中圖分類(lèi)號(hào)：U463.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-8639（2025）07-0169-03

Innovative Application of Computer Vision Technology inAutomotiveElectrical Intelligent Inspectiol

SongBingbing，Liu Yanfang，WangSuhua，Cheng Zheng （LinzhouCollgeofArchitecural TechnologyAcademyofArtificial Intellgence，Linzhou45650o，China）

【Abstract】Automotiveelectricalinspectionisthecore link toensure thesafetyandreliabilityof thewhole vehicle， thetraditionalinspectionmethodishighlydependentonhardwareanddificulttocopewiththeevolutionof miniaturized andhigh-densityelectricalcomponents.Detectionsystem'sdynamic workingconditionadaptabilityis insuficient，multidimensional signal fusionabilityislimitedandotherissues，has becomeanimportant botleneck restricting thelanding oftheinteligent manufacturing system，and computer vision technologythrough imagetechnologyandintelligent detection，canrealize non-contact precision measurementand hidden defect identification，its spatial resolution and algorithmgeneralizationisbeterthanthe traditionalphysical inspectionmeans.Therefore，thispaperdiscusssthekey technologies of automated detection，deep learning and self-adaptationof electricalcomponents，withaviewto promoting theevolutionof automotive electricalquality inspection system in thedirectionof intelligence and interpretability.

【Keywords】 vision technology；automotive electrical appliances；intelligent detection

汽車(chē)產(chǎn)業(yè)智能化與電動(dòng)化進(jìn)程的加速迭代，推動(dòng)電氣系統(tǒng)向集成化、高密度化方向持續(xù)演進(jìn)。伴隨車(chē)載電器組件在物理尺度、材料構(gòu)成及工況復(fù)雜度的指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)接觸式檢測(cè)方法在效率、精度及安全性方面的局限性愈加顯著。而計(jì)算機(jī)視覺(jué)技術(shù)作為非接觸式定量分析的主要載體，其與光電傳感、人工智能的深度融合，正在重塑汽車(chē)電器質(zhì)量檢測(cè)的技術(shù)模式。

1計(jì)算機(jī)視覺(jué)技術(shù)的基礎(chǔ)理論

1.1 視覺(jué)技術(shù)概述

計(jì)算機(jī)視覺(jué)是使用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺(jué)的模擬，其主要任務(wù)是通過(guò)對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，具體如圖1所示。在汽車(chē)電器檢測(cè)中，成像環(huán)節(jié)需結(jié)合被測(cè)對(duì)象的材料特性進(jìn)行光路優(yōu)化設(shè)計(jì)，如采用環(huán)形偏振光源抑制電鍍件表面鏡面反射，并通過(guò)景深擴(kuò)展算法提升多平面組件的全域?qū)咕?。高?dòng)態(tài)范圍成像（HighDynamicRangeImaging，HDR）通過(guò)曝光時(shí)間與增益參數(shù)的動(dòng)態(tài)協(xié)同，在單幀圖像中融合多亮度層信息，解決了繼電器觸點(diǎn)微裂紋與氧化層灰度值疊加導(dǎo)致的誤判問(wèn)題。數(shù)據(jù)處理層則運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）對(duì)圖像紋理進(jìn)行多尺度感知，結(jié)合生成對(duì)抗網(wǎng)絡(luò)（GenerativeAdversarialNetworks，GAN）增強(qiáng)小樣本缺陷特征的表達(dá)能力。此技術(shù)突破了傳統(tǒng)邊緣檢測(cè)算子的局限，在處理非均勻光照下的線束端子形變時(shí)，可實(shí)現(xiàn)亞像素級(jí)邊緣定位精度。

1.2汽車(chē)電器系統(tǒng)的特點(diǎn)與檢測(cè)需求

光源優(yōu)化 環(huán)形偏振光控反射 圖像采集 HDR多曝光融 CNN多尺度特征提 GAN數(shù)據(jù)增 亞像素邊緣定位 硬件算法參數(shù)校準(zhǔn)合 強(qiáng)取

