复杂场强下智能光强度测试监控系统研究与应用.pdf

测试设备/Test equipment66AutoelectricpartsNo.09,2023复杂场强下智能光强度测试监控系统研究与应用吴大用，赫兰光，赵瑜东，杨宗谕，费斯奇，刘碧（一汽-大众汽车有限公司，吉林长春130 0 11)【摘要】在对车灯类零件进行电磁兼容抗扰测试时，行业内普遍采用人工监控被测样件工作状态的方式，带来了测试异常不易识别、结果判定主观性强等问题。本文针对车灯零件光强动态区间大、光源多区域分布、工作模式复杂、造型变化多样等诸多业内面临的监控难题，提出一种智能光强度变化监控方法。利用图像识别技术，开发出适用于复杂电磁场环境下光强度变化监控系统，并有效应用于测试中对车辆灯具工作状态监控的各个场景。【关键词】图像识别；动态车灯；光色识别；电磁屏蔽中图分类号：U463.65WU Dayong,HE Languang,ZHAO Yudong,YANG Zongyu,FEI Siqi,LIU Bi(FAW-Volkswagen Automotive Co.,Ltd.,Changchun 130011,China)Abstract】A i mi n g a t ma n y mo n i t o r i n g p r o b l e ms f a c e d b y t h e i n d u s t r y,s u c h a s l a r g e d y n a mi c r a n g e o f l i g h tintensity of lamp parts,multi-regional distribution of light sources,complex working mode and various shapechanges,an intelligent light intensity change monitoring method is proposed.A light intensity change monitoringsystem suitable for complex electromagnetic field environment is developed by using image recognition technology andeffectively applied to each scene of monitoring the working state of vehicle lamps in the test.Key words image recognition;dynamic light;light color recognition;electromagnetic shielding作者简介电波暗室吴大用（19 8 7 一），男，硕士，系统集成开发工程师，在区域。由于天线的特主要从事汽车电磁兼容设计开发工作。性，前向波瓣大，功率也大，在此区域内的场强也1前言随着汽车产业飞速发展，车载电器装备技术也有了长足的进步。车辆灯光技术的广泛应用使得灯具工作状态更加智能化，灯光显示方式更加多样化，但另一方面也使车灯的电磁兼容性测试更加繁复。众所周知，车辆灯具是国家强制要求的安全件，对其保持正常工作状态的要求极为严格2，对应的电磁兼容测试等级也最高，因此车灯的电磁兼容测试不能放过任何一个微小的误差，必须全程精准捕捉全部的故障瞬间3。当前，行业内各电磁兼容实验室普遍采用人工监控的方式进行试验。长时间的工作难免有测试人员疏忽，遗漏微小不易察觉的异常，影响评价数据的客观性。行业内也产生了几种辅助监控设备或系统，如光强度检测仪、数据记录仪等，但存在着装置不能应用于电磁兼容电波暗室，不易同时监控被测灯具所有发光区域，测试数据无法保留，设备监控功能单一等局限性问题。为克服以上缺点，设计开发一种适用于复杂电磁环境下智能光强度监控系统。2测试环境及监控特征2.1整车测试环境介绍在电波暗室内，由抗扰天线发射最高140 V/m的场强，收稿日期：2 0 2 3-0 6-0 6*基金项目：一汽-大众技术开发创新项目（2 0 19 0 6)。