基于深度学习的视觉检测系统，能够自动检测租赁车辆的受损情况，提升车辆缺陷检测的精准度和速度。

图 1：UVeye 的租车检测系统，利用 20 多个摄像头和人工智能软件对租赁车辆进行检测。（图片来源：UVeye）

最近，美国Herz公司在其位于佐治亚州亚特兰大哈茨菲尔德机场的设施中，部署了一套自动化人工智能（AI）视觉检测系统，用于识别租赁车辆的缺陷、故障和问题。

直到最近，租赁车辆的检测仍然完全由人工完成：技术人员或评估员会手持检测工具围绕着车俩进行检查，主要通过肉眼查看车辆是否存在损伤、轮胎磨损或底盘问题。这种方式不仅耗时（每辆车大约需要7~20min），而且还存在检测不一致和易出错等问题。

以色列UVeye 公司成立于 2016 年，是一家专注于汽车检测系统的计算机视觉企业。他们为Herz公司部署的是一套Drive-through（驾车通过式）型UVeye检测系统，其利用摄像头和人工智能软件对租赁车辆进行自动外观检测。

图 2：车辆通过检测站。（图片来源：UVeye）

检测工作流程

对于整个检测流程的实现，UVeye公司市场总监Yaron Saghiv介绍说：“当车辆驾入UVeye 检测系统后，系统会启动闪光灯和 20 多个高速、高分辨率、且经过AI赋能的摄像头，这些摄像头均经过巧妙地部署安装到合适的位置，以便能够扫描车辆的轮胎、底盘和外观，并且能够在不同的光线和环境条件下，精准地捕捉到细节图像。这确保了车辆在缓慢通过检测站时，能够完成 360°的全方位成像。”

随后，将这些摄像头捕捉到的图像传输到云端服务器，在这里UVeye 的AI软件会实时处理这些图像。系统设计将确保数据传输安全高效，具体配置可能会因为部署场景的不同而略有变化。图像由 UVeye 的深度学习模型处理，该模型由数百万辆车辆的数据训练而成，可以检测轮胎磨损、泄漏、锈蚀或其他外观损伤。

“UVeye检测系统中使用的所有核心软件，都是由 UVeye 的工程和AI团队内部自主研发的。”Yaron Saghiv介绍说，“该检测系统中融合了计算机视觉、深度学习和诊断逻辑，专为汽车应用而设计，并且基于数百万辆车辆的数据训练而成，使得UVeye检测系统能够自动检测、分类并标记异常情况，如轮胎磨损、凹陷、锈蚀和泄漏。”

深度学习模型完成图像的处理和分析后，会将结果会发送至一个显示面板，经销商或车队工作人员可以快速在显示面板上查看结果。每辆车的检测结果，都会附带状态报告、扫描图像和时间戳。根据具体情况，这些数据可用于生成评估报价、支持车辆翻新、记录保险索赔，或向客户发送自动检测报告。系统还会随着时间的积累给出一些有价值的洞见，例如识别重复出现的损伤模式或确定高效的服务通道。

克服的挑战

Yaron Saghiv表示，该项目面临的最大挑战之一是确保系统在各种条件下都能可靠运行，无论是下雪、下雨、多尘还是光线不足。UVeye 通过使用防水硬件、专有照明系统以及现场团队的严谨工作解决了这一问题；现场团队会走访每个站点，仔细分析环境因素并规划精确布局，确保设备最优放置。

另一项挑战是与现有工作流程的集成，这需要 UVeye 与合作伙伴团队密切协作，他们开发了定制的 API用于将UVeye检测系统整合到客户的工作场景中，以确保该检测系统在每个站点的顺利部署。

部署收益与未来计划

UVeye 检测系统能够识别 96% 的车辆缺陷，相比之下，人工检测仅能识别 24%的缺陷。通过部署UVeye 检测系统，客户获得的最大收益是：实现了更快、更流畅的检测体验，包括更快的服务登记、更透明的折旧评估等。

UVeye 检测系统执行的每次扫描都带有时间戳、照片记录且标准一致，消除了流程中的猜测成分。在服务通道，这套检测系统的部署缩短了等待时间，并为客户提供车辆状态的清晰视觉记录。

“未来我们会继续将UVeye检测系统推广到更多的应用场景中。”Yaron Saghiv表示，“目前，UVeye 系统正在北美和欧洲广泛应用，具体使用场景包括经销商检测、租赁车辆的还车和取车环节等。多家领先的汽车品牌正与 UVeye 合作，在其网络中标准化这些检测通道，确保无论客户身在何处，都能获得同样快速、透明和可信的服务。”