新能源汽车零部件发展现状与检测方法研究

向浦江　周军勇　程明辉　陈和荣

摘 要：新能源汽车零部件的发展存在对核心技术掌握不足与生产投入不高的问题，导致生产的零部件质量不佳，容易产生一定缺陷，为此，本文结合新能源汽车零部件发展现状，研究零部件缺陷检测方法。首先，分析新能源汽车零部件发展现状，通过滤波处理去除零部件图像噪声，获得平滑的汽车零部件图像；其次，利用阈值分割法分离图像中零部件部分与背景部分；然后，采用canny边缘检测方法提取零部件图像边缘特征；最后，利用形状模板匹配法檢测并提取零部件的缺陷位置。在实验论证中，将传统检测方法作为实验对比，设计的方法展示出了很好的检测效果，其对汽车零部件缺陷检测的全类别准确率均达到了90%以上，远远高于传统检测方法。由此可以证明，设计的零部件缺陷检测方法可行有效，能够较准确地检测出零部件的缺陷，该方法在实际应用中具有一定的实用性。

关键词：新能源 汽车 零部件 发展现状 检测方法

1 引言

近年来，新能源汽车的发展速度日新月异，且随着绿色出行的号召的逐渐落实，新能源汽车在不同种类的汽车制造产业中的占比也发生了翻天覆地的变化。同时，汽车零部件产业的规模也不断扩大，汽车零部件相关企业也愈来愈多，汽车零部件作为汽车行业的前端产业链，其发展态势直接影响到汽车行业的发展趋势[1]。零部件产品，种类繁多，在飞速发展过程中，其问题也逐渐凸显出来，例如在生产技术方面没有创新，对核心技术的掌握不够充分，对硬件水平的投入不足等，这些因素都制约了零部件行业的发展，因此，生产出的汽车零部件质量不佳，没有保证，较多地出现零部件有缺陷的情况。

因此，本文结合新能源汽车零部件的发展现状，基于零部件生产的实际问题，对零部件缺陷检测方法进行了设计研究，通过对零部件的一系列处理，得到平滑且只包含零部件信息的灰度图像，利用模板匹配方法实现了缺陷检测并提取出了缺陷位置，采用实验论证的方式，证明了本文设计的零部件缺陷检测方法具有可行性与有效性，可以应用于汽车零部件缺陷检测领域。

2 新能源汽车零部件发展现状

为了提倡绿色出行，缓解由于汽车尾气排放带来的环境污染问题，新能源汽车行业顺应时势快速发展，而随着新能源汽车的相继问世，新能源汽车零部件的产业实力也在不断提升。汽车零部件质量的高低直接影响到汽车性能的优劣，只有基于质量过关的零部件，才能保证汽车能够安全稳定行驶。但是目前，新能源汽车零部件行业的发展存在着隐忧。本文将从汽车逐渐自动化这一趋势入手，分析新能源汽车零部件这一新兴行业的发展现状。

逐步形成自身的创新体系，但无法全面掌控生产零部件的核心技术。汽车科技主要包括智能化、电动化和模块化，而对汽车零部件的要求就要更高，不仅具有汽车科技的优势，还要向集成化、电控化、系统化以及轻量化发展，而这些功能都离不开核心技术的支持[2]。自从汽车科技革命以来，新能源汽车零部件行业的生产方式、营销模式、产业形态都产生了很大的变化，各相关行业均逐渐形成了一套适合自身的创新体系，但在核心技术方面上，各行业在汽车零部件领域对关键技术掌控得还不够充足。对零部件核心技术掌握不足，容易导致生产出的零部件具有表面有缺陷或者内部性能较差，也就不能供汽车使用。据公开资料表明，近年来，外资、合资等汽车零部件供应商在市场中的占有率一直久居不下，可见当前新能源汽车零部件在技术创新能力上的差距。

