一种汽车外观检测系统

本技术涉及汽车外观检测系统，更具体地说，涉及一种汽车外观检测系统。

背景技术：

1、随着社会的进步，汽车已经普及当千家万户，成为人们的首要交通工具，而在开车的过程中，难免会出现磕碰，需要进行检测修理。

2、现有技术公开号为cn115684172a的文献提供一种汽车外观检测系统及其使用方法，该装置通过通过图像获取模块获取的图像信息，再通过图像预处理模块和图像处理模块对上述图像信息进行分析，从而分析出汽车外观缺陷，包括：检测支架、图像获取模块、图像存储模块、图像预处理模块、图像处理模块和控制器；检测支架包括底座、移动架、移动组件，移动架滑动设置在底座上，汽车位于移动架的下方，移动组件的数量为多个，多个移动组件滑动设置在移动架上，移动组件上设有图像获取模块，图像获取模块包括相机和光源，相机和光源均设置在移动组件上，相机在控制器的控制下用于拍摄汽车外观的图像，光源在控制器的控制下为相机提供光照，图像获取模块还包括距离传感器，距离传感器设置在移动组件上，距离传感器与相机电性连接，距离传感器检测到汽车与移动组件之间距离小于预设的值，则距离传感器向相机发出信号，相机对汽车进行拍照。

3、上述中的现有技术方案虽然通过现有技术的结构可以实现与有关的有益效果，但是仍存在以下缺陷：该装置在使用时，无法对车辆的底部进行检测，而车辆底部若存在磕碰，存在一定的安全隐患，检测的范围的覆盖率低。

4、鉴于此，我们提出一种汽车外观检测系统。

技术实现思路

1、1.要解决的技术问题

2、本技术的目的在于提供一种汽车外观检测系统，解决了上述背景技术中的装置在使用时，无法对车辆的底部进行检测，而车辆底部若存在磕碰，存在一定的安全隐患，检测的范围的覆盖率低的技术问题，实现了技术效果。

3、2.技术方案

4、本技术技术方案提供了一种汽车外观检测系统，包括

5、采集不同车型外观数据，收集车辆的不同车型及检测位置的数据；

6、不同车型外观数据预处理，对不同车型外观数据进行去噪等的预处理，以便于后续模型处理；

7、建立不同车型外观模型训练，利用不同车型外观数据建立不同车型外观模型并通过不同车型外观数据进行训练；

8、不同车型外观模型优化调优，利用不同车型外观数据的验证集，评估训练好的不同车型外观模型新的数据上的性能，根据评估结果，今天调整工超参数等，以优化模型的性能和泛化能力；

9、不同车型外观模型部署，将训练好的不同车型外观模型部署到实际应用场景中，通过移动的摄像进行图像获取，并将图像输入到不同车型外观模型中进行损伤或掉漆区域的检测；

10、移动检测设备，根据预测结果进行不正常位置的提醒，及更换位置进行全面检测。

11、通过采用上述技术方案，通过不同车型外观模型的设置，可以对车辆的损伤情况进行检测同时，可以对损伤的面积进行估算，从而提高检测的细致性及准确性。

12、作为本技术文件技术方案的一种可选方案，所述采集不同车型外观数据，利用检测头进行采集数据；

13、对不同车型外观图像数据进行标注，包括完好，及损伤程度及车型，同时，标记出图像中的损伤或掉漆区域。

14、作为本技术文件技术方案的一种可选方案，所述不同车型外观数据预处理，在不同车型外观数据图像不是二值图像，即损伤区域已经标注为白色，而其他区域为黑色，则将不同车型外观数据图像转换为二值图像，将不同车型外观数据图像中灰度值高于某个阈值的像素设置为白色，而将灰度值低于阈值的像素设置为黑色；

15、对损伤区域进行计算，在二值图像中，白色像素对应于损伤区域，黑色像素对应于其他区域，因此，可以简单地计算图像中白色像素的数量，即为损伤区域的面积，

16、转换为物理尺寸时，将损伤区域的面积转换为物理尺寸，通过相机标定或者已知物体的尺寸进行比例换算，从而得到损伤区域的实际面积；

17、python

18、import cv2

19、#读取图像

20、image＝cv2.imread('damaged_image.png',0)#读取为灰度图像

21、#二值化处理

22、_,binary_image＝cv2.threshold(image,127,255,cv2.thresh_binary)

23、#计算白色像素数量

24、damaged_area＝cv2.countnonzero(binary_image)

25、print("损伤区域面积：",damaged_area)

26、#可选：将面积转换为物理尺寸#pixel_to_mm＝0.1#假设每个像素代表0.1平方毫米#damaged_area_mm2＝damaged_area*pixel_to_mm*pixel_to_mm#print("损伤区域面积：",damaged_area_mm2)

27、从而评估损伤的大小或程度。

28、作为本技术文件技术方案的一种可选方案，所述建立不同车型外观模型训练，选择卷积神经网络进行构架，用于从不同车型外观图像中提取特征并进行分类或检测，使用标注和增强后的不同车型外观图像数据集，对选定的不同车型外观模型进行训练，使不同车型外观模型能够准确地识别汽车外观中的损伤或掉漆区域。

29、作为本技术文件技术方案的一种可选方案，所述不同车型外观模型优化调优，根据分析结果调整模型架构，调整包括增加/减少层数、调整每层的节点数、使用不同的激活函数、添加正则化层，在训练过程中使用数据增强技术来增加训练数据的多样性，减少过拟合风险，同时，使用正则化技术来减少模型复杂度，提高泛化能力。

30、作为本技术文件技术方案的一种可选方案，所述移动检测设备，包括

31、外观检测台，所述外观检测台外侧设置有车辆；

32、覆盖块，所述覆盖块通过移动组件滑动设置于外观检测台外侧，且车辆位于覆盖块内侧；

33、检测头，所述检测头设置有三个，且其中两个所述检测头通过延伸驱动滑动设置于覆盖块两侧，进行车辆底部的检测，另一个所述检测头通过环绕驱动设置于覆盖块内侧，进行车辆上侧的检测。

34、3.有益效果

35、本技术技术方案中提供的一个或多个技术方案，至少具有如下技术效果或优点：

36、1.本技术通过不同车型外观模型的设置，可以对车辆的损伤情况进行检测同时，可以对损伤的面积进行估算，从而提高检测的细致性及准确性。

37、2.本技术通过移动组件的设置，可以让覆盖块在车辆的外侧四周均可以进行移动覆盖，提高了检测的覆盖性。

38、3.本技术通过延伸驱动的设置，可以带动在延伸块上的检测头进行对车辆底面的覆盖检测，避免了车辆底部存在磕碰，存在一定的安全隐患的情况，增加了检测的范围的覆盖率。

39、4.本技术通过环绕驱动的设置，让覆盖块上的检测头可以进行移动，从而对不同的位置及角度进行检测，提高检测的效果。

40、5.本技术通过第三电机的设置设置，可以让在延伸块上的检测头进行述职方向的转动角度，从而可以根据不同的情况进行调整角度避免死角，或增加范围。