设备操作杆挡位识别方法、系统及挡位分类模型训练方法、系统、存储介质及计算机设备与流程

1.本发明涉及分类识别技术领域，尤其涉及一种设备操作杆挡位识别方法、系统及挡位分类模型训练方法、系统、存储介质及计算机设备。


背景技术：

2.工程设备指构成或计划构成永久工程一部分的机电设备、金属结构设备、仪器装置及其他类似的设备和装置，包括：基本建设项目中的设备(新建的或扩建的)、企业技术改造中的设备。为了保证安全生产作业，工程设备具有严格的操作规范，尤其是对操作杆的操作行为。
3.然而，在当前实际应用中，一般通过监控录像，对操作员的行为进行监控，利用后台人工观察的方式去监测操作员使用工程设备的操作杆使用状态，如有发现存在违规情况，则通知管理人员进行严肃处理。即现有方式仍然是采用人工监督的方式，其需要耗费较多的人力资源，成本较高；同时容易出现人为疏漏等问题，进而影响到对使用工程设备的监督准确率。
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设备操作杆挡位识别方法、系统及挡位分类模型训练方法、系统、存储介质及计算机设备，既能够提升少样本训练的泛化能力，又能够采用训练好的挡位分类模型实现对操作杆的挡位状态的自动识别。
6.为了实现上述目的，本发明提供一种设备操作杆挡位识别方法，包括步骤：
7.获取待识别图像；
8.将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果；
9.其中，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。
10.可选的，所述将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果的步骤之后还包括：
11.获取基于所述分类识别结果生成的反馈信息，并根据所述反馈信息和预设挂挡规则确定所述操作杆是否违规挂挡。
12.可选的，所述获取待识别图像的步骤具体包括：
13.提取视频监控画面中的感兴趣区域，以作为输入所述挡位分类模型的所述待识别图像。
14.可选的，所述挡位分类模型为pytorch分类模型。
15.还提供了一种挡位分类模型的训练方法，包括步骤：
16.截取第一样本图像中的操作杆目标区域；
17.获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；
18.根据所述分类样本图像训练获得所述挡位分类模型。
19.可选的，所述获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像的步骤具体包括：
20.获取若干个不同背景的所述第二样本图像；
21.裁剪掉所述第二样本图像上全部的所述操作杆挡位，并将所述操作杆目标区域随机拼接在一所述操作杆挡位对应的裁剪区域上；
22.根据若干个所述第二样本图像分别与所述操作杆目标区域的拼接，获得与各个所述操作杆挡位挂入状态分别对应的所述分类样本图像。
23.还提供了一种设备操作杆挡位识别系统，包括有：
24.获取单元，用于获取待识别图像；
25.识别单元，用于将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果；
26.其中，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。
27.还提供了一种挡位分类模型的训练系统，包括有：
28.截取单元，用于截取第一样本图像中的操作杆目标区域；
29.样本图像单元，用于获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；
30.训练单元，用于根据所述分类样本图像训练获得所述挡位分类模型。
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设备操作杆挡位识别方法的计算机程序。
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设备操作杆挡位识别方法。
33.本发明所述的设备操作杆挡位识别方法及挡位分类模型训练方法，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。设备操作杆挡位识别方法包括将待识别图像输入至挡位分类模型中，获得操作杆挡位的分类识别结果。据此，本发明通过截取出操作杆目标区域，并将其贴合于样本图像对应的一个操作杆挡位处，经
分类获得分别对应各个操作杆挡位处的分类样本图像，利用贴合深沉的分类样本图像训练挡位分类模型，从而即可利用较少的样本训练获得较高的泛化能力；同时采用训练好的挡位分类模型实现对操作杆的挡位状态的自动识别。
附图说明
34.图1为本发明一实施例提供的所述设备操作杆挡位识别方法的步骤流程图；
35.图2为本发明另一实施例提供的所述设备操作杆挡位识别方法的步骤流程图；
36.图3为本发明一实施例提供的所述挡位分类模型的训练方法的步骤流程图；
37.图4为本发明一实施例提供的所述挡位分类模型的训练方法用于获取所述分类样本图像可选的步骤流程图；
38.图5为本发明一实施例提供的所述设备操作杆挡位识别系统的结构示意图；
39.图6为本发明一实施例提供的所述挡位分类模型的训练系统的结构示意图；
40.图7为本发明一实施例提供的所述挡位分类模型的训练系统的所述样本图像单元的结构示意图。
