本公开涉及汽车，尤其涉及一种车辆底盘缺陷检测方法、装置和电子设备。
背景技术：
1、目前，随着汽车底盘生产工艺的改进，汽车生产中底盘出现缺陷的情况越来越少，在对汽车的底盘进行底盘缺陷检查时，通常需要有一定经验的检测人员来完成；虽然当前的检查过程不在需要检测人员在生产线上完成，而是可以通过查看汽车的底盘图像来完成，进而提高检查速度，但是当需要检查的汽车较多时，仍需耗费大量的人工去逐个查看汽车的底盘图像，检查效率仍然难以满足需求。此外，也有人提出利用图像识别模型来检测车辆底盘缺陷，但是现有车辆底盘缺陷图像较少，很难训练出有效的图像识别模型。因此，如何在车辆底盘缺陷图像较少的情况下，得到足够数量的底盘缺陷图像来完成图像识别模型的训练，并提高检车效率就成为亟待解决的问题。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种车辆底盘缺陷检测方法、装置和电子设备。
2、第一方面、本公开提供了一种训练数据的获取方法，包括：获取汽车底盘的历史缺陷图像；对历史缺陷图像进行预处理，得到增强缺陷图像和融合缺陷图像；其中，预处理包括数据增强处理和数据融合处理；在目标图像中的缺陷图像区域选择第一个数的第一特征点，并在目标图像中除缺陷图像区域以外的区域选择第二个数的第二特征点；其中，目标图像包括增强缺陷图像和融合缺陷图像中的任一项；对第一特征点和第二特征点围成的闭合区域内的图像的配置参数进行调整，得到训练图像。
3、在一些可实施的示例中，对第一特征点和第二特征点围成的闭合区域内的图像的配置参数进行调整，得到训练图像，包括：对第一特征点和第二特征点围成的闭合区域内的图像的配置参数进行调整，得到预处理图像；利用第一识别模型对预处理图像进行识别，确定置信度小于或等于预设阈值的预处理图像为训练图像。
4、在一些可实施的示例中，对历史缺陷图像进行预处理，得到增强缺陷图像，包括：对历史缺陷图像进行数据增强处理，得到增强缺陷图像；其中，数据增强处理包括翻转、旋转、缩放、调整亮度、添加高斯噪声和图像混合中的一项或者多项。
5、在一些可实施的示例中，对历史缺陷图像进行预处理，得到融合缺陷图像，包括：将历史缺陷图像中的缺陷图像区域与目标背景图像进行数据融合处理，得到融合缺陷图像；其中，目标背景图像包括汽车底盘无缺陷时的底盘图像。
6、在一些可实施的示例中，配置参数包括亮度、灰度、对比度、饱和度、曝光度和锐度中的一项或者多项。
7、第二方面、本公开提供了一种底盘缺陷识别模型的训练方法，包括：获取训练样本集和测试样本集；其中，训练样本集和测试样本集二者均包括第一方面提供的任一项的训练数据的获取方法中得到的训练图像和训练图像的标记结果，标记结果包括训练图像对应的识别结果，识别结果包括置信度、缺陷位置和缺陷类别；将训练样本集中的训练图像输入至目标检测模型进行训练，得到预训练的目标检测模型；将测试样本集中的训练图像输入至预训练的目标检测模型，得到预训练的目标检测模型对测试样本集中的训练图像的预测结果；基于预测结果和标记结果，调整预训练的目标检测模型的网络参数，直至预训练的目标检测模型收敛，固化预训练的目标检测模型收敛时对应的网络参数，得到底盘缺陷识别模型。
8、第三方面、本公开提供了一种车辆底盘缺陷检测方法，包括：获取待识别车辆底盘图像；将待识别车辆底盘图像输入至车辆底盘缺陷检测模型进行识别，得到识别结果；其中，车辆底盘缺陷检测模型通过如第二方面提供的方法训练得到的，识别结果包括置信度、缺陷位置和缺陷类别；基于识别结果，得到待识别车辆底盘图像的检测结果。
9、在一些可实施的示例中，基于识别结果，得到待识别车辆底盘图像的检测结果，包括：在置信度、缺陷位置和缺陷类别三者的内容均为空时，确定待识别车辆底盘图像的检测结果为无异常。
10、在一些可实施的示例中，基于识别结果，得到待识别车辆底盘图像的检测结果，包括：在置信度、缺陷位置和缺陷类别三者的内容均不为空，且置信度大于得分阈值时，确定待识别车辆底盘图像的检测结果为有异常、异常位置为缺陷位置、异常类别为缺陷类别。
11、在一些可实施的示例中，基于识别结果，得到待识别车辆底盘图像的检测结果，包括：在置信度、缺陷位置和缺陷类别三者的内容均不为空，且置信度小于得分阈值时，确定待识别车辆底盘图像的检测结果为无异常。
12、在一些可实施的示例中，缺陷类别包括漏油、划伤、生锈、溢胶中的任一项。