文献标志码：A文章编号：10 0 3-8 6 39（2 0 2 3)0 9-0 0 6 6-0 4Research and Application of Intelligent Light Intensity Testing andMonitoring System Under Complex Field Intensity*天线波瓣覆盖被测车辆所越大，因此，布置的监控装置需要额外考虑电磁屏蔽性能。暗室内场强分布如图1所示。整车抗扰测试频率范围覆盖0.1MHz3GHz，在每个测试频点需持续停留1s施加电磁场干扰。2.2光强图像特征车灯具有动态转向灯功能，需要在40 0 ms内，通过顺次驱动n组LED灯珠点亮，并在另一个40 0 ms内关闭所有LED灯珠，以1.2 5Hz频率循环点亮和关闭，实现动态流水工作效果。如图2 所示。目前高端车辆内部氛围灯颜色多达30 色之多，通过LIN总线控制颜色。氛围灯分布广泛，颜色差异小，亮度低，LED灯SSegnentlSegnent2Segnent3全亮熄灭时间/00.1图2 动态转向灯工作示意图AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA天线波瓣图1暗室内场强分布0.10.2 0.20.30.30.40.40.867Test equipment/测试设备汽车电器2 0 2 3年第9 期颜色定义如图3所示。序号颜色123456789103图像模型构建及算法3.1动态监控模型由于动态转向灯是逐次被点亮的，各组LED灯在受到场强干扰时，可能出现一组或多组驱动异常，造成转向灯闪烁顺序发生变化，而采用常规的固定点监控无法精确匹配故障LED灯组位置，不能准确监控光强异常。因此，需利用智能摄像头来对动态转向灯的图像进行监控，通过绘制动态转向灯的亮度曲线，与基准亮度曲线相比较，如超出设计偏差则判定异常。动态监控模型如图4所示。LED灯组采集图片顿0点亮过程亮度2550所选摄像头可在动态转向灯工作周期8 0 0 ms内采集2 5次，对应动态转向灯不同的发光状态，获得2 5顿的采集图片。设定亮度值从0 2 55对应每张图片的亮度，并绘制出转向灯一个工作周期内的亮度曲线。通过设定偏差范围a，将基准亮度曲线与实时的亮度曲线相比较，如果超出a的范围，则判定出现异常。3.2光色监控算法常用的表征彩色模型有RGB色彩空间和HSV色彩空间。其定义见表1。表1色彩空间参数表彩色模型参数RCB模型R红色HSV模型H色调利用摄像头高速成像技术，可由硬件设备直接获得图像的RGB颜色图像数据，但RGB3种颜色分量的具体取值与所生成颜色之间的联系并不直观。而HSV值分别在色调、饱和度以及亮度3个维度上对颜色进行表示，呈现结果更贴近于人眼感知5。采用RGB三要素代表颜色的方式，因其各分量关联性不高，不适合区分相似颜色。而HSV值，则能较直观地表达颜色明暗、色调及鲜艳程度，效果最优，因此选名称序号颜色冷白11奶油12红13血橙14姜黄15琥珀16黄17柠檬18绿黄/酸橙19淡黄绿色20图3氛围灯颜色定义图400ms熄灭过程400ms图4动态监控模型G绿色S饱和度名称序号颜色名称苹果绿21绿色22绿茶23薄荷糖24薄荷25翡翠26天蓝27海蓝色/青色28蓝宝石29矢车菊30深蓝蓝莓紫色紫丁香洋红棉花糖粉龙虾珊瑚三文鱼800msT800mstB蓝色V亮度择HSV值作为采集参考值16-7 。HSV模型参数公式如下。V=max(R,G,B)max(R,G,B)-min(R,G,B)S-max(R,G,B)060(G-B)SxV2+(B-R)60 xH-4+(B-R)60 xSxV03.3图像滤波算法由于在电波暗室中受到照明光线及地板反光的影响，各类噪声会对采集图像品质造成影响，甚至出现采集图像中存在横纹阻挡关键特征信息的情况。因此，为保证图像处理效果，需对采集图片噪声进行抑制。常用的滤波算法对比如表2 所示。表2 常用滤波算法对比滤波方式适用噪声均值滤波颗粒噪声中值滤波椒盐噪声景不连续高斯滤波高斯噪声双边滤波低频高斯噪声用于平滑图像并减少噪声，保留边缘双边滤波是一种用于图像边缘保持的空间域非线性滤波方法，其利用空间域核及值域核卷积，获得双边滤波后的图像。