(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210900034.0 (22)申请日 2022.07.28 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 方起明　刘莉红　刘玉宇　肖京　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 陈敬华 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/28(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06T 7/11(2017.01) G06T 7/187(2017.01) G06T 7/62(2017.01) G06T 7/70(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的轮毂损伤检测方法及相关 设备 (57)摘要 本申请提出一种基于人工智能的轮毂损伤 检测方法、 装置、 电子设备及存储介质， 基于 人工 智能的轮毂损伤 检测方法包括： 依据历史车辆图 像训练车辆部件分割模型； 将待检测车辆图像输 入所述车辆部件分割模型获得待检测轮毂图像； 计算所述待检测轮毂图像中轮毂区域的断裂损 伤度； 计算所述待检测轮毂图像中轮毂区域的变 形损伤度； 依据所述断裂损伤度和所述变形损伤 度计算所述待检测轮毂图像的损伤检测结果。 该 方法可以实现端到端的轮毂损伤检测， 并能够利 用量化指标表征轮毂损伤程度， 从而能够提升轮 毂损伤检测的准确度。 权利要求书2页 说明书16页 附图3页 CN 115239958 A 2022.10.25 CN 115239958 A 1.一种基于人工智能的轮毂损伤检测方法， 其特 征在于， 所述方法包括： 依据历史车辆图像训练车辆 部件分割模型； 将待检测车辆图像输入所述车辆 部件分割模型获得待检测轮毂图像； 在所述待检测轮毂图像中划分出至少一个连通域， 并依据 所述连通域的数量计算所述 待检测轮毂图像中轮毂区域的断裂损伤度； 依据所述待检测轮毂图像中每个像素点的坐标计算所述待检测轮毂图像中轮毂区域 的变形损伤度； 依据所述断裂损伤度和所述变形损伤度计算所述待检测轮毂图像的损伤检测结果。 2.如权利要求1所述的基于人工智能的轮毂损伤检测方法， 其特征在于， 所述依据历史 车辆图像训练车辆 部件分割模型， 包括： 对历史车辆 图像进行标注获得标记图像， 将所述历史车辆 图像作为样本 图像， 并将所 述样本图像与所述标记图像一 一对应作为训练数据集； 构建初始车辆分割模型， 所述初始车辆分割模型包括编码器与解码器； 依据所述训练数据集与预设的损失函数训练所述初始车辆分割 模型， 直至所述预设的 损失函数的数值 不再变化， 停止训练并获得 车辆部件分割模型。 3.如权利要求1所述的基于人工智能的轮毂损伤检测方法， 其特征在于， 所述将待检测 车辆图像输入所述车辆 部件分割模型获得待检测轮毂图像， 包括： 将待检测车辆图像输入所述车辆部件分割模型获得所述待检测车辆图像中每个像素 点的预测类别列表和预测概 率列表； 将所述待检测车辆图像中每个像素点的预测概率列表中最大概率值对应的类别作为 该像素点对应的类别， 所述类别至少包括轮毂、 雾灯、 挡风玻璃、 车门； 依据所述待检测车辆图像中每个像素点的类别对所述待检测车辆图像进行二值标记 获得待检测轮毂图像， 所述待检测轮毂图像中每 个像素点的标记包括0或1。 4.如权利要求1所述的基于人工智能的轮毂损伤检测方法， 其特征在于， 所述在所述待 检测轮毂图像中划分出至少一个连通域， 并依据所述连通域的数量计算所述待检测轮毂图 像中轮毂区域的断裂损伤度， 包括： 对所述待检测轮毂图像中的像素点进行聚类获得至少一个连通域， 所述连通域至少包 含所述待检测轮毂图像中的一个 像素点； 计算所述连通域的个数与预设的基准阈值的差值以作为所述待检测轮毂图像中轮毂 区域的断裂损伤度。 5.如权利要求1所述的基于人工智能的轮毂损伤检测方法， 其特征在于， 所述依据 所述 待检测轮毂图像中每个像素点的坐标计算所述待检测轮毂图像中轮毂区域的变形损伤度， 包括： 依据预设的坐标系构建方法构建所述待检测轮毂图像中每 个像素点的坐标； 依据所述待检测轮毂图像中像素点的坐标计算多组圆参数， 每组圆参数包括 圆心坐标 与圆周半径； 依据所有圆心坐标与所有圆周半径计算所述待检测轮毂图像中轮毂区域的变形损伤 度。 6.如权利要求5所述的基于人工智能的轮毂损伤检测方法， 其特征在于， 所述依据 所述权　利　要　求　书 1/2 页 2 CN 115239958 A 2待检测轮毂图像中像素点的坐标计算多组圆参数， 每组圆参数包括圆心坐标与圆周半径， 包括： a， 从所述待检测轮毂图像中任选三个标记为1的像素点作为目标像素点， 并将所述目 标像素点标记为已访问； b， 依据所述目标像素点的坐标计算通过所述目标像素点的圆周的圆心坐标与该圆周 的半径， 将所述圆心坐标与所述圆周半径作为 一组圆参数； c， 不断从所述待检测轮毂图像中标记为1且未访 问的像素点中选取目标像素点， 重复 步骤b至步骤c直至所述待检测轮毂图像中所有标记为1的像素点都被标记为已访问。 7.如权利要求1所述的基于人工智能的轮毂损伤检测方法， 其特征在于， 所述依据 所述 断裂损伤度和所述变形损伤度计算所述待检测轮毂图像的损伤检测结果， 包括： 对所述断裂损伤度和所述变形损伤度进行归一化处理获得归一化断裂损伤度和归一 化变形损伤度； 将所述归一化断裂损伤度和归一化变形损伤度输入预设的整合函数获得所述待检测 轮毂图像的全局损伤度； 对比所述全局损伤度与预设的损伤阈值以获得 所述待检测轮毂图像的损伤检测结果。 8.一种基于人工智能的轮毂损伤检测装置， 其特 征在于， 所述装置包括： 训练单元， 用于依据历史车辆图像训练车辆 部件分割模型； 分割单元， 用于将待检测车辆图像输入所述车辆 部件分割模型获得待检测轮毂图像； 第一计算单元， 用于在所述待检测轮毂图像中划分出至少一个连通域， 并依据所述连 通域的数量计算所述待检测轮毂图像中轮毂区域的断裂损伤度； 第二计算单元， 用于依据所述待检测轮毂图像中每个像素点的坐标计算所述待检测轮 毂图像中轮毂区域的变形损伤度； 第三计算单元， 用于依据所述断裂损伤度和所述变形损伤度计算所述待检测轮毂图像 的损伤检测结果。 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轮毂损伤检测方法。 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轮毂损伤检测方法。权　利　要　求　书 2/2 页 3 CN 115239958 A 3