车前挡的检测计数方法、系统、存储介质及计算机设备与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及生产检测技术领域，尤其涉及一种车前挡的检测计数方法、系统、存储介质及计算机设备。背景技术：2.在汽车生产线上，汽车在生产流水线上的某一工位完成相关工序后到下一个工序位置需要对其进行计数统计，包括局部部件的计数或整车计数等；在对生产流水线监控的实时视频中，每辆车走过一工序时将会录制并保存很多图片，再通过保存的图片对流经当前工序的整车或局部部件(如车前挡)进行计数分析。3.目前，针对从多辆车经过监控视野过程中车体前档的个数，现有办法是通过检测车体前档出现到车体前档消失即认为是一次车体前档经过该工位。该方法存在问题是：当检测到车体前档，在后面检测由于模型漏检或者其他原因导致本来是存在车体前档，但是由于漏检未检测出车体前档，从而误以为是车体前档消失造成前挡个数计数加一的误增加。4.综上可知，现有的方法在实际使用上，存在着较多的问题，所以有必要加以改进。技术实现要素：5.针对上述的缺陷，本发明的目的在于提供一种车前挡的检测计数方法，系统、存储介质及其计算机设备，有效提升在生产流水线上检测车前挡的准确率。6.为了实现上述目的，本发明提供一种车前挡的检测计数方法，包括步骤：7.获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果；8.根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值；9.若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在所述车体前挡目标的数值标识；10.若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一。11.可选的，所述获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果的步骤具体包括：12.逐帧获取监控区域的监控视频中的图像数据；13.分别将所述图像数据输入至预先基于训练数据训练而成的目标检测模型，以获得所述目标检测模型输出的目标检测结果。14.可选的，所述目标检测模型为yolov5模型。15.可选的，所述根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值的步骤具体包括：16.若所述目标检测结果为不存在所述车体前挡目标，则基于预设的状态标识策略，并依据对应的所述图像数据的时帧排序在预置的状态数组中加入第一状态值；17.若所述目标检测结果为存在所述车体前挡目标，则基于所述状态标识策略，并依据对应的所述图像数据的时帧排序在预置的状态数组中加入第二状态值；其中，所述第二状态值为表征所述目标检测结果存在所述车体前挡目标的数值标识。18.可选的，所述若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值的步骤之后，还包括：19.若所述状态数组中包括有所述第二状态值，则清空所述状态数组，以完成所述状态数组的一个循环过程。20.可选的，所述若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在所述车体前挡目标的数值标识的步骤具体包括：21.判断所述状态数组中基于所述状态值累计增加的数组长度是否达到预设阈值；22.若达到所述预设阈值，则遍历所述状态数组，以确定所述状态数组中的所述状态值是否均为第一状态值。23.可选的，所述若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在所述车体前挡目标，则将前挡个数计数加一的步骤具体包括：24.若所述状态数组中的所述状态值均为所述第一状态值，则清空所述状态数组，并查询预置的初始目标状态信息；25.若基于所述初始目标状态信息确定前一检测环节中存在所述车体前挡目标时，将前挡个数计数加一。26.还提供了一种车前挡的检测计数系统，包括有：27.目标检测单元，用于获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果；28.数组处理单元，用于根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值；29.判断单元，用于若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在车体前挡目标的数值标识；30.计数单元，用于若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一。31.另外，还提供了一种存储介质和计算机设备，所述存储介质用于存储一种用于执行上述车前挡的检测计数方法的计算机程序。32.