[发明专利]一种风挡破损故障检测方法有效
| 申请号： | 202110211242.5 | 申请日： | 2021-02-25 |
| 公开（公告）号： | CN112950566B | 公开（公告）日： | 2021-11-12 |
| 发明（设计）人： | 韩旭 | 申请（专利权）人： | 哈尔滨市科佳通用机电股份有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/13;G06N3/08;G06K9/62 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 刘强 |
| 地址： | 150060 黑龙江省*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 风挡 破损 故障 检测 方法 | ||
一种风挡破损故障检测方法，涉及图像处理技术领域，针对现有技术中风挡破损故障检测准确率低的问题，包括：步骤一：获取车辆风挡图像，并对风挡图像中风挡破损部位进行标注后构建数据集；步骤二：对数据集进行数据扩增；步骤三：对扩增后的数据集中图像进行特征提取，并根据提取到的特征以及扩增后的数据集训练神经网络；步骤四：利用训练好的神经网络完成风挡破损故障检测。本申请提出了一种S‑SR算法，在稀疏表示优化目标函数中增加结构性约束项，提高稀疏表示算法特征提取能力，进而提高整个故障检测算法的准确程度；同时采用l2范数约束代替l1范数约束，提高稀疏表示算法速度。
技术领域
本发明涉及图像处理技术领域，具体为一种风挡破损故障检测方法。
背景技术
传统的车辆故障检测方法大多采用人工查看过车图像判断故障位置，检测过程费时费 力，人工成本高，采用计算机模拟的故障自动检测方法可以有效的提高故障检测的效率， 同时能够减少由于检车人员疲劳、粗心等造成的故障漏检、误检，提高故障检测的准确程 度。
发明内容
本发明的目的是：针对现有技术中风挡破损故障检测准确率低的问题，提出一种风挡 破损故障检测方法。
本发明为了解决上述技术问题采取的技术方案是：
一种风挡破损故障检测方法，包括以下步骤：
步骤一：获取车辆风挡图像，并对风挡图像中风挡破损部位进行标注后构建数据集；
步骤二：对数据集进行数据扩增；
步骤三：对扩增后的数据集中图像进行特征提取，并根据提取到的特征以及扩增后的 数据集训练神经网络；
步骤四：利用训练好的神经网络完成风挡破损故障检测。
进一步的，数据扩增包括：图像旋转、图像亮度变换、图像对比度变换和图像加噪。
进一步的，扩增后的数据集包括训练集、测试集与验证集。
进一步的，训练集、测试集与验证集的比例为7：1：2。
进一步的，步骤三中提取到的特征包括Canny特征与深度学习特征。
进一步的，Canny特征与深度学习特征的获取步骤包括：
步骤三一：对扩增后的数据集中图像进行滤波，并提取滤波后图像的目标候选框；
步骤三二：利用Canny算法得到目标候选框中图像的Canny特征，其中Canny算法的高阈值Th1采用Otsu算法得到，低阈值Th2＝0.5Th1；
步骤三三：将训练集与验证集中图像的目标候选框图像进行分类，分为存在风挡破损 的破损类图像和不存在风挡破损的正常类图像，然后使正常类图像与破损类图像数量保持 一致，最后利用正常类图像与破损类图像训练Darknet19分类网络；
步骤三四：将训练好的Darknet19网络中最后的平均池化层和Softmax分类层删除，并 将网络的输出层变为卷积层，得到改进的Darknet19网络，将目标候选框图像输入改进的 Darknet19网络中，得到目标候选框图像的深度学习特征。
进一步的，Canny特征包括Canny特征稀疏特征，深度学习特征包括深度学习稀疏特 征；以及
Canny特征与深度学习特征的获取步骤还包括：
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨市科佳通用机电股份有限公司，未经哈尔滨市科佳通用机电股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110211242.5/2.html，转载请声明来源钻瓜专利网。
