[发明专利]车辆缺陷识别方法、装置、电子装置和存储介质

说明书

本申请涉及一种车辆缺陷识别方法、装置、电子装置和存储介质，其中，该车辆缺陷识别方法包括：通过获取待识别的车辆缺陷图像；利用车辆缺陷预测模型处理所述车辆缺陷图像，得到多个预测车辆缺陷标签信息；其中，所述预测车辆缺陷标签信息包括第一关键点缺陷标签信息和第一缺陷分类标签信息；对多个所述第一关键点缺陷标签信息进行后处理，生成候选车辆缺陷标签信息；在所述候选车辆缺陷标签信息中检测所述第一缺陷分类标签信息，并根据检测结果确定车辆缺陷识别结果。通过本申请，解决了相关技术中车辆缺陷检测准确率低、易漏检的问题，实现了高效准确的车辆缺陷识别。

技术领域

本申请涉及车辆缺陷检测技术领域，特别是涉及车辆缺陷识别方法、装置、电子装置和存储介质。

背景技术

车辆缺陷识别是车辆交易流程中非常重要的环节，尤其是二手车交易，是车辆定损的必要步骤。在车辆缺陷检测过程中，车辆检测师通常需要对车辆图像进行人工标记缺陷信息，一张车辆缺陷图像通常包含多个不同的缺陷类型，人工标记效率比较低，如何提升车辆缺陷的标注效率显得尤为重要。

随着人工智能、大数据技术的飞速发展，使用人工智能技术提升车辆缺陷标注效率已成为车辆检测智能化的重要课题之一。

为对车辆缺陷进行检测，一种基于深度神经网络的车辆损伤检测方法，使用有监督学习方式训练深度神经网络实现车辆损伤检测。上述车辆损伤检测方法，虽然训练模型的过程比较容易和稳定，但是在训练时，需要大量进行过锚点框标注的训练样本。而汽车缺陷种类多，具有一定的专业门槛，数据标注效率低，成本高。同时，对于部分面积较小的缺陷类型的检测，如掉漆，使用基于锚点框检测的目标检测方法容易出现漏检的情况。

目前针对相关技术中车辆缺陷检测准确率低、易漏检的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种车辆缺陷识别方法、装置、电子装置和存储介质，以至少解决相关技术中车辆缺陷检测准确率低、易漏检的问题。

第一方面，本申请实施例提供了一种车辆缺陷识别方法，包括：获取待识别的车辆缺陷图像；利用车辆缺陷预测模型处理所述车辆缺陷图像，得到多个预测车辆缺陷标签信息，其中，所述预测车辆缺陷标签信息包括第一关键点缺陷标签信息和第一缺陷分类标签信息，所述车辆缺陷预测模型是根据第二关键点缺陷标签信息、第二缺陷分类标签信息和车辆缺陷检测到的实测车辆缺陷标签信息训练生成；对多个所述第一关键点缺陷标签信息进行后处理，生成候选车辆缺陷标签信息；在所述候选车辆缺陷标签信息中检测所述第一缺陷分类标签信息，并根据检测结果确定车辆缺陷识别结果。

在其中一些实施例中，所述第一关键点缺陷标签信息包括缺陷类型信息和关键点缺陷标签，对多个所述第一关键点缺陷标签信息进行后处理，生成候选车辆缺陷标签信息包括：在多个所述第一关键点缺陷标签信息的所述关键点缺陷标签中选取至少一个第一关键点缺陷标签；选取与所述至少一个第一关键点缺陷标签的类型相似度在预设阈值范围内的多个所述关键点缺陷标签，得到侯选车辆缺陷标签，其中，所述类型相似度根据所述缺陷类型信息确定；根据所述候选车辆缺陷标签和与所述候选车辆缺陷标签对应的所述缺陷类型信息，生成所述候选车辆缺陷标签信息。

在其中一些实施例中，所述类型相似度是以欧式距离确定的，选取与所述至少一个第一关键点缺陷标签的类型相似度在预设阈值范围内的多个所述关键点缺陷标签，得到候选车辆缺陷标签包括：计算多个所述第一关键点缺陷标签信息的所述关键点缺陷标签与所述至少一个第一关键点缺陷标签的欧式距离；将与所述至少一个第一关键点缺陷标签的欧式距离最小的多个所述关键点缺陷标签作为所述候选车辆缺陷标签。

在其中一些实施例中，在所述候选车辆缺陷标签信息中检测所述第一缺陷分类标签信息，并根据检测结果确定车辆缺陷识别结果包括：遍历所述候选车辆缺陷标签信息的多个第三车辆缺陷标签信息；将所述第三车辆缺陷标签信息与多个所述第一缺陷分类标签信息进行匹配，得到匹配结果；在匹配到所述第一缺陷分类标签信息的情况下，确定所述车辆缺陷识别结果包括所述第三车辆缺陷标签信息。