所述计算机设备包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的车前挡的检测计数方法。33.本发明所述的车前挡的检测计数方法及其系统，通过获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车前挡目标检测，以获得对应的目标检测结果；根据一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。46.图1示出本发明一实施例提供的车前挡的检测计数方法，其包括步骤如下：47.s101：获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果。所述监控区域是指汽车生产流水线上的任一工序环节；本实施例具体在监控区域的监控视频中获取连续视频帧的若干图像数据，并依次分别对若干所述图像数据进行车体前挡目标检测，以确定所述图像数据中是否存在车体前挡目标。48.参见图2，一可选的实施方式中，步骤s101具体包括：49.s1011：逐帧获取监控区域的监控视频中的图像数据。所述图像数据即为视频帧图像，即本实施例通过视频抽帧的方式，从监控视频中依次逐帧抽取出对应的图像数据；视频抽帧的频率可根据实际生产要求配置，例如每秒从监控视频中抽取出一帧图像。50.s1012：分别将所述图像数据输入至预先基于训练数据训练而成的目标检测模型，以获得所述目标检测模型输出的目标检测结果。具体的，预先通过搜集若干车体前挡的训练图像，并对其进行特征标注，再利用公开的检测模型以训练生成一个用于检测车体前挡的目标检测模型；进而将上述获取到的图像数据作为该目标检测模型的输入数据以输入至所述目标检测模型中，通过其检测识别以输出相对应的目标检测结果(所述目标检测结果包括两种情况：一、确定图像数据上存在车体前挡目标；二、确定图像数据上不存在车体前挡目标)。本实施例的目标检测模型优选为yolov5(一种目标检测算法)模型；当然，在其他实施例中，所述目标检测模型还可采用现有公开的其他目标检测模型，如yolov4等。51.在目标检测模型中，由于背景比较单一，深度学习模型可以充分车体前档的特征，所以车体前档检测的准确率也可以达到99％甚至更高，通过添加合理的逻辑判断，从而针对从一辆车经过该视野过程中，选择一张车体前档在视野正中的图片的准确率达到98％，误报率只有0.16％，完全能够替代人工肉眼进行选择，提高工作效率。52.s102：根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值。其中，所述状态数组预先设置为vector1，其初始状态为空白数据，每获得一图像数据的目标检测结果后，在状态数组vector1中加入对应所述目标检测结果的状态值，即不同的目标检测结果对应着不同的状态值；所述状态值用于表征着图像数据对应的目标检测结果。53.可选的，步骤s102具体包括：54.若所述目标检测结果为不存在车体前挡目标，则基于预设的状态标识策略，并依据对应的图像数据的时帧排序在预置的状态数组中加入第一状态值。55.若所述目标检测结果为存在车体前挡目标，则基于所述状态标识策略，并依据对应的图像数据的时帧排序在预置的状态数组中加入第二状态值；其中，第二状态值为表征所述目标检测结果存在车体前挡目标的数值标识。56.所述状态标识策略为目标检测结果与状态值的匹配规则；具体的，本实施例若确定当前检测的图像数据的目标检测结果为不存在车体前挡目标时，则在状态数组中加入第一状态值，例如第一状态值为0；反之，若确定当前检测的图像数据的目标检测结果存在车体前挡目标时，则在状态数组中加入第二状态值，例如第二状态值为1；所述状态数组即为由若干状态值组成的数组结构，所述状态数组随着状态值的添加，其数组长度将会逐步变长；例如，连续检测的5张图像数据的目标检测结果均不存在车体前挡目标时，则此时状态数组vector1为00000；反之，若连续检测的5张图像数据的目标检测结果均存在车体前挡目标，则此时状态数组vector1为11111，以此类推。57.s103：若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在车体前挡目标的数值标识。所述预设阈值为连续性检测的帧数阈值，设所述预设阈值为n，若所述状态数组的数组长度达到n时，则表示当前已连续检测n张图像数据。58.参见图3，一可选的实施方式中，步骤s103具体包括：59.s1031：判断所述状态数组中基于状态值累计增加的数组长度是否达到预设阈值。具体的，本实施例的预设阈值设为5；当然，在其他实施例中还可以根据生产流水线的流速设置对应的预设阈值；在实际应用中，所述预设阈值的数值大小与流水线速度成反比，流水线速度越快则车体前挡在监控视野中存在的帧数越小，所述预设阈值则相应的也越小。60.s1032：若达到所述预设阈值，则遍历所述状态数组，以确定所述状态数组中的状态值是否均为第一状态值。