[发明专利]智能座舱测试系统

权利要求书

1.智能座舱测试系统，其特征在于：包括总线模块、存储模块、和服务器，所述总线模块和存储模块均与所述服务器连接，所述总线模块用于总线信号模拟与采集，所述服务器内将至少一种测试设备按功能进行虚拟化封装。

2.根据权利要求1所述的智能座舱测试系统，其特征在于：所述服务器支持抽象资源包括模拟量测量通道以及输出通道、数字量测量通道以及输出通道、可编程电源通道、PWM波形测量以及波形输出、继电器通道、故障注入通道、CAN\LIN总线通道、FLEXRAY总线通道、汽车以太网通道、机器人控制通道和图形采集通道中的一种或多种。

3.根据权利要求1所述的智能座舱测试系统，其特征在于：好包括摄像头，所述摄像头用于拍摄图像，并将图像信息发送给所述服务器。

4.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括机械手臂，所述机械手臂与所述服务器连接，用于模拟人工触按操作。

5.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括电流采集卡，所述电流采集卡与所述服务器连接，用于模拟上电时序。

6.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括可编程电源，所述可编程电源与所述服务器连接，用于模拟汽车锂电池供电。

7.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括设备电源和电源分配单元，所述设备电源给所述摄像头、机械手臂、存储模块、总线模块、电流采集卡、可编程电源、电源分配单元和服务器供电，所述电源分配单元连接于所述设备电源，能够对所述设备电源进行控制、分配、和保护。

8.根据权利要求3所述的智能座舱测试系统，其特征在于：所述服务器对收到的图像信号采用深度学习的方法进行图像对比测试，所述深度学习方法为基于VGG网络的迁移学习方法。

9.根据权利要求8所述的智能座舱测试系统，其特征在于：所述深度学习方法包括：

使用VGG网络在resnet50分类图像上的预训练权重，但去除最后的SoftMax层；

在此基础上加上2层池化层和一层正则层；

将在长时间PMA测试中摄像头自动拍摄到的在图像元素归类在其特定的文件夹中；

在模型在这些数据上进行深入学习获得新的网络参数作为预测相似性的权重矩阵；

将需要识别图形使用学习好的网络进行预测计算获取最后一层的参数作为特征向量；

将预期图片也使用学习好的网络进行预测计算获取最后一层参数作为特征向量；

将两组特征向量计算相似度计算，即计算均方差，得到其相似性0为完全相同，1为完全不同，取0.05为阈值进行相似度判别。