硬件水平投入不足。在2014年的国家级企业技术中心评定中，通过评定的关于新能源汽车零部件的企业少之又少，其中上市的汽车零部件企业在研发生产中投入的资金在主营业务收入中的占比仅为3.88%，研发资金投入占比超过5%的仅有17家，由此可以看出，新能源汽车零部件行业在硬件方面的投入水平比较低下，无法很好地匹配整车产能分布，导致产业布局形成的不够完善，若不能保证零部件与整车产业规模之间的产值一致或远超过整车产值，则就不能总体提升新能源汽车零部件行业的实力[3]。只有不断加大硬件水平投入力度，提高研发设计能力，带动系统其他技术的进步，依托整车未来发展趋势，建立并不断完善零部件研发与生产流程，持续输出优质新能源汽车零部件，掌握零部件材料开发与试制技术，向“专业化生产”的方向发展，追求质量，使得零部件的功能与性能与整车高度匹配、集成，同时在生产过程中，要对零部件的性能进行检测，不断优化零部件的质量。

通过分析新能源汽车零部件的发展现状，明确当前新能源汽车零部件在掌握生产核心技术和硬件水平投入等方面的不足，进而导致生产出的零部件质量不佳，容易出现缺陷等情况，结合以上实际问题，提出设计新能源汽车零部件缺陷检测方法，为支撑零部件产业可持续发展提供可靠保障。

3 零部件缺陷检测方法设计

本文利用零部件表面的缺陷特征和频率特性，借助滤波器和相关算子算法，对零部件缺陷进行检测。

首先通过专业设备获取零部件图像，经过预处理零部件的彩色图像，对图像灰度化处理，其次对图像中的噪声进行滤除，从而得到较为平滑的图像，基于上述操作，将图像中零部件部分与背景部分分离，提取图像边缘，最终定位缺陷位置，进而实现对零部件缺陷的检测。

3.1 滤除零部件图像噪声

对零部件缺陷检测的重要前提是获取零部件的图像，本研究利用2592*1944的工业相机对车身零部件进行拍摄，从而获取到完整的汽车零部件图像，该相机具有较高的分辨率，可保证获得的图像拥有较强的解像度，其输出的图像是一个三色位图，因此，为零部件表面面积较小的缺陷检测提供了保障。

通过工业相机所得到的图像往往包含了外界噪声、信号干扰等多种对检测工作无用的信息，所以，为了快速检测出零部件表面的缺陷，精准定位缺陷位置，需要对零部件图像进行噪声滤除[4]。在进行图像噪声滤除操作之前，需要将图像灰度化，以获得满意颜色信息的图像。

图像灰度化。利用相机获取到的零部件图像是一个三色位图，即具有红色、绿色和蓝色三个颜色通道。由于本文利用的是高分辨率的工业相机获取的零部件图像，若分别处理三个通道的颜色信息，则工作量会很大，耗时耗力，因此，在此研究中将彩度信息与灰度信息进行交互变换，即将图像原本具有的三个通道颜色信息转换为只具有一个灰度信息的通道，以简化图像的颜色矩阵复杂度，提高运算速度。彩度信息与灰度信息转换的公式如下：

Y=0.299R+0.587G+0.114B （1）

上式中，R，G，B分别表示红色、绿色和蓝色颜色通道，其前面的数值分别代表人眼对于这三种颜色的感知系数。通过彩度与灰度变换，可以得到一幅仅带有亮度信息的灰度图像，其中灰度分布的范围为0～255。

根据上述转换获取到的灰度图像，进行噪声滤除操作。通常情况下，由于设备或外界干扰，图像中会存在椒盐噪声和高斯噪聲。椒盐噪声的像素点在图像中呈散乱状分布，随机出现在图像中的像素点，而且所有噪点的幅度值都是相同的；高斯噪声在图像中的分布是有规律可循的，几乎图像中所有的像素点上都会出现，且其幅度值是随机变化的，分布呈正态分布，即均值为0。本文中考虑到椒盐噪声和高斯噪声的存在及变化特点，最终采用滤波效果优异、对图像信息破坏较小的中值滤波器进行图像噪声的滤除。取滤波器5*5像素模板，将该模板遍历图像，当模板每次覆盖到图像中5*5像素范围时，将该范围内全部像素点的平均值赋予到中心点，作为其新的像素值。其计算公式如下：

