车辆苫盖检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种车辆苫盖检测方法、装置、电子设备及存储介质，所述方法包括：获取原始车辆苫盖图像，并对原始车辆苫盖图像进行预处理；对预处理后的原始车辆苫盖图像进行区域标定并作为标定结果；对标定后的原始车辆苫盖图像进行目标特征提取，得到包含有目标特征的特征图像；对特征图像中的缺陷部分进行语义分割，基于分割结果构建缺陷检测数据集；获取待检测车辆苫盖图像，基于构建好后的目标检测模型检测待检测车辆苫盖图像，得到车辆苫盖的缺陷检测结果。本申请实现对待检测车辆苫盖图像的自动缺陷检测，目标检测模型具有较高的识别准确率，能够避免对大量的人工和时间成本的依赖，从而降低了成本。从而降低了成本。从而降低了成本。

【技术实现步骤摘要】
车辆苫盖检测方法、装置、电子设备及存储介质


[0001]本申请属于车辆苫盖检测
，尤其涉及一种车辆苫盖检测方法、装置、电子设备及存储介质。

技术介绍

[0002]为保证车载货物在运输过程中，减少扬尘污染和出现货物抛洒风险，车辆载运货物必须遵守载货规定，车载运易抛洒滴漏的泥沙、煤矿石、渣土等货物时，货物不能超过车厢栏板，且应按规定在货物上加盖篷布，严禁货物抛洒滴漏、超高超宽、超载等道路交通违法行为，抛洒滴漏会严重污染环境，同时还会引发交通事故。
[0003]目前，现有的车辆苫盖检测大多依靠人员观察检测苫布是否完全覆盖车辆车厢，这就导致检测结果不准确，出现漏判误判的可能，同时，耗费大量的人力物力成本，不便于车载货物的车辆安全行驶。