13、第四方面、本公开提供了一种训练数据的获取装置，包括：获取单元，用于获取汽车底盘的历史缺陷图像；处理单元，用于对获取单元获取的历史缺陷图像进行预处理，得到增强缺陷图像和融合缺陷图像；其中，预处理包括数据增强处理和数据融合处理；处理单元，还用于在目标图像中的缺陷图像区域选择第一个数的第一特征点，并在目标图像中除缺陷图像区域以外的区域选择第二个数的第二特征点；其中，目标图像包括增强缺陷图像和融合缺陷图像中的任一项；处理单元，还用于对第一特征点和第二特征点围成的闭合区域内的图像的配置参数进行调整，得到训练图像。
14、在一些可实施的示例中，处理单元，具体用于对第一特征点和第二特征点围成的闭合区域内的图像的配置参数进行调整，得到预处理图像；处理单元，具体用于利用第一识别模型对预处理图像进行识别，确定置信度小于或等于预设阈值的预处理图像为训练图像。
15、在一些可实施的示例中，处理单元，具体用于对历史缺陷图像进行数据增强处理，得到增强缺陷图像；其中，数据增强处理包括翻转、旋转、缩放、调整亮度、添加高斯噪声和图像混合中的一项或者多项。
16、在一些可实施的示例中，处理单元，具体用于将历史缺陷图像中的缺陷图像区域与目标背景图像进行数据融合处理，得到融合缺陷图像；其中，目标背景图像包括汽车底盘无缺陷时的底盘图像。
17、在一些可实施的示例中，配置参数包括亮度、灰度、对比度、饱和度、曝光度和锐度中的一项或者多项。
18、第五方面、本公开提供了一种底盘缺陷识别模型的训练装置，包括：获取单元，用于获取训练样本集和测试样本集；其中，训练样本集和测试样本集二者均包括第一方面提供的任一项的训练数据的获取方法中得到的训练图像和训练图像的标记结果，标记结果包括训练图像对应的识别结果，识别结果包括置信度、缺陷位置和缺陷类别；处理单元，用于将获取单元获取的训练样本集中的训练图像输入至目标检测模型进行训练，得到预训练的目标检测模型；处理单元，还用于将获取单元获取的测试样本集中的训练图像输入至预训练的目标检测模型，得到预训练的目标检测模型对测试样本集中的训练图像的预测结果；处理单元，还用于基于预测结果和标记结果，调整预训练的目标检测模型的网络参数，直至预训练的目标检测模型收敛，固化预训练的目标检测模型收敛时对应的网络参数，得到底盘缺陷识别模型。
19、第六方面、本公开提供了一种车辆底盘缺陷检测装置，包括：获取单元，用于获取待识别车辆底盘图像；处理单元，用于将获取单元获取的待识别车辆底盘图像输入至车辆底盘缺陷检测模型进行识别，得到识别结果；其中，车辆底盘缺陷检测模型通过第二方面提供的方法训练得到的，识别结果包括置信度、缺陷位置和缺陷类别；处理单元，还用于基于识别结果，得到待识别车辆底盘图像的检测结果。
20、在一些可实施的示例中，处理单元，具体用于在置信度、缺陷位置和缺陷类别三者的内容均为空时，确定待识别车辆底盘图像的检测结果为无异常。
21、在一些可实施的示例中，处理单元，具体用于在置信度、缺陷位置和缺陷类别三者的内容均不为空，且置信度大于得分阈值时，确定待识别车辆底盘图像的检测结果为有异常、异常位置为缺陷位置、异常类别为缺陷类别。
22、在一些可实施的示例中，处理单元，具体用于在置信度、缺陷位置和缺陷类别三者的内容均不为空，且置信度小于得分阈值时，确定待识别车辆底盘图像的检测结果为无异常。
23、在一些可实施的示例中，缺陷类别包括漏油、划伤、生锈、溢胶中的任一项。
24、第七方面，本公开提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在执行计算机程序时，使得电子设备实现如上述第一方面提供的训练数据的获取方法。
25、第八方面，本公开提供一种计算机可读存储介质，包括：计算机可读存储介质上存储有计算机程序，当计算机程序被计算设备执行时，使得计算设备实现如上述第一方面提供的训练数据的获取方法。
26、第九方面，本公开提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在执行计算机程序时，使得电子设备实现如上述第二方面提供的底盘缺陷识别模型的训练方法。
27、第十方面，本公开提供一种计算机可读存储介质，包括：计算机可读存储介质上存储有计算机程序，当计算机程序被计算设备执行时，使得计算设备实现如上述第二方面提供的底盘缺陷识别模型的训练方法。
28、第十一方面，本公开提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在执行计算机程序时，使得电子设备实现如上述第三方面提供的车辆底盘缺陷检测方法。