（2）

上式中，g（x，y）表示中值滤波输出；（x，y）表示坐标为（x，y）位置处的像素点；M表示像素点区域；N表示M中像素点的数量；f（x，y）表示中值滤波输入。

通过中值滤波器实现对图像噪声的滤除，在最大限度上滤除了图像噪声的同时，还保证了图像信息的完整性，为接下来图像背景分割提供了基础。

3.2 图像背景分割

通过上述转换与计算，本文获取到了已经滤除噪声的灰度图像，对于该图像，汽车零部件所包含的所有像素点是有用的信息，而对于图像的背景部分，会对零部件的缺陷检测造成干扰，因此，我们需要将图像中零部件部分与背景部分进行分割，从而提取出零部件图像，以便于后续提取图像边缘[5]。考虑到对需要的零部件部分没有较大损伤。因此，本文采用灰度阈值分割法将目标区域与背景分离。计算灰度阈值的公式如下：

（3）

上式中，R表示图像的灰度阈值；Gx表示图像x方向的灰度矩阵；Gy表示图像y方向的灰度矩阵。

阈值R可以将图像中的像素点划分为两类，即主要像素点和次要像素点，主要像素点就是零部件包含的像素点，也就是需要保留的部分。根据如下公式判断像素点类别：

（4）

上式中，（x，y）表示零部件图像中坐标为（x，y）的像素点；f（x，y）表示该像素点的灰度值，其取值范围为[0，255]；R表示零部件图像的灰度阈值。

根据上述公式可得，目标区域即所需要的零部件部分像素点的灰度值大于等于灰度阈值，背景部分像素点的灰度值小于灰度阈值。至此，可以准确地将零部件部分与背景部分分割开来，利于接下来对零部件图像的边缘提取操作。

3.3 零部件图像边缘提取

本文中采用canny边缘检测算子对零部件图像的边缘进行检测提取。零部件图像在经过中值滤波除燥后，得到一幅较为平滑的灰度图像，该算法通过计算图像灰度值的峰值和延伸方向，根据角度在峰值区域将图像像素点灰度值最大值进行局部抑制极大值，其中忽略掉边缘方向，之后利用双阈值计算检测连接的边缘，从而实现零部件图像边缘的提取。

首先利用高斯滤波分割图像，然后运用一阶有限差分计算图像的偏导数阵列，计算公式如下：

（5）

上式中，Gx和Gy表示经过分割后的图像；f（x，y）表示原始图像。

利用一阶偏导有限差分计算得到的图像梯度的峰值和延伸方向，沿延伸方向做一条边缘细线，将位于该细线上的梯度点设为0。选取梯度强度最大的点T1和梯度强度最小的点T2作为处理边缘基线的灰度值，将灰度值在T2以上的像素点划为图像的强边缘，将灰度值在T1以下的点划为图像背景，灰度值在T1和T2中间的像素点看作图像信息。

3.4 缺陷检测

基于前文对图像的预处理以及去噪、分割、提取等操作，要进行整个程序的最后一个步骤即缺陷的检测。此前，我们获得了只有零部件像素点的图像信息，在此，本文利用形状模板匹配的检测方法检测零部件的缺陷。

形状匹配模板检测零部件缺陷的原理是：根据获取到的图像，通过一系列处理得到只有零部件信息的灰度图像，设置图像的全部区域的轮廓形状为模板，然后利用形状匹配算法在待检测图像中搜寻轮廓形状模板，若图像与轮廓形状模板匹配失败，则该图像为缺陷图像，若图像与轮廓形状模板匹配成功，则图像为正常图像。

