[发明专利]一种基于图像的智能雨刮系统及控制方法

权利要求书

1.一种基于图像的智能雨刮系统，其特征在于：包括图像采集模块、预处理模块、智能雨刮模型、雨刮器电机驱动模块；

所述图像采集模块用于实时采集驾驶时的视频；

所述预处理模块用于将视频按帧转化为图像；

所述智能雨刮模型用于识别出不同降雨量的雨天并匹配相应的雨刮刮水速度与刮水间隔，根据计算出的雨刮刮水速度和刮水间隔向雨刮器电机驱动模块发送指令。

2.根据权利要求1所述的一种基于图像的智能雨刮系统及控制方法，其特征在于：

所述智能雨刮模型使用卷积神经网络进行训练。

3.一种如权利要求1所述的一种基于图像的智能雨刮系统的控制方法，其特征在于，包括以下内容：

使用图像采集模块实时采集驾驶时的视频，由预处理模块将视频按帧转化为图像，然后将实时转化的图像输入到提前训练好的智能雨刮模型中，识别出不同降雨量的雨天并匹配相应的雨刮刮水速度与刮水间隔，根据计算出的雨刮刮水速度和刮水间隔向雨刮器电机驱动模块发送指令。

4.根据权利要求3所述的一种基于图像的智能雨刮系统的控制方法，其特征在于：

还包括使用评价标准对训练得到的智能雨刮模型进行精确度评价。

5.根据权利要求4所述的一种基于图像的智能雨刮系统的控制方法，其特征在于：

所述精确度评价是指：将测试集中的图像输入训练好的智能雨刮模型，使用平均精度均值来评价模型预测的准确性，以此判断训练后得到的智能雨刮模型的精确度。

6.根据权利要求3所述的一种基于图像的智能雨刮系统的控制方法，其特征在于：

所述智能雨刮模型使用卷积神经网络进行训练；

所述使用卷积神经网络进行训练，是指在卷积网络之后添加线性回归层，输出不同的降雨强度值，将降雨强度值划分为五个区间，分别代表五个标签值；经过训练后得到智能雨刮模型。

7.根据权利要求6所述的一种基于图像的智能雨刮系统的控制方法，其特征在于：

所述卷积网络是ResNet50网络，该卷积神经网络层数为50。

8.根据权利要求6所述的一种基于图像的智能雨刮系统的控制方法，其特征在于：

所述图像按照7：3的比例分为训练集和测试集，并设置小雨、中雨、大雨、暴雨、特大暴雨五种标签。

9.根据权利要求8所述的一种基于图像的智能雨刮系统的控制方法，其特征在于：

所述五种标签分别对应雨刮的一个雨刮电机速度和刮水时间。