基于深度学习的车灯点亮状态试验监控方法及系统技术方案

本发明专利技术提供了基于深度学习的车灯点亮状态试验监控方法及系统，其中，监控方法包括：获取待监测车灯点亮后的车灯图像；采用预训练的ONNX推理模型对图像车灯图像中各功能灯区域的点亮状态进行目标识别；图像ONNX推理模型基于深度学习进行训练；判断图像车灯图像中识别得到的ROI区域的数量与人工标注的ROI区域的数量是否一致；若是，判断图像车灯图像中识别得到的ROI区域的类别标签与人工标注的ROI区域的类别标签是否一致；若是，根据类别比对结果，输出存在的类别标签对应的ROI坐标，并判断ROI区域的中心点坐标是否在人工标注的ROI区域坐标范围内；若是，判定图像车灯点亮状态无异常，能够有效提高试验监控的可靠。

【技术实现步骤摘要】

本专利技术涉及监控，尤其是一种基于深度学习的车灯点亮状态试验监控方法及系统。

技术介绍

1、随着汽车行业的持续发展，各大汽车制造商对车灯的试验标准提出了越来越高的要求，因此对试验过程中车灯点亮状态进行监控的需求也越来越多。

2、目前，车灯点亮状态的试验监控方法主要有两种：

3、1)采用外接故障诊断反馈电路，通过收集到的电流和电压曲线来判断车灯点亮状态是否异常。该种方法虽然能实现监控的目的，但是需要分析最终的曲线才能判断整个试验过程中车灯是否出现异常。当试验周期较长时，曲线数据会变得过多，难以找到异常点。

4、2)利用uds(unified diagnostic services，统一诊断服务)故障诊断，通过分析车灯反馈的报文来诊断故障代码，从而判断其当前状态是否异常。该种方法虽然能够记录故障发生的具体时间、故障代码以及具体故障类型，并在上位机中实时显示，但无法捕捉车灯在发生故障时的点亮状态图像，结果不够直观，用户也无法确定记录的故障报文是否可靠，例如：led微闪、亮度较低等，这些在报文上显示led处于正常状态。

<本文档来自技高网...

【技术保护点】

1.一种基于深度学习的车灯点亮状态试验监控方法，其特征在于，包括：

2.如权利要求1所述的车灯点亮状态试验监控方法，其特征在于，

3.如权利要求1或2所述的车灯点亮状态试验监控方法，其特征在于，所述获取待监测车灯的车灯图像之前还包括创建ONNX推理模型的步骤，包括：

4.如权利要求3所述的车灯点亮状态试验监控方法，其特征在于，

5.如权利要求1或2或4所述的车灯点亮状态试验监控方法，其特征在于，所述车灯点亮状态试验监控方法还包括：

6.如权利要求5所述的车灯点亮状态试验监控方法，其特征在于，

7.如权利要求5所述的车...

【技术特征摘要】

1.一种基于深度学习的车灯点亮状态试验监控方法，其特征在于，包括：

2.如权利要求1所述的车灯点亮状态试验监控方法，其特征在于，

3.如权利要求1或2所述的车灯点亮状态试验监控方法，其特征在于，所述获取待监测车灯的车灯图像之前还包括创建onnx推理模型的步骤，包括：

4.如权利要求3所述的车灯点亮状态试验监控方法，其特征在于，

5.如权利要求1或2或4所述的车灯点亮状态试验监控方法，其特征在于，所述车灯点亮状态试验监控方法还包括：

6.如权利要求5所述的车灯点亮状态试验监控方法，其特征在于，

7.如权利要求5所述的车灯点亮状态试验监控方法，其特征在于，所述车灯点亮状态试验监控方法还包括：

8.一种基于深度学习的车灯点亮状态试验监控系统，其特征在于，包括：上位机控制终端、总线采集设备、直流稳压电源、...

【专利技术属性】
技术研发人员：安思捷，贺小兴，刘加林，叶浩浩，
申请(专利权)人：常州星宇车灯股份有限公司，
类型：发明
国别省市：