汽車(chē)電器系統(tǒng)的組件物理尺度涵蓋毫米級(jí)微動(dòng)繼電器至米級(jí)高壓線束，材料特性涉及金屬導(dǎo)體、絕緣聚合物及高分子復(fù)合材料的光學(xué)響應(yīng)差異。檢測(cè)需求需實(shí)現(xiàn)表面形貌分析，還需穿透封裝層解析內(nèi)部結(jié)構(gòu)狀態(tài)。X射線背光成像通過(guò)不同材質(zhì)對(duì)光子能量的吸收率差異，重構(gòu)印刷電路板（PrintedCircuitBoard，PCB）內(nèi)部通路的拓?fù)浣Y(jié)構(gòu)，但其分辨率受限于焦斑尺寸與探測(cè)器像素密度的耦合關(guān)系。在功能安全層面，瞬態(tài)工況下的電氣參數(shù)與物理形變存在強(qiáng)耦合性，如車(chē)載充電機(jī)（On-BoardCharger，OBC）散熱基板的熱膨脹易導(dǎo)致功率器件連接點(diǎn)的機(jī)械應(yīng)力集中。動(dòng)態(tài)檢測(cè)需解決運(yùn)動(dòng)模糊與數(shù)據(jù)采樣的時(shí)序同步問(wèn)題，基于全局快門(mén)傳感器的幀曝光機(jī)制結(jié)合卡爾曼濾波預(yù)測(cè)算法，可在發(fā)動(dòng)機(jī)艙振動(dòng)環(huán)境下穩(wěn)定追蹤線束接插件的位移軌跡。系統(tǒng)集成還需兼容電磁兼容EMC約束，如通過(guò)光纖傳輸替代傳統(tǒng)同軸電纜，規(guī)避逆變器高頻開(kāi)關(guān)噪聲對(duì)圖像信號(hào)的干擾2]。

1.3圖像處理技術(shù)在電器智能檢測(cè)中的適應(yīng)性分析

圖像處理算法的適配性建立在物理場(chǎng)景與計(jì)算模型的強(qiáng)關(guān)聯(lián)上，具體如圖2所示。預(yù)處理階段采用雙邊濾波結(jié)合圖像增強(qiáng)算法，在保留邊緣清晰度的同時(shí)修正光照梯度畸變。特征提取層引入注意力機(jī)制，針對(duì)連接器插針陣列的周期性特征，通過(guò)空域掩膜抑制背景干擾，強(qiáng)化目標(biāo)區(qū)域的梯度響應(yīng)。如在評(píng)估電子控制單元ECU焊點(diǎn)品質(zhì)時(shí)，運(yùn)用短時(shí)傅里葉變換（Short-time Fourier Transform，STFT）在時(shí)頻聯(lián)合域中定位虛焊導(dǎo)致的能量泄漏區(qū)域，其檢測(cè)靈敏度可較傳統(tǒng)時(shí)域分析方法提升。算法魯棒性?xún)?yōu)化需同步考慮材料老化對(duì)圖像特征的影響，如基于遷移學(xué)習(xí)的域適應(yīng)技術(shù)可解決新舊線束氧化層紋理差異導(dǎo)致的模型泛化性下降。多模態(tài)數(shù)據(jù)融合則擴(kuò)展了檢測(cè)維度，如將熱紅外圖像的溫升熱點(diǎn)與可見(jiàn)光圖像的幾何特征進(jìn)行像素級(jí)配準(zhǔn)，可精確定位繼電器觸點(diǎn)的電弧燒蝕區(qū)域，揭示傳統(tǒng)單模態(tài)檢測(cè)難以捕捉的隱性關(guān)聯(lián)特征。

2計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用

2.1 電器組件自動(dòng)化檢測(cè)