具体实施方式
41.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
42.需要说明的，本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用，指的是描述的该实施例可包括特定的特征、结构或特性，但是不是每个实施例必须包含这些特定特征、结构或特性。此外，这样的表述并非指的是同一个实施例。进一步，在结合实施例描述特定的特征、结构或特性时，不管有没有明确的描述，已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
43.此外，在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件，所属领域中具有通常知识者应可理解，制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式，而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“连接”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。
44.图3示出本发明一实施例提供的挡位分类模型的训练方法，所述挡位分类模型应用于识别操作杆的挂挡状态，所述方法包括步骤如下：
45.s111：截取第一样本图像中的操作杆目标区域。具体实施时，本实施例仅需获取一张包含有所述操作杆目标区域的第一样本图像，并将所述操作杆目标区域从该第一样本图像中截取出来。而该操作杆目标区域即为待识别的操作杆目标所在的区域，如通过拍摄驾驶舱内的操作台图像，将该操作台图像作为第一样本图像，并从中截取出操作杆目标区域。
46.s112：获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图
像。在实际应用中，操作杆具有至少两个挂入挡，例如1挡、2挡、3挡
…
等，不同的挂入挡对应着不同的操作功能；本实施例预先获取若干张包含着所述操作杆的挂挡区域的第二样本图像，并将步骤s111截取的操作杆目标区域随机贴合在第二样本图像上的其中一处操作杆挡位。以所述操作杆具有3个挂入挡为例予以说明，本实施例随机将操作杆目标区域随机贴合在每一第二样本图像中的一处操作杆挡位，进而获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像，例如本实施例包括有第一分类样本图像、第二分类样本图像以及第三分类样本图像，其中第一分类样本图像对应着所述操作杆目标区域贴合在1挡的操作杆挡位处，用于作为所述操作杆挂入1挡状态的训练数据；同理，第二分类样本图像对应着所述操作杆目标区域贴合在2挡的操作杆挡位处，用于作为所述操作杆挂入2挡状态的训练数据；第三分类样本图像对应着所述操作杆目标区域贴合在3挡的操作杆挡位处，用于作为所述操作杆挂入3挡状态的训练数据。当然，在其他实施例中，可根据所述操作杆的挡位数量分类确定出各个一一对应的分类样本图像。
47.参见图4，一种可选的实施方式中，步骤s112具体包括：
48.s1121：获取若干个不同背景的所述第二样本图像。具体的，本实施例获取2000张第二样本图像，其背景各不相同，例如采用各种不同背景光照强度的若干张第二样本图像，或者采用除操作杆所在区域之外的背景设备按键不同的若干张第二样本图像。
49.s1122：裁剪掉所述第二样本图像上全部的操作杆挡位，并将所述操作杆目标区域随机拼接在一所述操作杆挡位对应的裁剪区域上。例如，所述操作杆具有3个挡位，则将每一张第二样本图像上对应的3个挡位区域裁剪掉，再随机将步骤s111的操作杆目标区域拼接在其中一个裁剪区域上，即每一张第二样本图像上拼接着一操作杆目标区域。
50.s1123：根据若干个所述第二样本图像分别与所述操作杆目标区域的拼接，获得与各个所述操作杆挡位挂入状态分别对应的所述分类样本图像。由于每一第二样本图像上的随机操作杆挡位上拼接着操作杆目标区域，则可根据操作杆目标区域在第二样本图像上的不同挡位位置获得对应不同挂挡状态的分类样本图像；例如结合上述示例，将操作杆目标区域拼接到操作杆第一挡的第二样本图像上，并将其分类为第一分类样本图像；依次类推，将所述操作杆目标区域拼接在第二挡的第二样本图像上，并将其分类为第二分类样本图像；将所述操作杆目标区域拼接在第三挡的第二样本图像上，并将其分类为第三分类样本图像。据此，本实施例根据将操作杆目标区域随机拼接在不同位置，以获得对应不同挂挡状态的不同分类样本图像。
51.s113：根据所述分类样本图像训练获得所述挡位分类模型。
52.可选的，步骤s113具体包括：将所述分类样本图像输入至待训练分类模型进行训练，以获得完成训练的所述挡位分类模型。即本实施例将步骤s112贴合并分类出的分类样本图像作为该挡位分类模型的训练数据，根据该训练数据以实现对该挡位分类模型的训练。由于所述操作杆的结构形状较为固定，因此针对该操作杆的挡位识别仅需确定其挡位挂入的位置即可，因此本实施例通过截取第一样本图像上的操作杆目标区域随机贴合到若干张第二样本图像上，通过该操作杆目标区域在第二样本图像上的不同挂入挡位置，获得对应的分类训练数据，借此即可利用较少的分类样本图像即可训练完该档位分类模型，同时又能够确保该档位分类模型具有较好的泛化能力。
53.可选的，所述挡位分类模型为pytorch分类模型；其中pytorch是一个由facebook