29、第十二方面，本公开提供一种计算机可读存储介质，包括：计算机可读存储介质上存储有计算机程序，当计算机程序被计算设备执行时，使得计算设备实现如上述第三方面提供的车辆底盘缺陷检测方法。
30、第十三方面，本公开提供一种服务器，包括如第四方面提供的训练数据的获取装置，和/或如第五方面提供的底盘缺陷识别模型的训练装置，和/或如第六方面提供的车辆底盘缺陷检测装置。
31、在本公开中，上述训练数据的获取装置、底盘缺陷识别模型的训练装置和车辆底盘缺陷检测装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本公开类似，属于本公开权利要求及其等同技术的范围之内。
32、本公开的这些方面或其他方面在以下的描述中会更加简明易懂。
33、本公开提供的技术方案与现有技术相比具有如下优点：
34、由于实际生产中汽车底盘的实际缺陷图像十分稀少、而实际缺陷图像对应的缺陷种类繁多、同一缺陷种类内又包含多种缺陷。为了模拟实际生产中的实际缺陷图像，本公开实施例提供的训练数据的获取方法，通过对汽车底盘的历史缺陷图像进行预处理，从而可以实现对训练图像的扩增。进一步地，通过对目标图像中的缺陷图像区域选择第一个数的第一特征点，并在目标图像中除缺陷图像区域以外的区域选择第二个数的第二特征点。这样，通过对第一特征点和第二特征点进行连线，从而可以得到、对第一特征点和第二特征点围成的闭合区域内的图像。之后，通过对该闭合区域内的图像的配置参数进行调整，从而可以进一步扩增训练图像。
35、此外，由于训练图像内包含的样本更多，因此在通过训练图像训练目标检测模型时，可以提升目标检测模型的检测精度，使得得到的底盘缺陷识别模型能够更加准确地识别出待识别车辆底盘图像的识别结果，保证识别结果的准确性。进一步地，在对待识别车辆底盘图像进行识别时，可以将待识别车辆底盘图像输入至车辆底盘缺陷检测模型进行识别，得到识别结果，由于无需人工逐个去检测待识别车辆底盘图像中存在的缺陷，因此可以大大提升底盘缺陷检查的检查效率，从而解决了当需要检查的汽车较多时，此时仍需耗费大量的人工去逐个查看汽车的底盘的图像，导致底盘缺陷检查的检查效率较低的问题。
1.一种训练数据的获取方法，其特征在于，包括：
2.根据权利要求1所述的训练数据的获取方法，其特征在于，所述对所述第一特征点和所述第二特征点围成的闭合区域内的图像的配置参数进行调整，得到训练图像，包括：
3.根据权利要求1所述的获取方法，其特征在于，所述对所述历史缺陷图像进行预处理，得到增强缺陷图像，包括：
4.根据权利要求1所述的获取方法，其特征在于，所述对所述历史缺陷图像进行预处理，得到融合缺陷图像，包括：
5.一种底盘缺陷识别模型的训练方法，其特征在于，包括：
6.一种车辆底盘缺陷检测方法，其特征在于，包括：
7.根据权利要求6所述的车辆底盘缺陷检测方法，其特征在于，所述基于所述识别结果，得到所述待识别车辆底盘图像的检测结果，包括：
8.根据权利要求6所述的车辆底盘缺陷检测方法，其特征在于，所述基于所述识别结果，得到所述待识别车辆底盘图像的检测结果，包括：
9.根据权利要求6所述的车辆底盘缺陷检测方法，其特征在于，所述基于所述识别结果，得到所述待识别车辆底盘图像的检测结果，包括：
10.一种训练数据的获取装置，其特征在于，包括：
11.一种底盘缺陷识别模型的训练装置，其特征在于，包括：
12.一种车辆底盘缺陷检测装置，其特征在于，包括：
13.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于在执行计算机程序时，使得所述电子设备实现权利要求1-4任一项所述的训练数据的获取方法，或者使得所述电子设备实现权利要求5所述的底盘缺陷识别模型的训练方法，或者使得所述电子设备实现权利要求6-10任一项所述的车辆底盘缺陷检测方法。
14.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质上存储有计算机程序，当所述计算机程序被计算设备执行时，使得所述计算设备实现权利要求1-4任一项所述的训练数据的获取方法，或者使得所述计算设备实现权利要求5所述的底盘缺陷识别模型的训练方法，或者使得所述计算设备实现权利要求6-10任一项所述的车辆底盘缺陷检测方法。
15.一种服务器，包括如权利要求10所述的训练数据的获取装置，和/或如权利要求11所述的底盘缺陷识别模型的训练装置，和/或如权利要求12所述的车辆底盘缺陷检测装置。