計(jì)算機(jī)視覺(jué)技術(shù)為汽車(chē)電器組件的自動(dòng)化檢測(cè)提供了全流程解決方案。系統(tǒng)通過(guò)高精度視覺(jué)引導(dǎo)實(shí)現(xiàn)組件定位與裝配驗(yàn)證，利用多視角成像融合技術(shù)，在復(fù)雜裝配環(huán)境中構(gòu)建三維空間坐標(biāo)體系，結(jié)合表面反射特性分析算法，抑制金屬嵌件鏡面反射對(duì)定位精度的干擾，實(shí)現(xiàn)亞像素級(jí)坐標(biāo)定位修正。針對(duì)表面缺陷檢測(cè)，可采用非接觸式掃描技術(shù)捕捉組件紋理特性的細(xì)微變化，部署分層卷積架構(gòu)在圖像預(yù)處理階段分離背景噪聲與真實(shí)缺陷特征，通過(guò)多層特征融合模型區(qū)分功能性缺陷與工藝性劃痕。系統(tǒng)內(nèi)置的自適應(yīng)學(xué)習(xí)機(jī)制融合生產(chǎn)環(huán)境參數(shù)波動(dòng)特征，動(dòng)態(tài)更新缺陷判定閾值，如在接觸點(diǎn)氧化層檢測(cè)中，結(jié)合多光譜成像與反射率差值分析，建立氧化產(chǎn)物的動(dòng)態(tài)識(shí)別框架。該技術(shù)路徑實(shí)現(xiàn)了從單點(diǎn)檢測(cè)到全鏈路閉環(huán)控制的跨越，通過(guò)機(jī)器視覺(jué)與機(jī)械傳動(dòng)系統(tǒng)的時(shí)空同步控制，滿足復(fù)雜電器組件的批量化、標(biāo)準(zhǔn)化檢測(cè)需求[3]。

2.2故障診斷與異常檢測(cè)

基于視覺(jué)的故障診斷技術(shù)聚焦于電器系統(tǒng)的隱性缺陷捕捉與退化規(guī)律提取。通過(guò)時(shí)序圖像序列分析構(gòu)建動(dòng)態(tài)特征圖譜，在繼電器觸點(diǎn)工作狀態(tài)監(jiān)測(cè)中建立多維運(yùn)動(dòng)軌跡模型，解析接觸彈片開(kāi)閉過(guò)程的空間位移矢量場(chǎng)，捕捉微觀振動(dòng)導(dǎo)致的非對(duì)稱(chēng)性頻率特征。增強(qiáng)型光流場(chǎng)分析算法強(qiáng)化熱變形可視化，通過(guò)熱輻射信號(hào)的灰度梯度重建轉(zhuǎn)化溫度場(chǎng)分布，建立結(jié)構(gòu)應(yīng)力變化的空間微分映射關(guān)系。在異常檢測(cè)層面，采用多源信息耦合的決策框架，正常狀態(tài)樣本通過(guò)自編碼器網(wǎng)絡(luò)學(xué)習(xí)特征分布規(guī)律，故障模式則通過(guò)對(duì)抗訓(xùn)練形成的超平面邊界完成異常分離。基于特征空間能量閾值的動(dòng)態(tài)評(píng)估模型可識(shí)別如線束絕緣層碳化等漸變型失效問(wèn)題，通過(guò)對(duì)比歷史數(shù)據(jù)中的特征漂移量，結(jié)合馬爾可夫鏈預(yù)測(cè)模型，實(shí)現(xiàn)退化趨勢(shì)的概率性預(yù)警4。

2.3精度與實(shí)時(shí)性?xún)?yōu)化

檢測(cè)系統(tǒng)的工程落地需平衡精度提升與計(jì)算效率的沖突矛盾。在算法架構(gòu)層面采用級(jí)聯(lián)式處理策略，通過(guò)空間分級(jí)采樣技術(shù)降低基礎(chǔ)運(yùn)算量，前端粗篩模塊部署輕量化網(wǎng)絡(luò)完成組件的快速定位與分類(lèi)，后端精細(xì)化分析模塊采用空域注意力機(jī)制鎖定可疑區(qū)域，結(jié)合微分幾何方法執(zhí)行亞像素級(jí)輪廓測(cè)量，使處理幀率嚴(yán)格匹配產(chǎn)線實(shí)時(shí)節(jié)拍。而針對(duì)非均勻光照挑戰(zhàn)，可開(kāi)發(fā)環(huán)境自適應(yīng)的動(dòng)態(tài)補(bǔ)償模型，在圖像采集階段同步獲取場(chǎng)景光譜特征數(shù)據(jù)，通過(guò)驅(qū)動(dòng)環(huán)形光源陣列的PWM調(diào)制實(shí)現(xiàn)光強(qiáng)調(diào)諧閉環(huán)控制，構(gòu)建高魯棒性的光學(xué)成像基底，見(jiàn)表1。