开发的开源深度学习框架。
54.图1示出本发明一实施例提供的设备操作杆挡位识别方法，本实施例应用于对工程设备的操作杆挂入挡位的状态识别，用于识别确定对应的操作杆被挂入到哪一操作挡位上；所述方法包括步骤如下：
55.s101：获取待识别图像。
56.s102：将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果。
57.其中，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型；即本实施例采用如图3所示的挡位分类模型。
58.通过将获取到的待识别图像输入到上述的挡位分类模型中，进而根据该挡位分类模型输出的分类识别结果，确定出该待识别图像上所述操作杆的挂入状态(如挂入哪一挡位)。本实施例的挡位分类模型可采用较少的训练样本训练而成，同时又具有较好的泛化能力。
59.图2示出本发明另一实施例提供的设备操作杆挡位识别方法，所述方法包括步骤如下：
60.s101：获取待识别图像。
61.s102：将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果。
62.s103：获取基于所述分类识别结果生成的反馈信息，并根据所述反馈信息和预设挂挡规则确定所述操作杆是否违规挂挡。在具体实施中，可将该反馈信息提供给应用层；该应用层根据接收到的反馈信息和预设挂挡规则进一步分析确定所述操作杆当前是否违规挂挡，所述预设挂挡规则可根据工程设备的操作规范预先设置，例如在该预设挂挡规则中确定了对应时刻的挂挡要求。即应用层可根据反馈信息判断所述操作杆是否以适当的时机挂入正确的挡位，即所述应用层可以适当的时机判断操作杆的状态是否符合要求，如果不符合要求，则发出告警消息并提示按照规范操作，保证安全生产。
63.可选的，步骤s101具体包括：提取视频监控画面中的感兴趣区域，以作为输入所述挡位分类模型的所述待识别图像。在实际应用中，可通过在视频监控画面中划定出感兴趣区域；进而在获取到视频监控画面时，提取出该视频监控画面中的感兴趣区域，以作为输入该挡位分类模型的待识别图像。具体的，所述待识别图像为操作杆所在区域，该区域包括有全部可挂入挡位。
64.可选的，所述挡位分类模型为pytorch分类模型。
65.图5示出本发明一实施例提供的设备操作杆挡位识别系统100，该系统100包括有获取单元10和识别单元20，获取单元10用于获取待识别图像；识别单元20用于将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果；
66.其中，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操
作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。
67.可选的，还包括有违规确定单元30，其用于获取基于所述分类识别结果生成的反馈信息，并根据所述反馈信息和预设挂挡规则确定所述操作杆是否违规挂挡。
68.一实施例中，获取单元10具体用于：提取视频监控画面中的感兴趣区域，以作为输入所述挡位分类模型的所述待识别图像。
69.可选的，所述挡位分类模型为pytorch分类模型。
70.图6示出本发明一实施例提供的挡位分类模型的训练系统200，其包括有截取单元101、样本图像单元102以及训练单元103，其中：
71.截取单元101用于截取第一样本图像中的操作杆目标区域；样本图像单元102用于获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；训练单元103用于根据所述分类样本图像训练获得所述挡位分类模型。
72.参见图7，一种可选的实施方式中，样本图像单元102具体包括获取子单元121、裁剪拼接子单元122以及分类样本子单元123，其中：
73.获取子单元121用于获取若干个不同背景的所述第二样本图像；裁剪拼接子单元122用于裁剪掉所述第二样本图像上全部的所述操作杆挡位，并将所述操作杆目标区域随机拼接在一所述操作杆挡位对应的裁剪区域上；分类样本子单元123用于根据若干个所述第二样本图像分别与所述操作杆目标区域的拼接，获得与各个所述操作杆挡位挂入状态分别对应的所述分类样本图像。
74.可选的，所述训练单元103具体用于：将所述分类样本图像输入至待训练分类模型进行训练，以获得完成训练的所述挡位分类模型。
75.本发明还提供一种存储介质，用于存储如图1～图2所述设备操作杆挡位识别方法或如图3～图4所述挡位分类模型的训练方法的计算机程序。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所示设备操作杆挡位识别系统的计算机设备和一个实施例包括如图6所示挡位分类模型的训练系统的计算机设备，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。
76.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。
77.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。
78.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。
