【技术实现步骤摘要】
本申请涉及智能识别，且更为具体地，涉及一种基于深度学习的汽车油孔姿态识别系统及方法。
技术介绍
1、汽车油孔是汽车油盖箱的一部分，用于加注汽车燃油，是汽车加油系统的重要组成部分。汽车油盖箱的设计旨在防止灰尘、水和其他杂物进入油箱，同时保护油箱免受外部环境的影响。汽车油盖箱通常有锁定和解锁两种状态，在解锁状态下，才能够通过油孔加注燃油。
2、在汽车工业中，如果汽车油盖箱出现问题，则会影响汽车的正常使用和驾驶安全。因此，对于汽车油盖箱状态的准确识别是保证汽车安全的重要环节。然而，传统的油盖箱状态识别方法主要依赖于人工检查。人工检查的方法不仅浪费时间和人力，而且无法保证检查的准确性和实时性。因此，期待一种优化的解决方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于深度学习的汽车油孔姿态识别系统及方法，其采用基于深度学习的计算机视觉技术对由摄像头采集的汽车油盖箱的数字图像进行图像特征提取，捕捉到数字图像的本质语义特征表达，挖掘出汽车油盖箱的状态信息，从而智能识别汽车油盖箱是否锁定。这样，实现对汽车油盖箱状态的实时监测和识别，从而保证油孔以及油盖箱处于安全的状态，确保汽车的行驶安全，并提高汽车的智能化水平和用户体验。
2、相应地，根据本申请的一个方面，提供了一种基于深度学习的汽车油孔姿态识别系统，其包括：
3、数字图像获取模块，用于获取由摄像头采集的汽车油盖箱的数字图像；
4、数据增强模块，用于对所述汽车
5、状态特征提取模块，用于提取所述汽车油盖箱图像的集合的汽车油盖箱状态特征以得到汽车油盖箱状态特征图的集合；
6、特征本质化模块，用于对所述汽车油盖箱状态特征图的集合进行特征强化和本质化提取以得到汽车油盖箱本质语义特征图；
7、识别结果生成模块，用于基于所述汽车油盖箱本质语义特征图，确定识别结果。
8、在上述基于深度学习的汽车油孔姿态识别系统中，所述状态特征提取模块，用于：将所述汽车油盖箱图像的集合中的各个汽车油盖箱图像分别通过基于卷积神经网络模型的图像特征提取器以得到所述汽车油盖箱状态特征图的集合。
9、在上述基于深度学习的汽车油孔姿态识别系统中，所述特征本质化模块，包括：重参数化强化单元，用于将所述汽车油盖箱状态特征图的集合中的各个汽车油盖箱状态特征图通过基于重参数化网络的特征图强化器以得到强化汽车油盖箱状态特征图的集合；本质化提取单元，用于将所述强化汽车油盖箱状态特征图的集合输入本质特征提取网络以得到所述汽车油盖箱本质语义特征图。
10、在上述基于深度学习的汽车油孔姿态识别系统中，所述重参数化强化单元，用于：以如下重参数化公式对所述汽车油盖箱状态特征图进行处理以得到所述强化汽车油盖箱状态特征图；其中，所述重参数化公式为：
11、
12、其中，是所述汽车油盖箱状态特征图的均值，是所述汽车油盖箱状态特征图的方差，是从高斯分布中随机采样得到的第个值，是所述强化汽车油盖箱状态特征图中第个特征值。
13、在上述基于深度学习的汽车油孔姿态识别系统中，所述本质化提取单元，用于：以如下本质特征提取公式对所述强化汽车油盖箱状态特征图的集合进行处理以得到所述汽车油盖箱本质语义特征图；其中，所述本质特征提取公式为：
14、
15、
16、其中，是所述强化汽车油盖箱状态特征图的集合中第个强化汽车油盖箱状态特征图，是所述强化汽车油盖箱状态特征图的集合中第个强化汽车油盖箱状态特征图，表示特征图的2范数，为所述强化汽车油盖箱状态特征图的集合的长度-1，为所述强化汽车油盖箱状态特征图的集合的表示，表示语义特征差异系数，表示自然指数函数运算，表示所述语义差异系数的总数，为所述汽车油盖箱本质语义特征图。
17、在上述基于深度学习的汽车油孔姿态识别系统中，所述识别结果生成模块，包括：校正单元，用于对所述汽车油盖箱本质语义特征图进行特征分布校正以得到校正后汽车油盖箱本质语义特征图；结果划分单元，用于将所述校正后汽车油盖箱本质语义特征图通过分类器以得到识别结果，所述识别结果用于表示汽车油盖箱是否锁定。