3計(jì)算機(jī)視覺(jué)技術(shù)的創(chuàng)新發(fā)展

3.1深度學(xué)習(xí)與增強(qiáng)現(xiàn)實(shí)的結(jié)合

計(jì)算機(jī)視覺(jué)技術(shù)在汽車(chē)電器檢測(cè)中的創(chuàng)新突破，在于深度學(xué)習(xí)和增強(qiáng)現(xiàn)實(shí)AR技術(shù)的深度融合。傳統(tǒng)檢測(cè)主要依賴(lài)二維圖像特征提取，而該技術(shù)路徑通過(guò)三維空間映射與動(dòng)態(tài)信息疊加，實(shí)現(xiàn)了檢測(cè)過(guò)程的可視化升級(jí)。深度學(xué)習(xí)模型對(duì)高維度數(shù)據(jù)的內(nèi)在規(guī)律進(jìn)行解析，構(gòu)建電器組件的多層次特征表達(dá)，如對(duì)連接器插針的形變或觸點(diǎn)氧化痕跡的辨識(shí)，能夠?qū)崿F(xiàn)亞表面缺陷的跨模態(tài)預(yù)測(cè)。同時(shí)，AR技術(shù)將抽象的數(shù)據(jù)模型轉(zhuǎn)化為可交互的立體投影，通過(guò)光學(xué)透視設(shè)備直接將檢測(cè)結(jié)果、操作規(guī)范等虛擬信息與實(shí)物組件精確對(duì)齊。二者的結(jié)合重塑了人機(jī)協(xié)作模式，在設(shè)備裝配環(huán)節(jié)，工人可通過(guò)AR眼鏡實(shí)時(shí)接收深度學(xué)習(xí)系統(tǒng)的指令提示，虛擬箭頭精準(zhǔn)投射至待調(diào)整區(qū)域，誤差修正步驟以動(dòng)畫(huà)形式直觀展現(xiàn)。在維修診斷場(chǎng)景中，系統(tǒng)自動(dòng)標(biāo)識(shí)故障組件的熱區(qū)分布，并動(dòng)態(tài)疊加電流路徑仿真效果，使隱性電氣問(wèn)題視覺(jué)化呈現(xiàn)。

3.2 自適應(yīng)與智能化檢測(cè)系統(tǒng)的構(gòu)建

基于環(huán)境感知與動(dòng)態(tài)優(yōu)化的自適應(yīng)檢測(cè)架構(gòu)，正在成為汽車(chē)電器質(zhì)量管控的核心技術(shù)框架。該系統(tǒng)主要在于構(gòu)建從數(shù)據(jù)采集到執(zhí)行決策的完整閉環(huán)，如圖3所示，通過(guò)實(shí)時(shí)狀態(tài)監(jiān)控實(shí)現(xiàn)檢測(cè)參數(shù)的自主調(diào)優(yōu)。針對(duì)汽車(chē)電器組件多品種、小批量的生產(chǎn)特點(diǎn)，系統(tǒng)內(nèi)置的拓?fù)渥R(shí)別引擎可對(duì)新型號(hào)組件的結(jié)構(gòu)特征進(jìn)行快速建模，結(jié)合形態(tài)學(xué)梯度分析算法，將特征匹配時(shí)間壓縮至產(chǎn)線節(jié)拍要求范圍內(nèi)。在光學(xué)檢測(cè)模塊中，自適應(yīng)光源控制模塊根據(jù)組件表面材質(zhì)動(dòng)態(tài)調(diào)節(jié)入射角度與光強(qiáng)分布，克服金屬部件反光或塑料殼體透光不均勻等干擾。另外，系統(tǒng)的智能化體現(xiàn)在異常工況的主動(dòng)應(yīng)對(duì)能力。當(dāng)檢測(cè)到裝配夾具位置偏移或環(huán)境溫濕度超標(biāo)時(shí)，自主補(bǔ)償機(jī)制立即啟動(dòng)，通過(guò)空間坐標(biāo)系的非線性變換修正定位基準(zhǔn)，并調(diào)用抗干擾特征提取算法增強(qiáng)圖像信噪比。

