(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 202210912211.7 (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 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的车辆格栅部件损伤检测方 法及相关 设备 (57)摘要 本申请提出一种基于人工智能的车辆格栅 部件损伤检测方法、 装置、 电子设备及存储介质， 基于人工智能的车辆格栅部件损伤检测方法包 括： 搭建车辆部件第一分割网络， 并依据预设损 失函数训练车辆部件第一分割网络得到车辆部 件第二分割网络； 采集目标车辆图像， 并基于车 辆部件第二分割网络获取目标车辆图像的车辆 格栅图像； 搭建格栅第一分割网络， 依据交叉熵 损失函数训练格栅第一分割网络得到格栅第二 分割网络； 依据格栅第二分割网络分割目标车辆 图像的车辆格栅图像以获取每一种格栅子类别 的车辆格栅子图； 将所有车辆格栅子图输入预设 损伤检测网络以输出目标车辆图像中车辆格栅 部件的损伤检测结果。 本申请能提高车辆格栅部 件损伤检测的准确度。 权利要求书3页 说明书14页 附图3页 CN 115239960 A 2022.10.25 CN 115239960 A 1.一种基于人工智能的车辆格栅部件损伤检测方法， 其特 征在于， 所述方法包括： 搭建车辆部件第 一分割网络， 并依据 预设损失函数训练所述车辆部件第 一分割网络得 到车辆部件第二分割网络； 采集目标车辆图像， 并基于所述车辆部件第 二分割网络获取所述目标车辆图像的车辆 格栅图像； 搭建格栅第 一分割网络， 依据交叉熵损失函数训练所述格栅第 一分割网络得到格栅第 二分割网络； 依据所述格栅第二分割网络对所述目标车辆图像的车辆格栅图像进行分割以获取每 一种格栅子类别的车辆格栅子图； 将所有车辆格栅子图输入预设损伤检测网络以输出所述目标车辆图像中车辆格栅部 件的损伤检测结果。 2.如权利要求1所述的基于人工智能的车辆格栅部件损伤检测方法， 其特征在于， 所述 搭建车辆部件第一分割网络， 并依据预设损失函数训练所述车辆部件第一分割网络得到车 辆部件第二分割网络， 包括： 搭建车辆 部件第一分割网络， 所述车辆 部件第一分割网络包括编码器和解码器； 采集大量车辆图像， 并获取每一张车辆图像的标签数据； 储存所有车辆图像以及所有车辆图像的标签数据作为标注数据集； 基于所述标注数据集和预设损失函数训练所述车辆部件第一分割网络得到车辆部件 第二分割网络， 所述车辆部件第二分割网络的输入为车辆图像， 输出为所述车辆图像的部 件分割结果， 所述部件分割 结果包括所述车辆图像中每一个像素点的类别向量， 所述像素 点的类别向量包括所述像素点属于每一种 车辆部件的概率值， 所述车辆部件包括2种 车辆 格栅部件在内的多种车辆 部件， 所述2种车辆格栅部件 包括中网格栅和下格栅。 3.如权利要求2所述的基于人工智能的车辆格栅部件损伤检测方法， 其特征在于， 所述 预设损失函数满足关系式： 其中， W×H表示输入所述车辆部件第一分割网络的车辆图像的尺寸， pi,j表示所述车辆 部件第一分割网络输出的部件分割结果中像素点(i,j)的类别向量， 表示所述 车辆部件 第一分割网络输出的部件分割结果中像素点(i,j)的邻域范围内所有像素点类别向量的均 值， 表示pi,j与 的欧氏距离， Loss2为基于车辆图像的标签数据构建的交 叉熵损失函数， λ为调节系数， 取值范围为[0,1]， L oss1为预设损失函数的数值。 