61.可选的，步骤s103之后，还包括：若状态数组中包括有所述第二状态值，则清空所述状态数组，以完成状态数组的一个循环过程。即本实施例在确定状态数组中不全是第一状态值时，表明当前连续视频帧中仍存在车体前挡目标，此时将清空状态数组，以便于后续重新获取监控视频的图像数据继续进行检测分析；此时，所述状态数组被清空后，将进入到下一循环过程重复上述步骤流程以重新进行检测分析。62.s104：若所述状态数组中的状态值均为第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一。其中，初始目标状态信息具体为前一检测环节的历史记录状态，设所述初始目标状态信息为find，若find＝false，则表示前一检测环节中不存在车体前挡目标，若find＝true，则表示前一检测环节中存在车体前挡目标。此时满足车体前挡目标在走过流水线，从出现到消失的状态，将前挡个数(如设为m)计数加一。63.参见图4，一可选的实施方式中，步骤s104具体包括：64.s1041：若所述状态数组中的状态值均为第一状态值，则清空所述状态数组，并查询预置的初始目标状态信息。所述初始目标状态信息基于前一检测环节中是否出现车体前挡目标予以设置，若前一检测环节中存在车体前挡目标，则将所述初始目标状态信息find标识为true；反之，则标识为false。65.s1042：若基于所述初始目标状态信息确定前一检测环节中存在车体前挡目标时，将前挡个数计数加一。若所述状态数组vector1中均为第一状态值0，则说明车体前挡目标已经在监控视野中完全消失，若查询到初始目标状态信息为true，则说明车体前挡目标上一检测环节中存在过，满足车体前挡目标在走过流水线，从出现到消失的状态，故而将前挡个数m加1。同时，将初始目标状态信息重置为原false状态后，进入下一循环检测环节。66.本实施例在确定所述状态数组的数组长度达到预设阈值后，判断状态数组中的状态值是否为第一状态值(即判断是否连续多帧图像数据均不出现车体前挡目标)，若确定所述状态数组中均为第一状态值(即均为0)，则判断初始目标状态信息find是否为ture，若是则将前挡个数计数加一。67.一实施例中，步骤s104之后，还包括：每当执行完一个计数周期时，上报所述前挡个数。所述计数周期可以设为每小时、每两个小时，以此类推；则在流水线计时时长达到计数周期的时限后，自动将当前统计到的前挡个数上报给指定后台；可选的，所述前挡个数在上报完成后自动重置清零。68.图5示出本发明一实施例提供的车前挡的检测计数系统100，所述检测计数系统100与生产流水线的监控设备通信连接，以获取所述监控设备上传的监控视频数据，所述检测计数系统100包括有目标检测单元10、数组处理单元20、判断单元30以及计数单元40，其中：69.目标检测单元10用于获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果；数组处理单元20用于根据连续视频帧对应的目标检测结果，在预置的状态数组中依次加入对应的状态值；判断单元30用于若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的状态值是否均为第一状态值；其中，第一状态值为表征所述目标检测结果不存在车体前挡目标的数值标识；计数单元40，用于若所述状态数组中的状态值均为所述第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一。70.参见图6，一可选的实施方式中，目标检测单元10具体包括获取子单元11和检测子单元12，其中：71.获取子单元11用于逐帧获取监控区域的监控视频中的图像数据；检测子单元12用于分别将图像数据输入至预先基于训练数据训练而成的目标检测模型，以获得所述目标检测模型输出的目标检测结果。72.可选的，所述目标检测模型为yolov5模型。73.参见图7，一可选的实施方式中，所述数组处理单元20具体包括第一处理子单元21和第二处理子单元22，其中：74.第一处理子单元21用于若所述目标检测结果为不存在车体前挡目标，则基于预设的状态标识策略，并依据对应的图像数据的时帧排序在预置的状态数组中加入第一状态值；第二处理子单元22用于若所述目标检测结果为存在车体前挡目标，则基于所述状态标识策略，并依据对应的图像数据的时帧排序在预置的状态数组中加入第二状态值；其中，第二状态值为表征所述目标检测结果存在车体前挡目标的数值标识。75.一实施例中，还包括有数组清空单元，其用于若所述状态数组中包括有第二状态值，则清空所述状态数组，以完成所述状态数组的一个循环过程。76.参见图8，一可选的实施方式中，所述判断单元30具体包括长度判断子单元31和状态值确定子单元32，其中：77.