[发明专利]基于深度学习的多轴大车制动检测方法、装置、系统

权利要求书

1.一种基于深度学习的多轴大车制动检测方法，其特征在于，所述方法包括：

获取包含至少一辆多轴大车的工位图像；

基于目标检测模型检测得到对应各所述多轴大车的所有车胎的位置区域；

基于语义分割模型对所述工位图像进行分割以得到对应各所述多轴大车的多个具有不同工位标签的像素区域；

将各车胎对应的所述位置区域映射到所述像素区域以得到对应各所述工位标签的坐标点集；根据各所述车胎的所述坐标点集与对应的检测台的所述坐标点集的距离，以判断制动状态。

2.根据权利要求1所述的基于深度学习的多轴大车制动检测方法，其特征在于，所述工位标签包括：检测台、及车胎；所述多轴大车的至少两个所述车胎分别置于所述检测台上进行检测；其中，所述检测台包括：滚筒式检测台和/或平板式检测台。

3.根据权利要求1所述的基于深度学习的多轴大车制动检测方法，其特征在于，在获取多轴大车制动的工位图像后还包括以下方法：

基于目标检测模型检测所述工位图像中是否存在所述多轴大车；若存在，则进行下一步骤；若不存在，则输出检测失败结果；

基于目标检测模型检测所述工位图像中所述多轴大车的车牌号是否存在；若存在，则进行下一步骤；若不存在，则输出检测失败结果；

基于分类模型判断所述多轴大车的车牌号是否与预先获取车辆信息中的车牌号一致；

若一致，则判断各所述车胎的前后位置；若不一致，则输出检测失败结果。

4.根据权利要求1所述的基于深度学习的多轴大车制动检测方法，其特征在于，所述基于目标检测模型检测得到对应各所述多轴大车的所有车胎的位置区域，包括：

基于分类模型判断各所述多轴大车的车头车尾方向；

基于目标检测模型检测所述工位图像中各所述多轴大车的各个所述车胎的坐标位置；

根据各所述多轴大车的车头车尾方向及各所述车胎的坐标位置，判断各所述车胎的前后位置。

5.根据权利要求2所述的基于深度学习的多轴大车制动检测方法，其特征在于，所述将各车胎对应的所述位置区域映射到所述像素区域以得到对应各所述工位标签的坐标点集，包括：

将各所述位置区域对应的检测输入图像进行缩放；

按比例映射到标记有对应所述工位标签的各所述像素区域上以得到对应所述工位标签的坐标点集。

6.根据权利要求2所述的基于深度学习的多轴大车制动检测方法，其特征在于，所述根据各所述车胎的所述坐标点集与对应的检测台的所述坐标点集的距离，以判断制动状态，包括：

计算各所述车胎的所述坐标点集与相对应的所述检测台的所述坐标点的位移距离；

判断所述位移距离是否小于预设阈值；若是，则输出满足制动要求的结果；若否，则输出未满足制动要求的结果。

7.一种电子装置，其特征在于，所述装置包括：

获取模块，用于获取包含至少一辆多轴大车的工位图像；

处理模块，用于基于目标检测模型检测得到对应各所述多轴大车的所有车胎的位置区域；基于语义分割模型对所述工位图像进行分割以得到对应各所述多轴大车的多个具有不同工位标签的像素区域；将各车胎对应的所述位置区域映射到所述像素区域以得到对应各所述工位标签的坐标点集；根据各所述车胎的所述坐标点集与对应的检测台的所述坐标点集的距离，以判断制动状态。

8.一种计算机系统，其特征在于，所述设备包括：存储器、及处理器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如权利要求1至6中任意一项所述的方法。

9.一种计算机可读存储介质，其特征在于，存储有计算机指令，所述计算机指令被运行时执行如权利要求1至6中任一项所述的方法。