【技术实现步骤摘要】
本专利技术涉及车辆视觉检测，特别是涉及一种基于深度学习的自适应车辆视觉检测系统。
技术介绍
1、近年来，深度学习技术的飞速发展为车辆视觉检测带来了新的突破。深度学习模型，尤其是卷积神经网络(cnn)，能够自动从大量数据中学习并提取出高层次的抽象特征，这些特征对于车辆的检测与识别具有更强的表达能力和鲁棒性。然而，深度学习模型的高效运行依赖于高质量、高纯净度的图像数据作为输入。在实际应用中，车辆图像往往受到多种噪声源的干扰，包括传感器噪声、电路噪声、环境噪声等，这些噪声会严重影响图像的质量，进而降低深度学习模型的检测性能。
2、目前，对于图像的采集系统大多使用cmos图像传感器与fpga现场可编程逻辑门列结合的方式对图像数据进行采集和处理，参考现有专利文献(公开号cn 220554076u)，该技术专利公开了一种基于fpga的ccd数据高速采集装置，将ccd图像传感器将感应到的待检测的光信号输出给模数转换芯片，在fpga芯片提供的时钟和积分时间信号作用下，模数转换芯片将ccd图像传感器输出的模拟信号转换成数字信号存储在fpga芯片的缓冲区，fpga芯片通过usb接口传输芯片将数据缓冲区的数据传输给上位机。该技术方案在模拟信号在转换为数字信号及传输过程中容易遭受噪声干扰，这会降低图像信号的纯净度，从而影响后续图像处理的准确性。
3、而现有专利技术专利文献(公开号cn 108681270 a)公开了一种线阵ccd探测器的信号处理电路，包括依次连接的前置放大电路、差分放大电路、滤波电路，模数转换器、光强调节电路和光
4、针对上述情况，本专利技术旨在提供一种新的方案来解决此问题。
技术实现思路
1、针对上述情况，为克服现有技术之缺陷，本专利技术之目的在于提供一种基于深度学习的自适应车辆视觉检测系统。
2、其解决的技术方案是：基于深度学习的自适应车辆视觉检测系统，包括：
3、ccd图像传感器，用于捕获待测车辆图像，并转换为模拟信号输出；
4、信号预处理模块，用于对所述ccd图像传感器输出的模拟信号进行预处理；
5、数据处理模块，用于将预处理后的图像信号转换为数字信号，并对转换后的数字信号进行高速并行处理；
6、上位机，用于接收来自所述数据处理模块的数字图像数据，并利用深度学习模型进行车辆的检测与识别；以及
7、用户交互界面，用于提供用户操作界面，展示检测结果，接收用户输入；
8、所述信号预处理模块包括：
9、前置放大降噪单元，用于对所述ccd图像传感器的输出信号进行前置快速放大，并进行高频降噪处理；
10、工频陷波深度调理单元，用于对所述前置放大降噪单元的输出信号进行工频陷波处理，并在工频陷波过程中加入深度反馈调节，以优化陷波器的品质因数；以及
11、光电隔离除噪单元，用于进一步消除所述工频陷波深度调理单元输出信号中的噪声，确保图像信号输出的纯净度和稳定性。
12、进一步的，所述前置放大降噪单元包括：
13、差模信号放大电路，用于对所述ccd图像传感器的输出信号进行差分放大，以抑制信号传输线上的共模成分；
14、基准电路，与所述差模信号放大电路电性连接，用于对差分放大过程提供偏置基准电压；以及
15、高频抑制电路，用于对所述差模信号放大电路输出信号中的高频成分进行抑制，以滤除图像信号中的高频噪声。
16、进一步的，所述差模信号放大电路包括运放器ar1和三极管vt1，运放器ar1的同相输入端通过电阻r3连接电阻r1、电阻r5和电容c1的一端，电阻r1的另一端连接所述ccd图像传感器的正向信号输出接口，电容c1的另一端接地，电阻r5的另一端连接三极管vt1的发射极，运放器ar1的反相输入端通过电阻r4连接电阻r2和电容c2的一端，电阻r2的另一端连接所述ccd图像传感器的负向信号输出接口，电容c2的另一端接地，运放器ar1的输出端连接三极管vt1的基极。
17、进一步的，所述基准电路包括稳压二极管dz1、运放器ar2和三极管vt2，稳压二极管dz1的阴极连接+5v电源和电阻r6的一端，稳压二极管dz1的阳极连接运放器ar2的同相输入端，并通过电阻r8接地，电阻r6的另一端连接三极管vt2的发射极和运放器ar2的反相输入端，运放器ar2的输出端通过电阻r7连接三极管vt2的基极，三极管vt2的集电极连接电阻r5的一端。
