面向变体感知的多视角摄像系统用于自动车辆检查与缺陷检测
计算机视觉与模式识别
2026-03-17 v4
摘要
确保每辆离开现代生产线的车辆都符合正确的\emph{变体}规格且无可见缺陷，是日益复杂的挑战。我们提出了\textbf{自动车辆检查 (AVI)}平台，这是一个端到端的、\emph{多视角}感知系统，将深度学习检测器与语义规则引擎耦合，实现实时的\emph{变体感知}质量控制。11个同步摄像头捕获每辆车辆的完整360{\deg}全景扫描；任务特定的视角被路由到 specialized 模块：YOLOv8 用于零件检测，EfficientNet 用于冷热动力发动机/电动车分类，Gemini-1.5 Flash 用于 mascot OCR，YOLOv8-Seg 用于划痕凹陷分割。视角感知融合层标准化证据，而 VIN 条件化规则引擎将检测到的特征与预期清单进行比较，生成约 的可解释通过/失败报告。在由原厂设备制造商(OEM)数据集组成的混合数据集中（包括四种不同车型 plus 公共划痕/凹陷图像），AVI 实现了 \textbf{93\%} 验证准确率、\textbf{86\%} 缺陷检测召回率，并维持 辆/分钟，显著超过单视角或无分割基线。据我们了解，这是首个在工业环境中部署的、统一多摄像头特征验证与缺陷检测的系统。
引用
@article{arxiv.2509.26454,
title = {Multi-View Camera System for Variant-Aware Autonomous Vehicle Inspection and Defect Detection},
author = {Yash Kulkarni and Raman Jha and Renu Kachhoria},
journal= {arXiv preprint arXiv:2509.26454},
year = {2026}
}