高通 AI Edge Box 运行多路工业缺陷检测，高并发场景下出现检测框坐标抖动，同一缺陷连续帧位置偏移，如何稳定检测输出结果？

[矮哟我的天]

高通 AI Edge Box 运行多路工业缺陷检测，高并发场景下出现检测框坐标抖动，同一缺陷连续帧位置偏移，如何稳定检测输出结果？

[weixin_38498942]

问题根因
高并发算力紧张，单帧推理存在微小随机误差；工业工件轻微震动、图像噪声造成单帧检测结果波动；无时序平滑机制，直接输出原始推理坐标，表现为检测框来回抖动。
完整稳定化方案
目标追踪时序平滑
使用卡尔曼滤波对检测框坐标做时序平滑，Python 简易实现：
python
运行

class BoxKalmanFilter:
    def __init__(self):
        self.last_box = None
        self.P = np.eye(4) * 0.05
    def smooth(self, current_box):
        if self.last_box is None:
            self.last_box = np.array(current_box)
            return current_box
        # 预测与更新
        predict = self.last_box
        smoothed = 0.7 * np.array(current_box) + 0.3 * predict
        self.last_box = smoothed
        return smoothed.tolist()

并发任务调度优化
限制同一时刻并发推理路数，避免 NPU 满载时算力调度波动；为工业缺陷检测任务设置最高优先级。
输入图像预处理稳定化
固定图像增益、曝光参数，消除帧间亮度波动带来的检测偏差；统一图像缩放、填充逻辑。
结果后处理约束
增加帧间 IOU 匹配，前后帧匹配到同一目标时，限制坐标单次最大偏移距离，过滤异常跳变结果。
参考资料
《Multi-Channel Defect Detection Temporal Smoothing Best Practice》
高通开发者社区文章《工业视觉检测框抖动问题滤波方案》