[发明专利]一种机动车尾气检测方法

说明书

本发明涉及一种机动车尾气检测方法，采用人为干涉深度自学习人工智能模型，当深度自学习人工模型对检测图像进行可信度计算得出检测结果后，由人为对该检测结果进行判断，并且将判断结果反馈给深度自学习人工模型，对图像特征库进行修正后再保存，使深度自学习人工模型中的检测图像的各项信息能得到正确的不断修正，在后续进行类似的检测图片的判断时，能够根据修正后的图像数据库进行更加准确地计算检测图像的可信度，从而提高检测结构的可靠性和准确率。

技术领域

本发明涉及机动车尾气检测技术领域，尤其涉及一种机动车尾气检测方法。

背景技术

随着社会经济的快速发展与人民生活水平的提高，机动车的数量逐年增加，机动车尾气对城市大气环境的负面影响也越来越大。因此，对机动车尾气污染物浓度进行检测的重要性日趋显现。

目前，实时检测在路机动车的尾气排放情况，主要通过在道路上安装固定摄像头进行抓拍，然后将抓拍后的图像发送到后台，由后台系统根据图像识别出车牌，再根据车牌位置选取尾气范围，计算范围内的林格曼黑度，将得到的林格曼黑度作为机动车尾气排放浓度的判断依据，判定机动车所排出的尾气是否符合要求。

目前，后台系统通常采用基于深度学习和图像识别的AI视频识别技术，由基础数据建立图像特征库，使后台系统不断地进行自学习，从而提高检测结果的可靠性和准确性。但是，在实际的检测过程中，发送至后台系统的检测图像存在由于天气、环境、拍摄角度等原因而导致的各种问题，由这些检测图像所得到的检测数据无法根据图像特征库中的基础数据进行合理的可信度计算，导致最后得到的检测结果可靠性和准确性较低。

发明内容

本发明所要解决的问题是提供一种机动车尾气检测方法，这种机动车尾气检测方法能够更加准确地计算检测图像的可信度，提高检测结构的可靠性和准确率。采用的技术方案如下：

一种机动车尾气检测方法，包括以下步骤：

S1：采用抓拍装置对机动车进行抓拍，获取多张图像；

S2：对步骤S1中抓拍的照片分别进行林格曼黑度计算，选取林格曼黑度等级最高的一张图像并传送至深度自学习人工智能模型；

S3：深度自学习人工智能模型根据自身的图像特征库对步骤S2所选取的图像进行计算，得出图像的可信度值；

S4：将步骤S3所得的可信度值与深度自学习人工智能模型中预设的可信度值进行比较，得出检测结果；

其特征在于：所述步骤S3中，图像特征库的形成过程包括以下步骤：

（1）录入已知检测结果的图像或数据，使所述深度自学习人工智能模型形成基础的图像特征库，并且预设可以判定结果的可信度数值；

（2）录入所述步骤S2中所选取的未知检测结果的图像，深度自学习人工智能模型根据现有的图像特征库进行判断，得出未经人为判断的可信度，并将该可信度与步骤（1）所预设的可信度数值进行大小比较，得出检测结果；

（3）对步骤（2）中的检测结果进行人为判断，得出人为判断的检测结果，将人为判断的检测结果反馈给深度自学习人工智能模型；

（4）深度自学习人工智能模型将步骤（3）所反馈的人为判断的检测结果录入图像特征库，进行图像特征库的修正，保存人为判断的检测结果，形成新的图像特征库；

（5）重复步骤（2）至步骤（4），对图像特征库进行修正。

上述图像特征库所存储的特征包括检测图像的各项信息（比如图像原图、拍摄时间、地点、拍摄角度、林格曼黑度等等）、由深度自学习人工智能模型所搭载的算法计算出的可信度数值、以及图像的检测结果。

上述步骤（1）中所预设可以判定结果的可信度数值为人为设定。上述步骤S4中进行判定时，深度自学习人工模型所计算出的可信度数值与预设的可信度数值进行比较：如果计算出的可信度数值高于预设的可信度数值，表示图像所对应的机动车尾气排放超标，检测结果记录“是”；如果计算出的可信度数值低于预设的可信度数值，表示图像所对应的机动车尾气排放达标，检测结果记录“否”。