区域宽度，计算所述字符区域图像的倾斜角度；
[0036]计算所述字符区域图像的图像中心，根据所述图像中心和所述倾斜角度，对所述字符区域图像进行旋转，得到所述字符校正图像。
[0037]可选地，所述构建所述油表指针刻度与所述装置油表数据之间的关联关系，包括：
[0038]构建所述油表指针刻度与所述装置油表数据的关联数据对，并将所述关联数据对划分为训练数据对和测试数据对；
[0039]根据所述训练数据对，构建候选插值函数，并根据所述测试数据，计算所述候选插值函数的插值误差；
[0040]选择最小的所述插值误差对应的候选插值函数，作为目标插值函数，基于所述目标插值函数，确定所述油表指针刻度与所述装置油表数据之间的关联关系。
[0041]可选地，所述基于所述油耗影响因子、所述行驶路径里程、所述油表指针刻度及所述关联关系，计算所述油耗待检车辆的油耗水平，包括：
[0042]利用下述公式计算所述油耗待检车辆的油耗水平：
[0043][0044]其中，表示油耗待检车辆每百公里的油耗水平，表示油表指针刻度，表示油表指针刻度与装置油表数据之间关联关系，表示行驶路径里程，表示油耗待检车辆的当前状态的油耗影响因子值，表示油耗待检车辆的其他状态的油耗影响因子，表示油耗影响因子的序号，表示油耗影响因子的数量。
[0045]为了解决上述问题，本专利技术还提供一种基于人工智能的油耗检测装置，所述装置包括：
[0046]油表图像采集模块，用于获取油耗待检车辆及加油装置，利用所述加油装置对所述油耗待检车辆进行加油，以对应采集所述加油装置的装置油表图像和所述油耗待检车辆的车辆油表图像；
[0047]关联关系构建模块，用于识别所述车辆油表图像的油表指针刻度，并识别所述装置油表图像的装置油本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的油耗检测方法，其特征在于，所述方法包括：获取油耗待检车辆及加油装置，利用所述加油装置对所述油耗待检车辆进行加油，以对应采集所述加油装置的装置油表图像和所述油耗待检车辆的车辆油表图像；识别所述车辆油表图像的油表指针刻度，并识别所述装置油表图像的装置油表数据，及构建所述油表指针刻度与所述装置油表数据之间的关联关系；定位所述油耗待检车辆的里程起点和里程终点，识别所述里程起点和所述里程终点之间的行驶路径，分别获取所述里程起点和所述里程终点的起点里程和终点里程，根据所述起点里程和所述终点里程，计算所述行驶路径对应的行驶路径里程；识别所述油耗待检车辆对应所述行驶路径的油耗影响因子，基于所述油耗影响因子、所述行驶路径里程、所述油表指针刻度及所述关联关系，计算所述油耗待检车辆的油耗水平。2.如权利要求1所述的基于人工智能的油耗检测方法，其特征在于，所述识别所述车辆油表图像的油表指针刻度，包括：利用下述公式对所述车辆油表图像进行灰度化处理，得到车辆油表灰度图：；其中，表示车辆油表灰度图，表示车辆油表图像的红色分量图像，表示车辆油表图像的绿色分量图像，表示车辆油表图像的蓝色分量图像，，分别表示车辆油表灰度图的横坐标和纵坐标；提取所述车辆油表灰度图中的油表盘图像，识别所述油表盘图像中的油表指针和表盘刻度；并识别所述油表指针对应所述表盘刻度的指针位置，根据所述指针位置，确定所述油表指针的油表指针刻度。3.如权利要求1所述的基于人工智能的油耗检测方法，其特征在于，所述识别所述装置油表图像的装置油表数据，包括：对所述装置油表图像进行灰度化处理，得到装置油表灰度图，对所述装置油表灰度图进行光照不均匀校正，得到光照校正图像；对所述光照校正图像进行边缘检测，得到边缘图像，定位所述边缘图像中的字符区域，基于所述字符区域，截取所述边缘图像中的字符区域图像；对所述字符区域图像进行位置校正，得到字符校正图像，对所述字符校正图像进行数字字符识别，得到所述装置油表图像的装置油表数据。4.如权利要求3所述的基于人工智能的油耗检测方法，其特征在于，所述对所述装置油表灰度图进行光照不均匀校正，得到光照校正图像，包括：根据预设的尺度参数，利用下述公式计算所述装置油表灰度图的反射分量信息熵：；；其中，反射分量信息熵，表示装置油表灰度图，表示高斯函数，表示高斯尺度幅值，表示尺度参数，表示对数符号，表示卷积符号；利用下述公式将所述反射分量信息熵进行归一化，得到归一反射信息熵：
；其中，表示归一反射信息熵，表示反射分量信息熵，表示直方图的尺度参数级数，表示最小化函数符号，表示最大化函数符号；根据所述尺度参数和所述归一反射信息熵，构建尺度信息熵直方图，根据所述尺度信息熵直方图，确定最佳尺度参数，基于所述最佳尺度参数，确定自适应尺度范围；根据所述自适应尺度范围，计算所述装置油表灰度图的光照校正图像。5.如权利要求4所述的基于人工智能的油耗检测方法，其特征在于，所述根据所述自适应尺度范围，计算所述装置油表灰度图的光照校正图像，包括：利用下述公式述计算所述装置油表灰度图的光照校正图像：...

【专利技术属性】
技术研发人员：于新国，王川汶，周思远，张侠，张玉星，
申请(专利权)人：青岛青软晶尊微电子科技有限公司，
类型：发明
国别省市：