相较于高斯滤波，双边滤波既可以做平滑处理又可较好地保留边界。其数学模型如下。F(m,n)=Zw,(i,j)ar(i,j)f(i,j)(i,jeQ)/w,(i,j)a,(i,j)(i-m)2+(ji-n)2)0.:(i,i)=exp-(20?20？式中：中心邻域内像素点的坐标集合；f(ij)-当前像素点(i,j)的像素值;f(m,n)一一中心点的像素值；F(m,n)滤波后中心点(m，n)的像素值；,和o滤波模板在（m，n)处的空间域权重和灰度域权重；,和g一空间域标准差和灰度域标准差。当max(R,G,B)#0 当max(R,G,B)=0当max(R,G,B)=R 当max(R,G,B)=GSxV当max(R,G,B)=B当max(R,G,B)=min(R,G,B)方法优缺点易引起模糊现象在复杂环境噪声下，易导致轮廓与背造成边缘模糊(2)(1)测试设备/Test equipment68AutoelectricpartsNo.09,20234系统实现4.1系统架构设计为使得所设计监控系统适合于企业所有开发的车灯，且在电磁兼容抗扰测试中良好应用，特设计系统架构，如图5所示。测试设置1图像数据采1光色异常分析1)时域结果查看集频率2)光强异常分析2）功能异常查看2）感光数据采3车灯功能分析3）测试报告集频率4)干扰影响分析3）图像识别区域设置4)光色误差设定5)光强误差设定6)标准功能设定数据采集图像数据高清摄像头图5系统架构图系统包含7 个板块层级设计，通过摄像头采集被测车灯图像数据，连同干扰数据统一集成，配合一系列的测试设置，实现采集数据的初始设置。在测试过程中，通过计算机的实时数据分析，实现灯光的光色异常分析、光强异常分析、车灯功能分析、干扰影响分析，并能以时域、功能异常的方式进行智能化的测试结果判断，并生成测试报告。系统软件流程如图6 所示。4.2关键模块设计4.2.1图像识别模块设计利用Halcon高清摄像头进行图像采集，通过OpenCV图像处理函数库，对识别区域进行划定，可覆盖任意造型零件监控需求，如图7 所示。同时采用双边滤波技术，提高图像识别率。4.2.2动态识别模块设计为了有效地获取动态转向灯工作轨迹，便于图像数据与初始采集比对，设计将摄像头采集到的动态图片转化成灰度图，并进行二值化处理，滤除掉监控区域内背景，工作流程如图8 所示。选用的高清摄像头采集图片速率为2 5张/s，由于个别帧图片的品质并不高，除去单一周期内非理想采集图片，理想的图片约为15张，因此选用至少2 个动态转向灯工作周期0口启动采集M发上用：55数据分析结果查看以太网传输干扰数据场强控制系统被测车灯被测光源是否需颜色采集是颜色采集色彩识别数据分析生成报告图6 系统软件流程图口插入记录10批发下用：触发报警：0口启动采集批发上果：批发下用：触发报警03口启动采集Canera01图7 监控区域自定义界面开始图片转为灰度图图像滤波将灰度图二值化处理图8 动态采集流程图以上作为初始采集周期。综合下来，选择10 0 帧图片的时长作为初始采集周期。实际亮度采集曲线如图9 所示。300T250200150否10015010动态采集轨迹识别1010口插入记录配置上：()10100口折入记录批发上期：轨迹获取轨迹参数比对结束识别误差2010图9动态光强采集曲线图4.3摄像头电磁屏蔽设计由于监测需要，智能监控摄像头必须布置在抗扰发射天线的波瓣范围内，因此需要保证监控摄像头承受高测试辐射场强且能正常工作。根据电磁兼容和防护理论，主要从孔缝、线缆等耦合途径入手，提高智能监控摄像头的整体电磁防护性能。首先设计监控摄像头的壳体，采用0.5mm厚铝制圆柱体外壳，其内部半径为57.5mm，长度为2 35mm。在壳体最前端的摄像头镜处，采用透光率为8 0%导电防护玻璃提高壳体屏蔽效能，导电防护玻璃半径为45mm，厚度0.2 5mm，电导率为130 0 0 0 S/m。同时，考虑壳体后部摄像头电源线的接插件处采用密封处理，保证摄像头的电磁防护效能。依据实际的测试搭建，并按照上述参数设置，通过仿真软件建立实际摄像头在复杂电磁场强下的电磁仿真模型，如图10 所示。