18、进一步的，所述高频抑制电路包括mos管q1和mos管q2，mos管q1的漏极连接二极管vd1的阴极，并通过并联的电阻r11与电容c3连接mos管q1的栅极和mos管q2的漏极，二极管vd1的阳极通过电感l1连接三极管vt1的集电极，mos管q2的栅极连接稳压二极管dz2的阴极，并通过并联的电阻r10与电容c4连接运放器ar1的输出端和电阻r9的一端，mos管q2的源极、稳压二极管dz2的阳极与电阻r9的另一端接地，mos管q1的源极连接电阻r12的一端和所述工频陷波深度调理单元的输入端，电阻r12的另一端通过电容c5接地。
19、进一步的，所述工频陷波深度调理单元包括：
20、双t型陷波器，用于对所述前置放大降噪单元处理后的信号进行工频陷波，以减少图像中的工频噪声；以及
21、深度反馈调节电路，用于调节所述双t型陷波器的陷波深度和带宽。
22、进一步的，所述双t型陷波器包括rc陷波网络和运放器ar3，所述rc陷波网络包括电阻r13、r14、r15和电容c6、c7、c8，电阻r13与电容c6的一端连接所述前置放大降噪单元的输出端，电阻r13的另一端连接电阻r14和电容c8的一端，电容c6的另一端连接电阻r15和电容c7的一端，电阻r14与电容c7的另一端连接运放器ar3的同相输入端，电阻r15与电容c8的另一端连接所述深度反馈调节电路的输出端，运放器ar3的反相输入端通过电阻r16接地，并通过电阻r17连接运放器ar3的输出端和所述深度反馈调节电路的输入端。
23、进一步的，所述深度反馈调节电路包括运放器ar4、三极管vt3和变阻器rp1，运放器ar4的反相输入端通过电阻r18连接运放器ar3的输出端，并通过电阻r19接地，运放器ar4的同相输入端接地，运放器ar4的输出端连接三极管vt3的基极，三极管v本文档来自技高网...
【技术保护点】
1.基于深度学习的自适应车辆视觉检测系统，其特征在于，包括：
2.根据权利要求1所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述前置放大降噪单元包括：
3.根据权利要求2所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述差模信号放大电路包括运放器AR1和三极管VT1，运放器AR1的同相输入端通过电阻R3连接电阻R1、电阻R5和电容C1的一端，电阻R1的另一端连接所述CCD图像传感器的正向信号输出接口，电容C1的另一端接地，电阻R5的另一端连接三极管VT1的发射极，运放器AR1的反相输入端通过电阻R4连接电阻R2和电容C2的一端，电阻R2的另一端连接所述CCD图像传感器的负向信号输出接口，电容C2的另一端接地，运放器AR1的输出端连接三极管VT1的基极。
4.根据权利要求3所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述基准电路包括稳压二极管DZ1、运放器AR2和三极管VT2，稳压二极管DZ1的阴极连接+5V电源和电阻R6的一端，稳压二极管DZ1的阳极连接运放器AR2的同相输入端，并通过电阻R8接地，电阻R6的另一端连
5.根据权利要求4所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述高频抑制电路包括MOS管Q1和MOS管Q2，MOS管Q1的漏极连接二极管VD1的阴极，并通过并联的电阻R11与电容C3连接MOS管Q1的栅极和MOS管Q2的漏极，二极管VD1的阳极通过电感L1连接三极管VT1的集电极，MOS管Q2的栅极连接稳压二极管DZ2的阴极，并通过并联的电阻R10与电容C4连接运放器AR1的输出端和电阻R9的一端，MOS管Q2的源极、稳压二极管DZ2的阳极与电阻R9的另一端接地，MOS管Q1的源极连接电阻R12的一端和所述工频陷波深度调理单元的输入端，电阻R12的另一端通过电容C5接地。
6.根据权利要求5所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述工频陷波深度调理单元包括：