18、在上述基于深度学习的汽车油孔姿态识别系统中，所述校正单元，用于：对所述汽车油盖箱本质语义特征图中的各个汽车油盖箱本质语义特征矩阵进行线性变换转化为正方矩阵以得到变换后汽车油盖箱本质语义特征图；对所述变换后汽车油盖箱本质语义特征图进行基于相邻特征矩阵的优化校正以得到所述校正后汽车油盖箱本质语义特征图。
19、在上述基于深度学习的汽车油孔姿态识别系统中，所述结果划分单元，用于：使用所述分类器以如下分类公式对所述校正后汽车油盖箱本质语义特征图进行分类处理以获得所述分类结果；其中，所述分类公式为：
20、
21、其中，表示将所述校正后汽车油盖箱本质语义特征图投影为向量，至是权重矩阵，至为偏置向量，表示归一化指数函数，表示所述分类结果。
22、根据本申请的另一个方面，提供了一种基于深度学习的汽车油孔姿态识别方法，其包括：
23、获取由摄像头采集的汽车油盖箱的数字图像；
24、对所述汽车油盖箱的数字图像进行数据增强以得到汽车油盖箱图像的集合；
25、提取所述汽车油盖箱图像的集合的汽车油盖箱状态特征以得到汽车油盖箱状态特征图的集合；
26、对所述汽车油盖箱状态特征图的集合进行特征强化和本质化提取以得到汽车油盖箱本质语义特征图；
27、基于所述汽车油盖箱本质语义特征图，确定识别结果。
28、与现有技术相比，本申请提供的基于深度学习的汽车油孔姿态识别系统及方法，其采用基于深度学习的计算机视觉技术对由摄像头采集的汽车油盖箱的数字图像进行图像特征提取，捕捉到数字图像的本质语义特征表达，挖掘出汽车油盖箱的状态信息，从而智能识别汽车油盖箱是否锁定。这样，实现对汽车油盖箱状态的实时监测和识别，从而保证油孔以及油盖箱处于安全的状态，确保汽车的行驶安全，并提高汽车的智能化水平和用户体验。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的汽车油孔姿态识别系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述状态特征提取模块，用于：
3.根据权利要求2所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述特征本质化模块，包括：
4.根据权利要求3所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述重参数化强化单元，用于：
5.根据权利要求4所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述本质化提取单元，用于：
6.根据权利要求5所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述识别结果生成模块，包括：
7.根据权利要求6所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述校正单元，用于：
8.根据权利要求7所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述结果划分单元，用于：
9.一种基于深度学习的汽车油孔姿态识别方法，其特征在于，包括：
【技术特征摘要】
1.一种基于深度学习的汽车油孔姿态识别系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述状态特征提取模块，用于：
3.根据权利要求2所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述特征本质化模块，包括：
4.根据权利要求3所述的基于深度学习的汽车油孔姿态识别系统，其特征在于，所述重参数化强化单元，用于：
5.根据权利要求4所述的基于深度学习的汽车油...
【专利技术属性】
技术研发人员：施恒之，
申请(专利权)人：浙江驿公里智能科技有限公司，
类型：发明
国别省市：
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。