在汽车生产线上需要搭建车身检查系统进行制造质量、装配情况的把关，通过多枚相机从多视角获得车辆外观的全部信息，以检测车身缺陷与校对配置情况。相比于人工视察或传统机器视觉方法效率低、准确性差，本项目建立了一套基于视觉技术的完整实现自动化的汽车检测系统，可实时准确检测出车身缺陷、对实际配置情况与合格证记录信息进行核查，具有效率高、准确性好等优点。

本项目主要探究车身缺陷检测、配置检测的相关技术，其中配置内容需要结合车辆合格证信息。对车身缺陷检测模块，需要快速、准确得到车身照片中可能存在的缺陷位置和类型，并经过视觉算法得到缺陷的大小、尺寸等信息；对配置检测模块，需要通过目标检测模型完成对车辆个性化外观配置零件的自动识别；对汽车合格证图片，需要进行缺陷检测、字符识别，得到相关信息与检测得配置进行校对，检查记录与实际的一致性。最后进行各功能的联合。

本项目使用多视角图像、深度学习模型和视觉相关技术，实现了三个自动化检测功能：

1. 车身缺陷检测：使用YOLOv7检测车身缺陷。

2. 车辆配置检测：使用YOLOv5检测车辆配置。

3. 合格证缺陷检测、字符识别及配置校对：结合使用形态学和深度学习方法检测合格证常见缺陷，识别出文字信息并与配置检测结果校对。

    通过这三个功能的联合运作，可对整车出具包括车身缺陷检测、装配一致性检查在内的检验结果，提高了汽车生产的质量和效率。