4.如权利要求1所述的基于人工智能的车辆格栅部件损伤检测方法， 其特征在于， 所述 采集目标车辆图像， 并基于所述车辆部件第二分割网络获取所述目标车辆图像的车辆格栅 图像， 包括： 采集目标车辆图像， 将所述目标车辆图像输入车辆部件第 二分割网络以得到所述目标 车辆图像的部件分割 结果， 所述部件分割 结果包括每一个像素点的类别向量， 选取每一个 像素点的类别向量中最大概 率值对应的车辆 部件种类作为所述像素点的车辆 部件种类；权　利　要　求　书 1/3 页 2 CN 115239960 A 2将所述部件分割结果中车辆部件种类为车辆格栅部件的像素点的像素值置为1， 其他 区域的像素值置为0， 得到所述车辆格栅部件的掩码图， 所述车辆格栅部件包括中网格栅和 下格栅； 将所述车辆格栅部件的掩码图与 所述目标车辆图像相乘， 得到所述目标车辆图像的车 辆格栅图像。 5.如权利要求1所述的基于人工智能的车辆格栅部件损伤检测方法， 其特征在于， 所述 搭建格栅第一分割网络， 依据交叉熵损失函数训练所述格栅第一分割网络得到格栅第二分 割网络， 包括： 搭建格栅第一分割网络， 所述格栅第一分割网络包括编码器和解码器； 采集大量车辆格栅图像， 并获取每一张车辆格栅图像的标签数据； 基于所述车辆格栅图像、 所述车辆格栅图像的标签数据和交叉熵损失函数训练所述格 栅第一分割网络得到格栅第二分割网络， 所述格栅第二分割网络的输入为车辆格栅图像， 输出为所述车辆格栅图像的格栅分割结果， 所述格栅分割结果包括所述车辆格栅图像中每 一个像素点的子类别向量， 所述像素点的子类别向量包括所述像素点属于每一种格栅子类 别的概率值， 所述格栅子类别包括车 标、 格栅框和格栅亮条三种。 6.如权利要求1所述的基于人工智能的车辆格栅部件损伤检测方法， 其特征在于， 所述 依据所述格栅第二分割网络对所述目标车辆图像的车辆格栅图像进行分割以获取每一种 格栅子类别的车辆格栅子图包括： 将所述目标车辆图像的车辆格栅图像输入所述格栅第二分割网络以获取格栅分割结 果， 所述格栅分割 结果包括每一个像素点的子类别向量， 选取每一个像素点的子类别向量 中最大概 率值对应的格栅子类别作为所述像素点的格栅子类别； 随机选取一个 格栅子类别作为目标格栅子类别； 将所述格栅分割结果中所述目标格栅子类别的像素点的像素值置为1， 其他区域像素 点的像素值置为0， 得到所述目标格栅子类别的掩码图； 将所述目标格栅子类别的掩码图与 所述目标车辆图像的车辆格栅图像相乘， 得到所述 目标格栅子类别的车辆格栅子图； 遍历所有格栅子类别以获取一种格栅子类别的车辆格栅子图。 7.如权利要求1所述的基于人工智能的车辆格栅部件损伤检测方法， 其特征在于， 所述 将所有车辆格栅子图输入预设损伤检测网络以输出所述目标车辆图像中车辆格栅部件的 损伤检测结果包括： 将每一种格栅子类别的车辆格栅子图按照固定顺序堆叠在一起以构建三维车辆格栅 子图； 将所述三维车辆格栅子图输入预设损伤检测网络以输出所述目标车辆图像中车辆格 栅部件的损伤检测结果， 所述损伤检测结果包括所述目标车辆图像的车辆格栅部件中所有 损伤的损伤种类和位置信息 。 8.一种基于人工智能的车辆格栅部件损伤检测装置， 其特 征在于， 所述装置包括： 第一训练单元， 用于搭建车辆部件第一分割 网络， 并依据预设损 失函数训练所述车辆 部件第一分割网络得到车辆 部件第二分割网络； 获取单元， 用于采集目标车辆 图像， 并基于所述车辆部件第二分割 网络获取所述目标权　利　要　求　书 2/3 页 3 CN 115239960 A 3