3.35G與物聯(lián)網(wǎng)技術(shù)的協(xié)同應(yīng)用

5G通信與物聯(lián)網(wǎng)技術(shù)的導(dǎo)人，為汽車(chē)電器檢測(cè)體系提供了全域協(xié)同的分布式架構(gòu)。通過(guò)高速率、低延遲的網(wǎng)絡(luò)傳輸，檢測(cè)終端與云端計(jì)算資源形成緊密聯(lián)動(dòng)。邊緣側(cè)設(shè)備聚焦于實(shí)時(shí)性要求高的基礎(chǔ)任務(wù)，如圖像預(yù)處理與關(guān)鍵尺寸測(cè)量；而云端依托強(qiáng)大算力執(zhí)行缺陷庫(kù)的全局比對(duì)、深度神經(jīng)網(wǎng)絡(luò)推理等高負(fù)載任務(wù)。這種算力分配的優(yōu)化模式，使得便攜式檢測(cè)終端的部署成為可能，現(xiàn)場(chǎng)工程師僅需手持設(shè)備掃描組件，即可在1s內(nèi)獲取云端下發(fā)的三維缺陷分析報(bào)告。物聯(lián)網(wǎng)賦能的更大價(jià)值在于全鏈路數(shù)據(jù)的融通。產(chǎn)線攝像頭、檢測(cè)儀器與物流系統(tǒng)的狀態(tài)信息被整合至統(tǒng)一平臺(tái)，構(gòu)建電器組件的全生命周期數(shù)字檔案，如某批次繼電器在裝配階段的應(yīng)力分布數(shù)據(jù)，可與后期路試的故障記錄進(jìn)行跨階段關(guān)聯(lián)分析，從而定位工藝瓶頸。

4結(jié)論

本文明確了計(jì)算機(jī)視覺(jué)技術(shù)在汽車(chē)電器智能檢測(cè)領(lǐng)域的創(chuàng)新路徑，即通過(guò)深度學(xué)習(xí)與AR的深度融合重構(gòu)人機(jī)交互范式，基于自適應(yīng)架構(gòu)實(shí)現(xiàn)檢測(cè)系統(tǒng)的動(dòng)態(tài)調(diào)優(yōu)能力，利用5G與物聯(lián)網(wǎng)技術(shù)構(gòu)建協(xié)同化檢測(cè)網(wǎng)絡(luò)。因此，汽車(chē)電器的智能檢測(cè)應(yīng)聚焦跨技術(shù)領(lǐng)域深度融合，AR與數(shù)字孿生的數(shù)據(jù)映射優(yōu)化、邊緣計(jì)算負(fù)載的動(dòng)態(tài)平衡策略以及多源異構(gòu)數(shù)據(jù)的統(tǒng)一表征模型構(gòu)建，以期形成可復(fù)用的標(biāo)準(zhǔn)技術(shù)框架，最終為汽車(chē)電器制造向數(shù)字化、網(wǎng)絡(luò)化、智能化升級(jí)提供底層支撐。

注：本文為2025年度省哲學(xué)社會(huì)科學(xué)教育強(qiáng)省研究指導(dǎo)性項(xiàng)目“高職學(xué)生關(guān)鍵能力培養(yǎng)的企業(yè)訂單班模式研究——基于校企卓越工程師項(xiàng)目”（項(xiàng)目編號(hào)：2025TYQS0830）的研究成果。

參考文獻(xiàn)

[1]周夢(mèng)晨，周華帥.智能診斷技術(shù)在新能源汽車(chē)檢測(cè)與維修中的應(yīng)用[J].汽車(chē)測(cè)試報(bào)告，2025（4）：28-30.

[2]鮑迎春.新能源汽車(chē)動(dòng)力系統(tǒng)故障診斷與維修技術(shù)研究[J].汽車(chē)維修技師，2025（4）：26-27.

[3]李萬(wàn)熙.智能診斷技術(shù)在新能源汽車(chē)檢測(cè)與維修中的應(yīng)用[J].汽車(chē)測(cè)試報(bào)告，2025（3）：46-48.

[4]付世祥，姚彬.汽車(chē)電子控制系統(tǒng)故障智能檢測(cè)技術(shù)探析[J].汽車(chē)測(cè)試報(bào)告，2025（1）：28-30.

[5]姚可霞.智能網(wǎng)聯(lián)汽車(chē)維修技術(shù)的挑戰(zhàn)與機(jī)遇[J].汽車(chē)維護(hù)與修理，2024（24）：76-77.

（編輯楊凱麟）

作者簡(jiǎn)介：宋冰冰（1988—），女，助教，研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù)；劉艷芳（1989—），女，碩士，助教，研究方向?yàn)榻逃畔⒒?、職業(yè)教育與產(chǎn)教融合；王素花（1987—），女，助教，研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù)；程錚（1989—），男，工程師，研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù)。