一种车辆外观检测模型、构建方法及检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984274A(43)申请公布日2023.04.18(21)申请号202310266923.0G06T7/90(2017.01)(22)申请日2023.03.20G06V10/764(2022.01)(71)申请人菲特（天津）检测技术有限公司地址300308天津市滨海新区自贸试验区（空港经济区）空港物流加工区中心大道西侧，西七道北侧岭尚家园95号楼-1(72)发明人方超群孙浩宇张庆达王凯田楷朱光旭陈立名胡江洪曹彬常小刚(74)专利代理机构天津知川知识产权代理事务所(特殊普通合伙)12249专利代理师胡翠(51)Int.Cl.G06T7/00(2017.01)权利要求书2页说明书9页附图4页(54)发明名称一种车辆外观检测模型、构建方法及检测方法(57)摘要本发明公开了一种车辆外观检测模型、构建方法及检测方法，属于视觉检测技术领域，图像采集模块包括M组图像采集单元；数据管控模块包括标签化管控单元、人为干预管控单元和中心化数据管控单元；模型训练模块包括数据理解和标签划分单元、M个模型训练单元和模型优化单元；模型推理模块：包括由模型训练模块得到的M个模型推理单元、针对推理结果进行脏数据处理的后处理单元、对检出结果进行比对的比对单元；模型运维模块：包括NG数据检出分析单元和迭代单元。本发明从模型与标签划分、脏数据的后处理、数据管理、算法优化以及模型运维多方面综合优化，满足车辆外观检测的特殊需求。CN115984274ACN115984274A权利要求书1/2页1.一种车辆外观检测模型，其特征在于，包括：图像采集模块：包括从不同角度、不同位置获取图像数据的M组图像采集单元；M为大于1的自然数；数据管控模块：包括标签化管控单元、人为干预管控单元和中心化数据管控单元；所述中心化数据管控单元分别与标签化管控单元、人为干预管控单元进行数据交互；模型训练模块：包括数据理解和标签划分单元、针对车体不同位置图像的M个模型训练单元，针对每个模型训练单元的模型优化单元；模型推理模块：包括由模型训练模块得到的M个模型推理单元、针对模型推理单元输出进行脏数据处理的后处理单元、对检出结果进行比对的比对单元；模型运维模块：包括NG数据检出分析单元和迭代单元；其中：所述图像采集模块、数据管控模块、模型训练模块、模型推理模块、模型运维模块依次进行数据交互。2.根据权利要求1所述的车辆外观检测模型，其特征在于，所述图像采集模块包括针对车身前半部分的第一图像采集单元、针对车身后半部分的第二图像采集单元、针对车身下半部分的第三图像采集单元，每组图像采集单元包括N台图像采集设备，N为大于0的自然数。3.根据权利要求1所述的车辆外观检测模型，其特征在于，所述标签化管控单元包括长周期数据管控单元、难易数据标签化管控单元和多数据标签化管控单元。4.根据权利要求3所述的车辆外观检测模型，其特征在于，在数据管控模块中：长周期数据管控单元，对取图周期大于预设值T的数据进行管控；难易数据标签化管控单元，根据模型训练的难易程度将数据标签划分为难数据标签和简单数据标签，并对难数据标签和简单数据标签进行分开管控；多数据标签化管控单元，对若干个标签包含数量为L的数据种类进行管控；L为大于3的自然数；人为干预管控单元，通过对数据进行分析、清洗、划分，掌握数据的周期性变化，并对模型训练数据进行调整；中心化数据管控单元，对数据进行分片和传输、数据预处理和管理、数据版本管理和迭代、数据标注管理。5.根据权利要求1所述的车辆外观检测模型，其特征在于，所述模型优化单元通过目标聚类方法分析得出训练数据集中各标注目标的Ratios和Scales，然后筛选出重点检测目标物兼容的Ratios和Scales。6.根据权利要求5所述的车辆外观检测模型，其特征在于，在训练前首先进行一个epoch的数据模拟训练，然后统计Anchor正负样本分配结果，如Anchor的正负样本分布和训练集标注目标的正负样本分布一致，则开启正式训练，如Anchor的正负样本分布和训练集标注目标的正负样本分布不一致，则重新筛选出重点检测目标物兼容的Ratios和Scales，然后进行模拟，直至Anchor的正负样本分布和训练集标注目标的正负样本分布一致。7.根据权利要求1所述的车辆外观检测模型，其特征在于，所述后处理单元首先检测脏数据零件的位置，然后使用图片分类网络对脏数据零件进行标签分类。8.根据权利要求1所述的车辆外观检测模型，其特征在于，所述NG数据检出分析单元通2CN115984274A权利要求书2/2页过车辆信息，将前端保存的车辆待检出信息和模型检出信息对应起来，通过GUI界面查询每日的NG数据，从而反馈模型出现的问题。9.一种车辆外观检测模型的构建方法，其特征在于，