79.综上所述，本发明所述的设备操作杆挡位识别方法及挡位分类模型训练方法，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。设备操作杆挡位识别方法包括将待识别图像输入至挡位分类模型中，获得操作杆挡位的分类识别结果。据此，本发明通过截取出操作杆目标区域，并将其贴合于样本图像对应的一个操作杆挡位处，经分类获得分别对应各个操作杆挡位处的分类样本图像，利用贴合深沉的分类样本图像训练挡位分类模型，从而即可利用较少的样本训练获得较高的泛化能力；同时采用训练好的挡位分类模型实现对操作杆的挡位状态的自动识别。
80.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。
81.还提供了a1、一种设备操作杆挡位识别方法，包括步骤：
82.获取待识别图像；
83.将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果；
84.其中，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。
85.a2、根据a1所述的设备操作杆挡位识别方法，所述将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果的步骤之后还包括：
86.获取基于所述分类识别结果生成的反馈信息，并根据所述反馈信息和预设挂挡规则确定所述操作杆是否违规挂挡。
87.a3、根据a1所述的设备操作杆挡位识别方法，所述获取待识别图像的步骤具体包括：
88.提取视频监控画面中的感兴趣区域，以作为输入所述挡位分类模型的所述待识别图像。
89.a4、根据a1所述的设备操作杆挡位识别方法，所述挡位分类模型为pytorch分类模型。
90.还提供了b5、一种挡位分类模型的训练方法，包括步骤：
91.截取第一样本图像中的操作杆目标区域；
92.获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；
93.根据所述分类样本图像训练获得所述挡位分类模型。
94.b6、根据b5所述的挡位分类模型的训练方法，所述获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像的步骤具体包括：
95.获取若干个不同背景的所述第二样本图像；
96.裁剪掉所述第二样本图像上全部的所述操作杆挡位，并将所述操作杆目标区域随机拼接在一所述操作杆挡位对应的裁剪区域上；
97.根据若干个所述第二样本图像分别与所述操作杆目标区域的拼接，获得与各个所述操作杆挡位挂入状态分别对应的所述分类样本图像。
98.b7、根据b5所述的挡位分类模型的训练方法，所述根据所述分类样本图像训练获得所述挡位分类模型的步骤具体包括：
99.将所述分类样本图像输入至待训练分类模型进行训练，以获得完成训练的所述挡位分类模型。
100.还提供了c8、一种设备操作杆挡位识别系统，包括有：
101.获取单元，用于获取待识别图像；
102.识别单元，用于将所述待识别图像输入预先训练的挡位分类模型，以获得所述挡位分类模型输出的所述操作杆挂挡状态的分类识别结果；
103.其中，通过截取第一样本图像中的操作杆目标区域；获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；根据所述分类样本图像训练获得所述挡位分类模型。
104.c9、根据c8所述的设备操作杆挡位识别系统，还包括有：
105.违规确定单元，用于获取基于所述分类识别结果生成的反馈信息，并根据所述反馈信息和预设挂挡规则确定所述操作杆是否违规挂挡。
106.c10、根据c8所述的设备操作杆挡位识别系统，所述获取单元具体用于：
107.提取视频监控画面中的感兴趣区域，以作为输入所述挡位分类模型的所述待识别图像。
108.c11、根据c8所述的设备操作杆挡位识别系统，所述挡位分类模型为pytorch分类模型。
109.还提供了d12、一种挡位分类模型的训练系统，包括有：
110.截取单元，用于截取第一样本图像中的操作杆目标区域；
111.样本图像单元，用于获取若干个第二样本图像，将所述操作杆目标区域随机贴合于所述第二样本图像的一操作杆挡位处，获得与各个所述操作杆挡位挂入状态分别对应的分类样本图像；
112.训练单元，用于根据所述分类样本图像训练获得所述挡位分类模型。
113.d13、根据d12所述的挡位分类模型的训练系统，所述样本图像单元具体包括：
114.获取子单元，用于获取若干个不同背景的所述第二样本图像；
115.裁剪拼接子单元，用于裁剪掉所述第二样本图像上全部的所述操作杆挡位，并将所述操作杆目标区域随机拼接在一所述操作杆挡位对应的裁剪区域上；
116.分类样本子单元，用于根据若干个所述第二样本图像分别与所述操作杆目标区域的拼接，获得与各个所述操作杆挡位挂入状态分别对应的所述分类样本图像。
117.d14、根据d12所述的挡位分类模型的训练系统，所述训练单元具体用于：
118.将所述分类样本图像输入至待训练分类模型进行训练，以获得完成训练的所述挡位分类模型。
119.还提供了e15、一种存储介质，用于存储一种用于执行a1～a4、b5～b7中任意一种所述方法的计算机程序。
120.还提供了f16、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～a4、b5～b7任一项所述方法。