说起车展，很多人首先想到的就是那些美艳不可方物的车模们~

那说到底车模为什么会流行起来的呢？

1898年，第一则汽车广告诞生后没多久，人们发现如果把一位有吸引力的年轻女性和一辆崭新的汽车放在一起，就会疯狂吸引男性群体的眼球，从此后性感的女模特成为经销商们招揽顾客的法宝。

然而车模并不是随意搭配的，她们的形象需要恰当地表现汽车的特质，比如法拉利车模不苟言笑的神情衬托出法拉利的高贵品质；标致、雪铁龙的模特性感、活泼；日系车往往洋溢着青春、活泼气息；美系、德系车稳重而略带现代气质。

然而，在2016年的时候出现了一道晴天霹雳：

北京上海车展就宣布从此取消了车展车模的展示。

当没有了那些华丽的外在噱头，

留给制造商经销商们的

似乎只有在汽车的自身条件上狠下功夫这条路了！

在这样高强度的竞争环境下，各大厂商们不得不将生产检测的效率与精确度提升到极致。但是，人类肉眼和过去的那些视觉机器已经越来越没办法满足如今的需求了。幸好，有一款专为汽车行业设计的基于深度学习的图像分析软件应运而生了，它的名字就是——康耐视ViDi套件。

这款康耐视ViDi套件结合了类人类的智能性以及机器视觉的可靠性，非常适用于变形元件的定位、复杂外观的检测、分类以及棘手的OCR应用。它提供易于部署的界面，能够以自动化方式解决以前难以通过编程解决的检测挑战。

据小编了解，它能够轻松解决以下检测挑战，为生产检测过程提供可靠的质量保证：

1.活塞压缩环检测

挑战：

由于活塞的反光金属表面，压缩环上的缺陷很难检测出来，而且活塞的圆柱形形状在图像中的呈现有时很模糊且对焦不准。

解决方案：

基于这些图像，康耐视ViDi套件将学习活塞的自然形态和表面纹理以及划痕的正常外观。在训练阶段和验证期间，可以不断调整参数，直至训练后的模型可以正确检测并分割所有包含较长划痕的图像。

2.气缸检测

过往挑战：

气缸表面较粗糙加上景深的缘故使图像边缘周围往往显得十分模糊，这样使缺陷的检测尤其具有挑战性。

解决方案

3.焊缝检测

过往挑战：

动力系统关键部件(如活塞)的复杂表面纹理使传统的机器视觉难以检测它们的完整性，且活塞的焊缝具有高度的变化，这会导致各种异常很难被区分开来。

解决方案：

4.火花塞识别和分类

过往挑战：

火花塞细微的外观变化会给自动化检测系统带来挑战，然而制造商往往只能依靠外观检测。

解决方案：

5.安全气囊检测

过往挑战：

人工检测往往容易遗漏或难以检测出安全气囊上那些出现故障的孔洞、裂缝、裂洞、 接缝和缝合问题。由于气囊织物表面的复杂性，传统的机器视觉系统也难以通过编程来解决这些问题。

解决方案：

6.内饰件总装验证

过往挑战：

总装验证涉及的各种内饰件具有高度的复杂性，这给传统机器视觉检测带来了挑战。虽然人工检测员擅长于识别线带，但速度太慢，效率过于低下。

解决方案：

7.汽车识别码（VIN）检测

过往挑战:

汽车制造商必须能够定位和读取VIN码以实现可追溯性，然而镜面反射、油漆颜色和眩光导致传统的机器视觉系统难以定位和识别字符。

解决方案:

2019第十一届全球汽车产业峰会将汇聚1200+科研院校、整车厂及供应商参会嘉宾，3大主题全体会议，C-Level圆桌讨论，涵盖全球汽车产业发展趋势、汽车行业价值链的新情境、创新、前瞻、开放、共享的研发方案等热点话题，立即报名：