7.根据权利要求6所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述双T型陷波器包括RC陷波网络和运放器AR3，所述RC陷波网络包括电阻R13、R14、R15和电容C6、C7、C8，电阻R13与电容C6的一端连接所述前置放大降噪单元的输出端，电阻R13的另一端连接电阻R14和电容C8的一端，电容C6的另一端连接电阻R15和电容C7的一端，电阻R14与电容C7的另一端连接运放器AR3的同相输入端，电阻R15与电容C8的另一端连接所述深度反馈调节电路的输出端，运放器AR3的反相输入端通过电阻R16接地，并通过电阻R17连接运放器AR3的输出端和所述深度反馈调节电路的输入端。
8.根据权利要求7所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述深度反馈调节电路包括运放器AR4、三极管VT3和变阻器RP1，运放器AR4的反相输入端通过电阻R18连接运放器AR3的输出端，并通过电阻R19接地，运放器AR4的同相输入端接地，运放器AR4的输出端连接三极管VT3的基极，三极管VT3的发射极连接电容C9的一端和运放器AR4的反相输入端，三极管VT3的集电极连接电容C9的另一端和变阻器RP1的调节端，变阻器RP1的另一端连接电阻R15与电容C8的另一端，并通过电阻R20接地。
9.根据权利要求8所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述光电隔离除噪单元包括光电耦合器和尖峰去除电路，所述光电耦合器的发射端端阳极通过电阻R21连接运放器AR3的输出端，所述光电耦合器的接收端集电极连接+5V电源，所述光电耦合器的接收端发射极连接所述尖峰去除电路；
10.根据权利要求1或9所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述数据处理模块包括：
...【技术特征摘要】
1.基于深度学习的自适应车辆视觉检测系统，其特征在于，包括：
2.根据权利要求1所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述前置放大降噪单元包括：
3.根据权利要求2所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述差模信号放大电路包括运放器ar1和三极管vt1，运放器ar1的同相输入端通过电阻r3连接电阻r1、电阻r5和电容c1的一端，电阻r1的另一端连接所述ccd图像传感器的正向信号输出接口，电容c1的另一端接地，电阻r5的另一端连接三极管vt1的发射极，运放器ar1的反相输入端通过电阻r4连接电阻r2和电容c2的一端，电阻r2的另一端连接所述ccd图像传感器的负向信号输出接口，电容c2的另一端接地，运放器ar1的输出端连接三极管vt1的基极。
4.根据权利要求3所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述基准电路包括稳压二极管dz1、运放器ar2和三极管vt2，稳压二极管dz1的阴极连接+5v电源和电阻r6的一端，稳压二极管dz1的阳极连接运放器ar2的同相输入端，并通过电阻r8接地，电阻r6的另一端连接三极管vt2的发射极和运放器ar2的反相输入端，运放器ar2的输出端通过电阻r7连接三极管vt2的基极，三极管vt2的集电极连接电阻r5的一端。
5.根据权利要求4所述基于深度学习的自适应车辆视觉检测系统，其特征在于，所述高频抑制电路包括mos管q1和mos管q2，mos管q1的漏极连接二极管vd1的阴极，并通过并联的电阻r11与电容c3连接mos管q1的栅极和mos管q2的漏极，二极管vd1的阳极通过电感l1连接三极管vt1的集电极，mos管q2的栅极连接稳压二极管dz2的阴极，并通过并联的电阻r10与电容c4连接运放器ar1的输出端和电阻r9的一端，mos管q2的源极、稳压二极管dz2的阳极与电阻r9的另一端接地，mos管q1的源极连接电阻r12的一端和所述工频陷波深度调理...
【专利技术属性】
技术研发人员：张治民，马钰博，任雷雷，贾明阳，韩玉奎，
申请(专利权)人：新乡市中誉鼎力软件科技股份有限公司，
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。