【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种车辆故障排查和维修方法及系统。
技术介绍
1、车辆维修排查是现代汽车维修领域的重要组成部分，涉及广泛的技术和工具，在现有的车辆故障排查中，一部分是使用扫描仪读取车辆的故障码从而检测车辆是否存在故障，但依靠故障码来检测车辆故障，其准确性得不到保障，使得车辆维修的效率和质量无法得到提升，还有一部分是通过车辆图像分析技术辅以相关技术人员来检测车辆是否存在故障问题，该方法虽然在一定程度上提高了车辆检测的准确性和车辆维修的质量，但目前所采用的图像分析技术所采用的故障检测模型较为简单，其故障检测识别的速度和精确度还未达到所设想的要求，并且对技术人员的依赖性也过高，无法稳定地保持车辆故障排查和维修的质量。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种车辆故障排查和维修方法及系统，不仅提高了故障检测识别的速度和精确度，并且可以稳定低保持车辆故障排查和维修的质量。
2、为了解决上述技术问题，本专利技术提供了一种车辆故障排查和维修方法，所述方法包括：
3、基于车辆控制系统利用定时器采集每辆车辆的车体图像，并对每辆车辆的车体图像进行特征提取处理，获得每辆车辆对应的特征图；
4、将对应的特征图输入至故障检测模型中，基于所述故障检测模型利用关键点补偿方法对每辆车辆进行车辆故障检测；
5、若检测出车辆存在故障，则获取存在故障的车辆的标识信息，并将所述标识信息和车辆故障检测结果传输至后台管理系统中
6、所述后台管理系统基于所述标识信息匹配故障车辆的过往驾驶信息和故障记录，基于所述车辆故障检测结果、过往驾驶信息和故障记录选取对应的维修策略，并基于对应的维修策略分配维修人员对故障车辆进行维修；
7、在车辆维修过程中，车辆控制系统实时监测车辆组件状态数据，并将所述车辆组件状态数据传输至所述后台管理系统中。
8、可选的，所述对每辆车辆的车体图像进行特征提取处理，获得每辆车辆对应的特征图，包括：
9、对每辆车辆的车体图像进行预处理，获得每辆车辆预处理后的车体图像；
10、将预处理后的车体图像划分为若干个单元格，计算每个单元格中的梯度直方图；
11、对每个单元格中的梯度直方图根据预设顺序进行串联，获得若干个方向梯度直方图特征描述子；
12、将若干个方向梯度直方图特征描述子进行连接，获得每辆车辆对应的特征图。
13、可选的，所述将对应的特征图输入至故障检测模型中，基于所述故障检测模型利用关键点补偿方法对每辆车辆进行车辆故障检测，包括：
14、构建centernet目标检测模型作为初始的故障检测模型，对初始的故障检测模型进行训练，获得训练好的故障检测模型；
15、将对应的特征图输入至训练好的故障检测模型中，获得存在故障的关键点；
16、对存在故障的关键点进行补偿，获得补偿后的关键点，并基于补偿后的关键点进行车辆故障类型的识别。
17、可选的，所述centernet目标检测模型的结构包括沙漏网络、深层聚合网络和resnet50网络，所述沙漏网络包含若干层卷积层、上采样层和下采样层，所述深层聚合网络包括多层感知器层、编码层、自注意力层、解码层和全连接层，所述resnet50网络包含卷积块和恒等块，所述卷积块包含若干层卷积层、批量归一化层和池化层，所述恒等块包含若干层卷积层和恒等映射层。
18、可选的，所述对存在故障的关键点进行补偿，获得补偿后的关键点，包括：
19、对存在故障的关键点进行光流处理，获得关键点对应的光流矢量；
20、基于所述光流矢量确定位置偏置信息，基于所述位置偏置信息对关键点进行补偿处理，获得补偿后的关键点。
21、可选的，所述若检测出车辆存在故障，则获取存在故障的车辆的标识信息，并将所述标识信息和车辆故障检测结果传输至后台管理系统中，包括：
22、当检测出车辆存在故障时，所述车辆控制系统控制扫描设备根据预设路径扫描车辆的标识信息；
23、所述车辆控制系统与所述后台管理系统建立双向通信链接，所述车辆控制系统基于所述双向通信链接将所述标识信息和车辆故障检测结果传输至后台管理系统。
24、可选的，所述后台管理系统基于所述标识信息匹配故障车辆的过往驾驶信息和故障记录，基于所述车辆故障检测结果、过往驾驶信息和故障记录选取对应的维修策略，并基于对应的维修策略分配维修人员对故障车辆进行维修，包括：
25、所述后台管理系统基于所述标识信息在驾驶信息数据库中获取对应故障车辆的过往驾驶信息和故障记录；
26、对所述车辆故障检测结果、过往驾驶信息和故障记录的文本信息进行语料预处理，获得若干个语料关键词；
27、基于若干个语料关键词利用相似度算法匹配对应的维修策略；
28、获取处于空闲状态的维修人员信息，将对应的维修策略发送至处于空闲状态的维修人员。
29、可选的，所述基于若干个语料关键词利用相似度算法匹配对应的维修策略，包括：
30、对维修策略信息库中的所有维修策略文本信息进行预处理，获得预处理后的所有维修策略文本信息；