形状匹配模板对汽车零部件的缺陷进行检测的主要步骤如下：

首先，将处理后的图像的部分区域为模板，提取图像中的模板区域，其次，对图像进行二级仿射变换，在此期间，要保证图像没有倾斜，之后利用gen_rectangle算子在图像中生成一个面积较小的矩形框，利用reduce_domain算子把图像中对应的目标区域提取出来，最终获得需要的ROI区域；

其次，采用create_shape model算子创建零部件的形状模板，为了防止零部件图像发生水平或垂直方向上的位移的情况，同时采用带有缩放功能的closing_circle算子对图像边缘进行闭运算保留边界，并去除英语便于提取不精确而带有的少量毛刺，利用create_scale_shape_model算子，加快模板匹配速度；

然后，使用find_shape model算子搜索待检测图像中的目标模板，并将匹配到的模板位置、方向、数量等参数输出；

之后，为形状模板设置合理的参数，包括匹配的贪婪度、梯度变化率以及导数峰值，以获得最准确的匹配度。若匹配成功，则判定待检测图像没有缺陷，若匹配失败，则判定待检测图像为含有缺陷的零部件。

最后，利用算子计算待检测图像与模板的差异点，用动态开分操作将较小的差异点剔除，只保留数值较大的差异点，通过connection算子将各个差异点连接起来，围成的不规则区域即为零部件缺陷区域。至此，完成对零部件缺陷的检测及定位工作。

4 实验论证

4.1 实验准备

为验证本文设计的零部件缺陷检测方法的可行性与高效性，本次实验中在实际汽车零部件生产线上共收集到40000张图像原本数据，并利用工业相机对其进行图像获取，将所有图像的分辨率统一设置为600*400，在以上40000张图像中，有缺陷的零部件图像有25000张，正常的零部件有15000张。

4.2 实验说明

对于零部件缺陷检测的检测效果采用二分类问题中的评价准则，即全类别平均准确率，其计算方法是在模板匹配过程中利用插值法进行计算，计算公式如下：

（6）

其中，C表示图像样本总数；P表示准确率；pre表示精确率；r表示11个不同的阈值。

4.3 实验结果

利用传统检测方法和本文设计的检测方法分别对收集到的40000张图像进行缺陷检测，并计算两种方法的全类别平均准确率。

由表1可知，在4次实验中，本文设计的方法展示出了很好的检测效果，其对汽车零部件缺陷检测的全类别准确率均达到了90%以上，远远高于传统检测方法。由此可以证明，本文设计的零部件缺陷检测方法可行有效，能够较准确地检测出零部件的缺陷，该方法在实际应用中具有一定的实用性。

5 结语

本文通过分析新能源汽车零部件的发展现状，发现汽车零部件行业当前的发展中存在对核心技术掌握的不够充分、在硬件水平方面投入不足等局限性，从而导致生产出的零部件具有一定的缺陷，质量不佳，因此，结合汽车零部件发展中面临的实际问题，提出对零部件缺陷检测的方法研究，利用中值滤波、边缘检测算子、灰度阈值分割以及模板匹配等技术，实现对零部件的缺陷检测及定位，经实验论证表明，本文设计的零部件缺陷检测方法具有较高的检测准確度，该方法对相关零部件缺陷检测工作具有一定的参考作用。

参考文献：

[1]史佩京.中国汽车零部件再制造产业技术发展现状及趋势[J].表面工程与再制造，2021，21（6）：27-30.

[2]刘阳阳，王晨阳.汽车零部件再制造产业发展现状及实施认证必要性[J].科技创新与应用，2021，11（26）：61-63.

[3]李玉玲.管窥“温州模式”汽车零部件行业发展现状[J].汽车与配件，2021（9）：58-61.

[4]周锡文.汽车零部件气密性检测技术国内发展现状综述[J].内燃机与配件，2021（6）：116-117.