图10实际测试搭建和摄像头电磁仿真模型图608010012069Test equipment/测试设备汽车电器2 0 2 3年第9 期设置施加电磁场强度有效值为140 V/m、频率为10 0 MHz、调制系数为0.8 的AM调制波形，得到在10 0 kHz800MHz频率范围内，调制干扰波形和摄像头壳体内部的信号场强时域波形，如图11所示。摄像头内部场强峰值为0.147 V/m，摄像头屏蔽效能为59.57 dB。调制指数为0.84002000-4000(a）A M 调制波形图图11AM调制波形和摄像头内部场强图设置施加电磁场强度有效值为140 V/m、调制频率为100MHz、调制度为0.5的PM调制波形，得到在8 0 0 MHz2GHz频率范围内，调制干扰波形和摄像头壳体内部的信号场强时域波形，如图12 所示。摄像头内部场强峰值为0.287V/m，摄像头壳体的屏蔽效能为53.7 5dB。20050%调制度0I.100-20000.20.40.60.8tx10-6（a）PM 调制波形图图12仿真波形及结果5结果验证及分析为了验证本文方法的实际应用效果，分别对动态图像检测及光色检测功能模块进行验证。通过反复调节验证光源的供电电压，模拟静态光源光强度波动。采取降低验证光源闪烁频率的方式，模拟动态光源受场强影响导致闪烁频率变化。通过交替更换被测灯具显示颜色的方式，模拟氛围灯受场强影响导致显示颜色变化。模拟验证效果如图13所示。通过多次的验证，应用结果统计见表3。表3应用结果统计识别方法正确次数失效次数静态识别率动态识别率图像识别法96(光色识别）图像识别法（动态识别）6结论基于图像识别技术的智能光强度监控系统，能够有效应用于复杂场强下电磁兼容抗扰测试，实现对灯光类零件超始点：钻束点：数影略度：0.15特证点起始位寻找失败！W0.1口新色口.地和衰(a)动态转向灯异常识别结果监控区城示康24t10-34946226,39530685920610.81163194444492345msX10-3（b）内部场强时域图0.30.20.100.220.40.60.8ms10-3（b）内部场强时域图96%94%50团采集彩像值实时热摄团报警实时值最大值最小值基准值团采集172.8118898108.82日采集184.5860840日50.2 7(b)光色异常识别结果图13模拟验证结果的光强度变化监控。实际应用表明，该系统解决了宽范围光强度场景下监控难，多区域监控耗费时间长的行业难题，填补动态转向灯图像监控技术空白。该系统具备低成本、高可靠、使用便捷的优点。相较于传统的人工监控，保证了测试结果评价客观性，同时提升测试人效。随着未来车辆灯光技术的发展，面向可投射复杂信息的车灯光强度智能监控是下一步的研究方向。参考文献：1 傅剑华，李文强，周华，等.LED技术在汽车灯具中的应用 照明工程学报，2 0 10，2 1（3)：6 4-6 9，7 5.2 凌铭，张建文，章世骏.汽车前照灯EMC研究发展现状的探讨 J.质量与标准化，2 0 13（4)：45-48.3 李祥兵，彭丽，王坦，等。智能网联时代汽车照明系统的开发 J.汽车工程师，2 0 2 0（12)：2 8-31，48.4 ALLCEIERC C.Challenges of Future，D i g i t a l A D Bsystems,Proceeding of the 6th international Forum onAutomotive Lighting(IFAL)CJ/Shanghai:IOC,2018:67-71.5周欣，刘硕迪自然交通场景中的车辆颜色识别 J计算机科学，2 0 2 1，48(S1)：15-2 0，37.6 许明文.基于无人驾驶平台的交通灯及数字检测与识别系统 D.南京：南京理工大学，2 0 17.7石美红，申亮，龙世忠，等从RGB到HSV色彩空间转换公式的修正纺织高校基础科学学报，2 0 0 8，2 1(3)：351-356.8 张雪峰，万鹏程改进的粗糙集双边滤波图像去噪算法沈阳大学学报（自然科学版），2 0 2 2，34（5)：354-362.(编辑杨凯麟）1L.85