技术实现思路

[0004]有鉴于此，本申请旨在提出一种车辆苫盖检测方法、装置、电子设备及存储介质，以解决依靠人员观察检测苫布是否完全覆盖车辆车厢，导致检测结果不准确的问题。
[0005]为达到上述目的，本申请的技术方案是这样实现的：
[0006]第一方面，本申请提供了一种车辆苫盖检测方法，所述方法包括：
[0007]获取原始车辆苫盖图像，并对所述原始车辆苫盖图像进行预处理；
[0008]对预处理后的所述原始车辆苫盖图像进行区域标定并作为标定结果；
[0009]对标定后的所述原始车辆苫盖图像进行目标特征提取，得到包含有目标特征的特征图像；
[0010]对所述特征图像中的缺陷部分进行语义分割，基于分割结果构建缺陷检测数据集；
[0011]获取待检测车辆苫盖图像，基于构建好的目标检测模型检测所述待检测车辆苫盖图像，得到车辆苫盖的缺陷检测结果；其中，所述目标检测模型是基于所述缺陷检测数据集构建的。
[0012]第二方面，本申请还提供了一种车辆苫盖检测装置，所述装置包括：
[0013]获取模块，被配置为获取原始车辆苫盖图像，并对所述原始车辆苫盖图像进行预处理；
[0014]标定模块，被配置为对预处理后的所述原始车辆苫盖图像进行区域标定并作为标定结果；
[0015]目标特征提取模块，被配置为对标定后的所述原始车辆苫盖图像进行目标特征提取，得到包含有目标特征的特征图像；
[0016]分割模块，被配置为对所述特征图像中的缺陷部分进行语义分割，基于分割结果构建缺陷检测数据集；
[0017]检测模块，被配置为获取待检测车辆苫盖图像，基于构建好后的目标检测模型检测所述待检测车辆苫盖图像，得到车辆苫盖的缺陷检测结果；其中，所述目标检测模型是基于所述缺陷检测数据集构建的。
[0018]第三方面，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的车辆苫盖检测方法。
[0019]第四方面，本申请还提供了一种非暂态计算机可读存储介质，其中，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如第一方面所述的车辆苫盖检测方法。
[0020]相对于现有技术，本申请所述的车辆苫盖检测方法、装置、电子设备及存储介质具有以下有益效果：
[0021]本申请所述的车辆苫盖检测方法、装置、电子设备及存储介质，所述车辆苫盖检测方法针对大规模车辆苫盖图像数据的处理需求，通过对车辆苫盖图像进行区域标定、语义分割，利用构建的目标检测模型进行自动检测，实现对待检测车辆苫盖图像的自动缺陷检测，目标检测模型具有较高的识别准确率，能够捕捉到更多肉眼看不清的缺陷，可以支持批量处理，能够避免对大量的人工和时间成本的依赖，从而降低了成本，从而为检测员和用户提供高效、精准的服务。
附图说明
[0022]构成本申请的一部分的附图用来提供对本申请的进一步理解，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：
[0023]图1为本申请实施例所述的车辆苫盖检测方法流程示意图；
[0024]图2为本申请实施例所述的车辆苫盖图像采集图；
[0025]图3为本申请实施例所述的车辆苫盖检测装置结构示意图；
[0026]图4为本申请实施例所述的电子设备结构示意图。
具体实施方式
[0027]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0028]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0029]以下结合附图详细说明本申请的实施例。
[0030]请参阅图1所示，本申请一个实施例的车辆苫盖检测方法，包括以下步骤：
[0031]S101、获取原始车辆苫盖图像，并对原始车辆苫盖图像进行预处理。
[0032]具体地，如图2所示，本实施例通过摄像头、相机或者其他图像采集设备进行原始车辆苫盖的图像采集，由于原始车辆苫盖图像不便于后续步骤的图像特征提取和分割，通过对原始车辆苫盖图像进行数据预处理，以达到优化和改善图像质量，增强图像特征的目的。
[0033]在一些实施方式中，原始获取车辆苫盖图像，并对所述原始车辆苫盖图像进行预处理，包括：
[0034]预处理包括灰度处理、去噪、对比度增强和归一化处理。
[0035]具体地，对图像预处理的操作步骤包括：
[0036]灰度处理，图像灰度化是将彩色图像转换为灰度图像的过程，在灰度图像中，每个像素点只有一个值，表示该点的亮度，而没有颜色信息，灰度化处理可以基于加权平均算法和亮度分量计算的方法进行。
[0037]对于加权平均算法，将原始RGB三种颜色通道按照一定比例进行融合，得到对应的灰度值，具体公式：Gray＝0.299R+0.587G+0.144B。
[0038]亮度分量计算方法：将原始RGB三种颜色通道分别乘以适量的系数再相加来得到灰度值，具体公式：Gray＝0.3R+0.59G+0.11B。
[0039]需要说明的是，上述系数可根据实际情况进行灵活设置，灰度化处理的主要目的是减少数据量、降低存储和计算成本，并且灰度图像通常比彩色图像更易于分析和处理。
[0040]图像去噪，使用滤波器去除图像中的噪声，常用的有中值滤波器、均值滤波器等。
[0041]对比度增强，同固调整图像的对比度来增强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆苫盖检测方法，其特征在于，所述方法包括：获取原始车辆苫盖图像，并对所述原始车辆苫盖图像进行预处理；对预处理后的所述原始车辆苫盖图像进行区域标定并作为标定结果；对标定后的所述原始车辆苫盖图像进行目标特征提取，得到包含有目标特征的特征图像；对所述特征图像中的缺陷部分进行语义分割，基于分割结果构建缺陷检测数据集；获取待检测车辆苫盖图像，基于构建好的目标检测模型检测所述待检测车辆苫盖图像，得到车辆苫盖的缺陷检测结果；其中，所述目标检测模型是基于所述缺陷检测数据集构建的。2.根据权利要求1所述的车辆苫盖检测方法，其特征在于，所述原始获取车辆苫盖图像，并对所述原始车辆苫盖图像进行预处理，包括：所述预处理包括灰度处理、去噪、对比度增强和归一化处理。3.根据权利要求1所述的车辆苫盖检测方法，其特征在于，所述对预处理后的所述原始车辆苫盖图像进行区域标定并作为标定结果，包括：对车辆的车厢、苫盖覆盖区域，以及车厢中的煤砂进行区域标定。4.根据权利要求1所述的车辆苫盖检测方法，其特征在于，所述对标定后的所述原始车辆苫盖图像进行目标特征提取，得到包含有目标特征的特征图像，包括：基于训练好的卷积神经网络模型中，利用所述卷积神经网络模型中的卷积层、池化层、损失函数将标定后的所述原始车辆苫盖图像中的局部信息整合到全局，在多个尺度上提取包含有目标特征的特征图像。5.根据权利要求4所述的车辆苫盖检测方法，其特征在于，所述对所述特征图像中的缺陷部分进行语义分割，基于分割结果构建缺陷检测数据集，包括：利用训练好的分割模型对所述特征图像中的缺陷部分进行分割，生成二值图像，其中，设定缺陷部分为1，非缺陷部分为0；将分割后生成的所述二值图像按原比例放回到原始车辆苫盖图像中，得到缺陷图像；基于缺陷图像和非缺陷图像构建缺陷检测数据集。6.根据权利要求5所述的车辆苫盖检测方法，其特征在于，所述获取待检测车辆苫盖图像，基...

【专利技术属性】
技术研发人员：刘玉海，张敬文，付强，于洋，刘子铭，芦浩楠，张川，郭金霞，
申请(专利权)人：天津港远航国际矿石码头有限公司，
类型：发明
国别省市：