检测损坏的汽车零件

Question

我正在尝试构建一个系统，该系统在提供汽车图像时可以评估其损坏百分比，并找出汽车中哪些部件损坏。

有没有可能使用 Python 和 open-cv 或 tensorflow 来做到这一点？

我发现与我的工作相关的 GitHub 存储库是这些

https://github.com/VakhoQ/damage-car-detector/tree/master/DamageCarDetector

https://github.com/neokt/car-damage-detective

但他们提供的是定性输出（就像他们说汽车损坏程度高或低），我想打印出定量输出（损坏百分比）以及损坏的各个零件名称

这可能吗？

如果是这样，请帮帮我。

谢谢。

Answer 1

扩展@yves-daoust 给出的好答案：这不是一项微不足道的任务，您不应该尝试用一种方法立即完成。

您应该质疑自己，一个承担类似任务的人，即在租赁合同后审查这些汽车的专家，是如何进行这项工作的。然后你必须为你的系统制定要求和限制。

例如，专家首先检查任何视觉事件并对其进行评分，然后他们可能会检查可能对光学传感器隐藏的技术问题（即汽车是否可驾驶、行驶一圈并估计发动机是否正在运转平稳地，转向几何对齐（即，如果汽车设法保持在一条直线上），是否有任何不应该存在的轻微振动等等）并且它们也可能施加力（尝试手动摇动车轮以检查是否轴承没问题）。

如果您将您的测量系统定义为仅限于普通相机传感器，那么您在某种程度上受限于您的系统能够提供的扩展范围。

如果您只是想发现外观损坏，即对油漆和轮辋上的划痕进行分类，我想说最先进的机器视觉应用程序应该能够在一定程度上帮助您：

• 首先，您需要检测划痕。请记住，划痕的可见性，尤其是在条件变化（阳光）的现场，对于廉价传感器来说可能是一项非常困难甚至不可能完成的任务。 IE。为了应对系统可能需要使用偏振滤光片的反射，特殊效果涂料可能会干扰您的光学系统，导致您无法发现任何东西。

• 其次，在您检测到这些划痕在相机坐标中的位置和尺寸后，您需要将它们转换为真实世界坐标，以了解这些划痕的真实尺寸。知道汽车上划痕的确切位置也很有用（这需要汽车的数字双胞胎——这不再是微不足道的事情了）。

• 确定划痕的程度及其在汽车上的位置后，您需要应用成本模型。因为有些汽车零件很容易修复，比如保险杠上的划痕，只需重新喷涂保险杠即可，但如果 C 柱上的划痕不再明显，则很容易将整个后四分之一的划痕重新粉刷。

更大的划痕/裂缝也是如此：光学检测模型需要能够区分划痕和裂缝（这很难做到，只是通过观察），然后成本模型可以推断成本，即如果保险杠只需要重新喷涂或需要完全更换（因为它已破裂而不仅仅是划伤）。这种成本模型似乎很简单，但请记住，您“扫描”的每辆汽车都需要采用这种成本模型。因为对一个车身造成的一次廉价损坏可能很难修复对不同车身的损坏。我想说这甚至可能比发现初始划痕更难，因为您需要获得施工计划/维修零件清单（如果您是注册机械师，维修手册/维修零件清单大部分都可以访问，但它们可能会花费您要报价的任何车辆的许可费）。

你看，这是一个非常复杂的问题，它由多个困难的子问题组成。最简单或可能是最好的方法是采用自下而上的方法，即从一个简单的“划痕检测器”开始，它只会发现油漆中的划痕。然后从那里开始，您很容易看到什么是可能的，什么是不可能的