长度判断子单元31用于判断状态数组中基于所述状态值累计增加的数组长度是否达到预设阈值；状态值确定子单元32用于若达到预设阈值，则遍历所述状态数组，以确定所述状态数组中的状态值是否均为第一状态值。78.参见图9，一可选的实施方式中，所述计数单元40具体包括清空与查询子单元41和计数子单元42，其中：79.清空与查询子单元41用于若所述状态数组中的状态值均为第一状态值，则清空所述状态数组，并查询预置的初始目标状态信息；计数子单元42用于若基于所述初始目标状态信息确定前一检测环节中存在车体前挡目标时，将前挡个数计数加一。80.一实施例中，还包括有上报单元，其用于每当执行完一个计数周期时，上报所述前挡个数。81.本发明还提供一种存储介质，用于存储如图1～图4所述车前挡的检测计数方法的计算机程序。例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本技术的方法和/或技术方案。而调用本技术的方法的程序指令，可能被存储在固定的或可移动的存储介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。在此，根据本技术的一个实施例包括如图5所示车前挡的检测计数系统的计算机设备，所述计算机设备优选包括用于存储计算机程序的存储介质和用于执行计算机程序的处理器，其中，当该计算机程序被该处理器执行时，触发该计算机设备执行基于前述多个实施例中的方法和/或技术方案。82.需要注意的是，本技术可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本技术的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本技术的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。83.根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地，计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。84.在优选实施例中，计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地，在计算机可读介质上体现计算机程序。85.综上所述，本发明所述的车前挡的检测计数方法及其系统，通过获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车前挡目标检测，以获得对应的目标检测结果；根据对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值；若所述状态数组中已加入的所述状态值的累计长度达到预设阈值，则遍历判断所述状态数组中的状态值是否均为表征不存在车体前挡目标的第一状态值，若是则在确定初始目标状态信息中存在车体前挡目标时，将前挡个数计数加一。据此，本发明采用基于车前挡消失的连续性校验方法，能够有效规避由于模型漏检导致的误检情况发生，有效提升在生产流水线上检测车前挡的准确率。86.当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。87.本发明还提供了a1、一种车前挡的检测计数方法，包括步骤：88.获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果；89.根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值；90.若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在所述车体前挡目标的数值标识；91.若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一。92.a2、根据a1所述的车前挡的检测计数方法，所述获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果的步骤具体包括：93.逐帧获取监控区域的监控视频中的图像数据；94.分别将所述图像数据输入至预先基于训练数据训练而成的目标检测模型，以获得所述目标检测模型输出的目标检测结果。95.a3、根据a2所述的车前挡的检测计数方法，所述目标检测模型为yolov5模型。96.a4、根据a1所述的车前挡的检测计数方法，所述根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值的步骤具体包括：97.若所述目标检测结果为不存在所述车体前挡目标，则基于预设的状态标识策略，并依据对应的所述图像数据的时帧排序在预置的状态数组中加入第一状态值；98.若所述目标检测结果为存在所述车体前挡目标，则基于所述状态标识策略，并依据对应的所述图像数据的时帧排序在预置的状态数组中加入第二状态值；其中，所述第二状态值为表征所述目标检测结果存在所述车体前挡目标的数值标识。