[发明专利]车辆外观损伤智能检测方法、装置及计算机可读存储介质

权利要求书

1.一种车辆外观损伤智能检测方法，其特征在于，所述方法包括：

获取含有车辆外观损伤的图像组成的图像集，对所述图像集进行预处理操作，得到样本图像集，并将所述样本图像集划分为训练样本图像集、验证样本图像集，存入数据库中；

构建车辆外观损伤智能检测模型，利用所述训练样本图像集对所述车辆外观损伤智能检测模型进行训练，得到训练值，通过所述车辆外观损伤智能检测模型的损失层计算出所述训练值的损失函数值，当所述损失函数值小于第一预设阈值时，利用所述验证样本图像集对所述车辆外观损伤智能检测模型进行交叉验证，得到交叉验证的精确值，当所述交叉验证的精确值大于第二预设阈值时，完成所述车辆外观损伤智能检测模型的训练；

接收待测试的车辆外观图像集对训练后的所述车辆外观损伤智能检测模型进行测试，得到测试结果，并根据所述测试结果识别出所述测试样本的车辆外观图像集是否出现损伤。

2.如权利要求1所述的车辆外观损伤智能检测方法，其特征在于，所述预处理操作包括：

通过一个预设尺寸大小的窗口，并按照预设的距离对所述图像集进行平移，将所述窗口包含的内容剪裁下来，得到小图像；

对所述小图像进行筛选，得到正图像集、负图像集以及疑义图像集，将所述疑义样本图像集舍弃，对正负图像集建立正负标签，其中，所述正图像集为损伤很明显的小图像，疑义图像集为损伤信息不明显的小图像，负图像集则为没有损伤的小图像。

3.如权利要求2所述的车辆外观损伤智能检测方法，其特征在于，所述预处理操作还包括：

对所述正负图像集进行图像灰度化处理，得到灰色图像集，利用波谷阈值分割法对所述灰色图像集进行背景过滤处理，得到所述样本图像集。

4.如权利要求1至3中任意一项所述的车辆外观损伤智能检测方法，其特征在于，所述利用所述训练样本图像集对所述车辆外观损伤智能检测模型进行训练，得到训练值，通过所述车辆外观损伤智能检测模型的损失层计算出所述训练值的损失函数值，包括：

创建包括卷积神经网络的车辆外观损伤智能检测模型，其中，所述卷积神经网络包括卷积层、池化层、全连接层以及损失层；

通过所述卷积层和池化层对所述训练样本图像集进行特征提取，得到特征向量，通过所述全连接层识别出所述特征向量是否含有损伤的车辆外观图像集，得到训练值，并将所述训练值输入至所述损失层中；

利用所述损失层的损失函数计算出所述训练值的损失函数值。

5.如权利要求4所述的车辆外观损伤智能检测方法，其特征在于，所述损失函数包括：

其中，O_j表示所述车辆外观损伤智能检测模型输出层第j个神经元的车辆损伤图像输出值，I_j表示所述车辆外观损伤智能检测模型输出层第j个神经元的输入值，t表示所述输出层神经元的总量，e为无限不循环小数，Loss表示损失函数值。

6.一种车辆外观损伤智能检测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的车辆外观损伤智能检测程序，所述车辆外观损伤智能检测程序被所述处理器执行时实现如下步骤：

获取含有车辆外观损伤的图像组成的图像集，对所述图像集进行预处理操作，得到样本图像集，并将所述样本图像集划分为训练样本图像集、验证样本图像集，存入数据库中；

构建车辆外观损伤智能检测模型，利用所述训练样本图像集对所述车辆外观损伤智能检测模型进行训练，得到训练值，通过所述车辆外观损伤智能检测模型的损失层计算出所述训练值的损失函数值，当所述损失函数值小于第一预设阈值时，利用所述验证样本图像集对所述车辆外观损伤智能检测模型进行交叉验证，得到交叉验证的精确值，当所述交叉验证的精确值大于第二预设阈值时，完成所述车辆外观损伤智能检测模型的训练；

接收待测试的车辆外观图像集对训练后的所述车辆外观损伤智能检测模型进行测试，得到测试结果，并根据所述测试结果识别出所述测试样本的车辆外观图像集是否出现损伤。