[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

说明书

本申请提供的一种基于深度学习的多轴大车制动检测方法、装置、系统，通过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。本申请能实现目标车辆定位、车牌识别、车辆方向识别及工位信息识别，同时实现审核过程的全程自动检测，既节约了人力，提高了人员检测的准确率，又保证了检测工作的公开、公正。

技术领域

本发明涉及的人工智能目标检测技术领域，特别是涉及一种基于深度学习的多轴大车制动检测方法、装置、系统。

背景技术

随着交通运输业的发展，道路运输对车辆性能的要求日益提高，传统的单轴驱动车辆无法满足动力性需求，所以多轴驱动车辆的数量日益增多。多轴驱动车辆的制动性能好坏对道路交通安全影响极大，因此多轴驱动车辆制动性能的检测对保障道路交通安全极为重要。

车检站广泛采用单轴滚筒反力式制动检测台，但其一次只能检测一轴，无法胜任对多轴驱动车辆的制动性能检测，而能够同时检测前后轴的平板式制动试验台又受到结构限制，无法检测三轴及以上的大车车辆，例如，具有双后轴的悬挂车辆，则无法通过平板式制动试验台同时检测两个并列相邻的后轴的制动性能。

目前常规的做法有：道路试验检测多轴大车制动性能；改进平板式制动检验台；改进滚筒反力式制动检验台。这些方法都需要对原有的检测设备进行改装，增加了检测成本。

因此，如何准确、快速地对多轴大车进行制动检测，同时避免修改现有的检测设备，增加检测成本，是急需解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于深度学习的多轴大车制动检测方法、装置、系统，以解决现有技术中的问题。

为实现上述目的及其他相关目的，本申请提供一种基于深度学习的多轴大车制动检测方法，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。

于本申请的一实施例中，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。

于本申请的一实施例中，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。

于本申请的一实施例中，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。

于本申请的一实施例中，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。