[发明专利]车辆损伤检测方法、装置、设备及存储介质

权利要求书

1.一种车辆损伤检测方法，其特征在于，包括：

获取受损车辆图像；

将所述受损车辆图像输入到训练好的集成定损模型中，得到损伤部件信息，所述集成定损模型包括：

共享主干神经网络，所述共享主干神经网络由至少一个部件类型对应的损伤检测模型集成得到，所述共享主干神经网络用于对所述受损车辆图像进行预处理，得到第一输出数据；

至少一个部件类型对应的损伤检测分类层，用于对所述第一输出数据进行处理，得到损伤部件信息；

将所述受损车辆图像输入到车辆部件分割模型，得到所述受损车辆图像对应的损伤位置；

根据所述损伤位置从所述损伤部件信息中定位得到所述车辆的损伤信息。

2.根据权利要求1所述的车辆损伤检测方法，其特征在于，所述共享主干神经网络为深度残差神经网络，所述深度残差神经网络包括：Res-Net50网络、Res-Net101网络、Res-Net110网络或Res-Net152网络；

所述将所述受损车辆图像输入到训练好的集成定损模型中，得到损伤部件信息，包括：

基于所述深度残差神经网络中顺次相连的各个残差块，对所述受损车辆图像进行残差特征向量提取处理，得到第一输出数据；其中，任意一个残差块中均包括一个恒等映射和至少两个卷积层，任意一个残差块的恒等映射由所述任意一个残差块的输入端指向所述任意一个残差块的输出端；

将所述第一输出数据输入到所述部件类型对应的损伤检测分类层，得到损伤部件信息。

3.根据权利要求1所述的车辆损伤检测方法，其特征在于，所述集成定损模型通过以下训练过程训练得到：

获取至少一个部件类型对应的损伤数据集作为训练数据集，所述训练数据集包含对应的损伤判断标签；

将所述训练数据集输入所述共享主干神经网络得到特征数据；

将所述特征数据输入到所述部件类型对应的损伤检测分类层，得到损伤部件信息检测结果；

根据所述损伤部件信息检测结果与所述损伤判断标签之间的检测误差，训练得到所述集成定损模型。

4.根据权利要求3所述的车辆损伤检测方法，其特征在于，每一个所述部件类型对应的损伤检测模型包括其对应的损失函数，所述根据所述损伤部件信息检测结果与所述损伤判断标签之间的检测误差，训练得到所述集成定损模型还包括：

根据所述检测误差对所述集成定损模型中的参数进行调整，直至所述损失函数满足收敛条件，得到所述集成定损模型。

5.根据权利要求4所述的车辆损伤检测方法，其特征在于，所述获取至少一个部件类型对应的损伤数据集作为训练数据集，包括：

采用均匀采样策略对每个部件类型对应的损伤数据集进行均匀采样得到训练数据集，以使得不同部件类型对应的损失数据集之间的样本数量均衡。

6.根据权利要求4所述的车辆损伤检测方法，其特征在于，所述获取至少一个部件类型对应的损伤数据集作为训练数据集，包括：

当不同部件类型对应的损伤数据集之间的样本数量相差较大时，采用类别间平衡采样策略对样本数量少的部件类型对应的损失数据集进行过采样得到训练数据集。

7.根据权利要求1至6任一项所述的车辆损伤检测方法，其特征在于，所述部件类型包括：钣金件、玻璃和轮胎；

所述共享主干神经网络由钣金件损伤检测模型、玻璃损伤检测模型和轮胎损伤检测模型集成得到；

所述损伤检测分类层包括：钣金件损伤检测分类层、玻璃损伤检测分类层或轮胎损伤检测分类层；

所述损伤部件信息包括：损伤部件名称、损伤状态和损伤程度；

所述损伤部件名称包括：钣金件、玻璃或轮胎中一种或多种；

所述损伤信息包括：划痕、刮擦、凹陷、褶皱、撕裂、缺失或破裂中一种或多种；

所述损伤程度包括：轻度损伤、中度损伤或重度损伤中一种或多种。