[发明专利]基于人工智能的车损检测方法及相关设备

权利要求书

1.一种基于人工智能的车损检测方法，其特征在于，所述方法包括：

对车损图像进行降噪处理获得降噪图像；

对所述降噪图像进行增强处理获得增强图像；

标注所述增强图像以获取标记图像；

基于所述标记图像训练目标车损检测模型；

将待检测车损图像输入所述目标车损检测模型获得车损检测结果。

2.如权利要求1所述的基于人工智能的车损检测方法，其特征在于，所述对车损图像进行降噪处理获得降噪图像包括：

从所述车损图像中任选一个像素点作为中心点；

依据所述中心点和预设的划分阈值划分降噪范围；

计算所述降噪范围内所有像素点的灰度均值作为所述中心点的降噪值；

分别将所述车损图像中每个像素点作为中心点并计算每个中心点的降噪值以获取降噪图像。

3.如权利要求1所述的基于人工智能的车损检测方法，其特征在于，所述对所述降噪图像进行增强处理获得增强图像包括：

依据所述降噪图像和所述车损图像计算所述降噪图像中每个像素点的灰度差值；

依据所述灰度差值和预设的阈值计算每个像素点的增强值以获得增强图像。

4.如权利要求1所述的基于人工智能的车损检测方法，其特征在于，所述标注所述增强图像以获取标记图像包括：

依据预设的标注工具对所述增强图像中的车损区域进行标注以获取备选标记图像，所述备选标记图像具备多个锚框，每个锚框对应一个损伤类别列表和一个概率列表，且每个锚框中具备多个像素点；

计算每个锚框中所有像素点的联合特征，所述联合特征用以表征所述锚框内包含物体的特征；

基于所述联合特征、所述锚框在所述增强图像中的位置、损伤类别列表和概率列表构建标记图像。

5.如权利要求1所述的基于人工智能的车损检测方法，其特征在于，所述基于所述标记图像训练目标车损检测模型包括：

基于所述增强图像和所述标记图像构建训练数据集；

构建初始车损检测模型，所述初始车损检测模型包括编码器和解码器；

依据所述训练数据集训练所述初始车损检测模型获得目标车损检测模型。

6.如权利要求1所述的基于人工智能的车损检测方法，其特征在于，所述将待检测车损图像输入所述目标车损检测模型获得车损检测结果包括：

将待检测车损图像输入所述目标检测模型以获得具备多个预测锚框的预测车损图像，每个预测锚框对应一个预测损伤类别列表和一个预测概率列表；

将每个预测锚框对应的预测概率列表中最大概率值对应的损伤类别作为车损检测结果。

7.如权利要求6所述的基于人工智能的车损检测方法，其特征在于，所述方法还包括：

基于所述待检测车损图像的所有预测概率列表计算所述车损检测结果的评估值；

对比所述评估值与预设的评估阈值以获取所述待检测车损图像的检测结果类别，所述类别包括“无误”和“有误”；

若所述待检测车损图像的检测结果类别为“有误”，则对所述待检测车损图像进行标注，并作为训练数据重新训练所述目标车损检测模型。

8.一种基于人工智能的车损检测装置，其特征在于，所述装置包括：

降噪单元，用于对车损图像进行降噪处理获得降噪图像；

增强单元，用于对所述降噪图像进行增强处理获得增强图像；

标注单元，用于标注所述增强图像以获取标记图像；

训练单元，用于基于所述标记图像训练目标车损检测模型；

检测单元，用于将待检测车损图像输入所述目标车损检测模型获得车损检测结果。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储计算机可读指令；及

处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的基于人工智能的车损检测方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于人工智能的车损检测方法。