31、基于词嵌入模型提取预处理后的每个维修策略文本信息对应的文本关键词；
32、将所有语料关键词和文本关键词进行向量形式转换，获得每个语料关键词对应的语料向量和每个文本关键词对应的文本向量；
33、计算所述语料向量和文本向量的相似度，将相似度最高的文本向量对应的维修策略作为故障车辆的维修策略。
34、可选的，所述车辆控制系统实时监测车辆组件状态数据，并将所述车辆组件状态数据传输至所述后台管理系统中，包括：
35、所述后台管理系统发送开始监测指令至所述车辆控制系统，所述车辆控制系统对所述开始监测指令进行解析，获得监测参数列表；
36、所述车辆控制系统基于所述监测参数列表对故障车辆的各组件进行实时监测，获得车辆组件状态数据，并将所述车辆组件状态数据传输至所述后台管理系统。
37、另外，本专利技术还提供了一种车辆故障排查和维修系统，所述系统包括：
38、图像获取和特征提取模块，用于基于车辆控制系统利用定时器采集每辆车辆的车体图像，并对每辆车辆的车体图像进行特征提取处理，获得每辆车辆对应的特征图；
39、故障检测模块，用于将对应的特征图输入至故障检测模型中，基于所述故障检测模型利用关键点补偿方法对每辆车辆进行车辆故障检测；
40、信息传输模块，用于若检测出车辆存在故障，则获取存在故障的车辆的标识信息，并将所述标识信息和车辆故障检测结果传输至后台管理系统中；
41、维修策略选取模块，用于所述后台管理系统基于所述标识信息匹配故障车辆的过往驾驶信息和故障记录，基于所述车辆故障检测结果、过往驾驶信息和故障记录选取对应的维修策略，并基于对应的本文档来自技高网...
【技术保护点】
1.一种车辆故障排查和维修方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车辆故障排查和维修方法，其特征在于，所述对每辆车辆的车体图像进行特征提取处理，获得每辆车辆对应的特征图，包括：
3.根据权利要求1所述的车辆故障排查和维修方法，其特征在于，所述将对应的特征图输入至故障检测模型中，基于所述故障检测模型利用关键点补偿方法对每辆车辆进行车辆故障检测，包括：
4.根据权利要求3所述的车辆故障排查和维修方法，其特征在于，所述CenterNet目标检测模型的结构包括沙漏网络、深层聚合网络和Resnet50网络，所述沙漏网络包含若干层卷积层、上采样层和下采样层，所述深层聚合网络包括多层感知器层、编码层、自注意力层、解码层和全连接层，所述Resnet50网络包含卷积块和恒等块，所述卷积块包含若干层卷积层、批量归一化层和池化层，所述恒等块包含若干层卷积层和恒等映射层。
5.根据权利要求3所述的车辆故障排查和维修方法，其特征在于，所述对存在故障的关键点进行补偿，获得补偿后的关键点，包括：
6.根据权利要求1所述的车辆故障排查
7.根据权利要求1所述的车辆故障排查和维修方法，其特征在于，所述后台管理系统基于所述标识信息匹配故障车辆的过往驾驶信息和故障记录，基于所述车辆故障检测结果、过往驾驶信息和故障记录选取对应的维修策略，并基于对应的维修策略分配维修人员对故障车辆进行维修，包括：
8.根据权利要求7所述的车辆故障排查和维修方法，其特征在于，所述基于若干个语料关键词利用相似度算法匹配对应的维修策略，包括：
9.根据权利要求1所述的车辆故障排查和维修方法，其特征在于，所述车辆控制系统实时监测车辆组件状态数据，并将所述车辆组件状态数据传输至所述后台管理系统中，包括：
10.一种车辆故障排查和维修系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种车辆故障排查和维修方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车辆故障排查和维修方法，其特征在于，所述对每辆车辆的车体图像进行特征提取处理，获得每辆车辆对应的特征图，包括：
3.根据权利要求1所述的车辆故障排查和维修方法，其特征在于，所述将对应的特征图输入至故障检测模型中，基于所述故障检测模型利用关键点补偿方法对每辆车辆进行车辆故障检测，包括：
4.根据权利要求3所述的车辆故障排查和维修方法，其特征在于，所述centernet目标检测模型的结构包括沙漏网络、深层聚合网络和resnet50网络，所述沙漏网络包含若干层卷积层、上采样层和下采样层，所述深层聚合网络包括多层感知器层、编码层、自注意力层、解码层和全连接层，所述resnet50网络包含卷积块和恒等块，所述卷积块包含若干层卷积层、批量归一化层和池化层，所述恒等块包含若干层卷积层和恒等映射层。
5.根据权利要求3所述的车辆故障排查和维修方法，其特征在于，所述对存在...
【专利技术属性】
技术研发人员：周耀文，吴茂洪，伍世翰，
申请(专利权)人：广州市启宏普浩企业管理服务有限公司，
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。