99.a5、根据a4所述的车前挡的检测计数方法，所述若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值的步骤之后，还包括：100.若所述状态数组中包括有所述第二状态值，则清空所述状态数组，以完成所述状态数组的一个循环过程。101.a6、根据a1所述的车前挡的检测计数方法，所述若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在所述车体前挡目标的数值标识的步骤具体包括：102.判断所述状态数组中基于所述状态值累计增加的数组长度是否达到预设阈值；103.若达到所述预设阈值，则遍历所述状态数组，以确定所述状态数组中的所述状态值是否均为第一状态值。104.a7、根据a1所述的车前挡的检测计数方法，所述若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在所述车体前挡目标，则将前挡个数计数加一的步骤具体包括：105.若所述状态数组中的所述状态值均为所述第一状态值，则清空所述状态数组，并查询预置的初始目标状态信息；106.若基于所述初始目标状态信息确定前一检测环节中存在所述车体前挡目标时，将前挡个数计数加一。107.a8、根据a1所述的车前挡的检测计数方法，所述若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一的步骤之后，还包括：108.每当执行完一个计数周期时，上报所述前挡个数。109.还提供了b9、一种车前挡的检测计数系统，包括有：110.目标检测单元，用于获取监控区域连续视频帧的图像数据，并分别对所述图像数据进行车体前挡目标检测，获得对应的目标检测结果；111.数组处理单元，用于根据连续视频帧对应的所述目标检测结果，在预置的状态数组中依次加入对应的状态值；112.判断单元，用于若所述状态数组的数组长度达到预设阈值，则遍历判断所述状态数组中的所述状态值是否均为第一状态值；其中，所述第一状态值为表征所述目标检测结果不存在所述车体前挡目标的数值标识；113.计数单元，用于若所述状态数组中的所述状态值均为所述第一状态值，且预置的初始目标状态信息中存在车体前挡目标，则将前挡个数计数加一。114.b10、根据b9所述的车前挡的检测计数系统，所述目标检测单元具体包括：115.获取子单元，用于逐帧获取监控区域的监控视频中的图像数据；116.检测子单元，用于分别将所述图像数据输入至预先基于训练数据训练而成的目标检测模型，以获得所述目标检测模型输出的目标检测结果。117.b11、根据b10所述的车前挡的检测计数系统，所述目标检测模型为yolov5模型。118.b12、根据b9所述的车前挡的检测计数系统，所述数组处理单元具体包括：119.第一处理子单元，用于若所述目标检测结果为不存在所述车体前挡目标，则基于预设的状态标识策略，并依据对应的所述图像数据的时帧排序在预置的状态数组中加入第一状态值；120.第二处理子单元，用于若所述目标检测结果为存在所述车体前挡目标，则基于所述状态标识策略，并依据对应的所述图像数据的时帧排序在预置的状态数组中加入第二状态值；其中，所述第二状态值为表征所述目标检测结果存在所述车体前挡目标的数值标识。121.b13、根据b12所述的车前挡的检测计数系统，还包括：122.数组清空单元，用于若所述状态数组中包括有所述第二状态值，则清空所述状态数组，以完成所述状态数组的一个循环过程。123.b14、根据b9所述的车前挡的检测计数系统，所述判断单元具体包括：124.长度判断子单元，用于判断所述状态数组中基于所述状态值累计增加的数组长度是否达到预设阈值；125.状态值确定子单元，用于若达到所述预设阈值，则遍历所述状态数组，以确定所述状态数组中的所述状态值是否均为第一状态值。126.b15、根据b9所述的车前挡的检测计数系统，所述计数单元具体包括：127.清空与查询子单元，用于若所述状态数组中的所述状态值均为所述第一状态值，则清空所述状态数组，并查询预置的初始目标状态信息；128.计数子单元，用于若基于所述初始目标状态信息确定前一检测环节中存在所述车体前挡目标时，将前挡个数计数加一。129.b16、根据b9所述的车前挡的检测计数系统，还包括有：130.上报单元，用于每当执行完一个计数周期时，上报所述前挡个数。131.还提供了c17、一种存储介质，用于存储一种用于执行a1～a8中任意一种所述车前挡的检测计数方法的计算机程序。132.还提供了d18、一种计算机设备，包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现a1～a8任一项所述车前挡的检测计数方法。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!