基于CNN的车载终端自动化测试系统设计与实现

• 作者: 乔成 卢玉斌 叶军 周磊
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 机器学习 关键点检测 目标识别 卷积神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 专刊:智能物联技术
• 页码范围: 880-886
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2020.10.014

摘要

随着人工智能技术飞速发展,机器学习对于提升自动化测试效率,改善电子产品质量起着至关重要的作用.针对传统车载终端(车机)测试方法效率低下,人工成本高的问题,提出了一种利用ResNet50 Sub Pixel DSNT(RSPD)+透视转换矫正+YOLOv4的测试方法.该方法利用RSPD实现对车机屏幕4个关键角点的定位,并通过透视转换算法对定位目标区域进行截取矫正,采用YOLOv4模型对矫正后的图片进行相关功能控件位置识别,驱动机器臂点击识别区域目标.测试结果表明,RSPD+透视变换矫正+YOLOv4的测试方法,能够准确控制机器臂完成车机屏幕功能控件的点击测试操作,其准确度达到97.3％.