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

【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：U463.65    文献标志码：A    文章编号：1003-8639（ 2023 ）09-0066-04

Research and Application of Intelligent Light Intensity Testing and

Monitoring System Under Complex Field Intensity

WU Dayong，HE Languang，ZHAO Yudong，YANG Zongyu，FEI Siqi，LIU Bi

（FAW-Volkswagen Automotive Co.，Ltd.，Changchun 130011，China）

【Abstract】Aiming at many monitoring problems faced by the industry，such as large dynamic range of light intensity of lamp parts，multi-regional distribution of light sources，complex working mode and various shape changes，an intelligent light intensity change monitoring method is proposed. A light intensity change monitoring system suitable for complex electromagnetic field environment is developed by using image recognition technology and effectively 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

作者簡介

吴大用（1987—），男，硕士，系统集成开发工程师，主要从事汽车电磁兼容设计开发工作。

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[1]，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[4]。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140V/m的场强，天线波瓣覆盖被测车辆所在区域。由于天线的特性，前向波瓣大，功率也大，在此区域内的场强也越大，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0.1MHz～3GHz，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400ms内，通过顺次驱动n组LED灯珠点亮，并在另一个400ms内关闭所有LED灯珠，以1.25Hz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，颜色定义如图3所示。

3  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。

所选摄像头可在动态转向灯工作周期800ms内采集25次，对应动态转向灯不同的发光状态，获得25帧的采集图片。设定亮度值从0～255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。

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RGB 3种颜色分量的具体取值与所生成颜色之间的联系并不直觀。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，因此选择HSV值作为采集参考值[6-7]。HSV模型参数公式如下。

3.3  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。

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。

4  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。

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25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以上作为初始采集周期。综合下来，选择100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。

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235mm。在壳体最前端的摄像头镜处，采用透光率为80%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0.25mm，电导率为130000S/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。

设置施加电磁场强度有效值为140V/m、频率为100MHz、调制系数为0.8的AM调制波形，得到在100kHz～800MHz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0.147V/m，摄像头屏蔽效能为59.57dB。

设置施加电磁场强度有效值为140V/m、调制频率为100MHz、调制度为0.5的PM调制波形，得到在800MHz～2GHz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53.75dB。

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。

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[J]. 照明工程学报，2010，21（3）：64-69，75.

[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，2013（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，2020（12）：28-31，48.

[4] ALLGEIERC C. Challenges of Future，Digital ADB systems，Proceeding of the 6th international Forum on Automotive Lighting（IFAL）[C]//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，2021，48（S1）：15-20，37.

[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，2017.

[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[J]. 纺织高校基础科学学报，2008，21（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[J]. 沈阳大学学报（自然科学版），2022，34（5）：354-362.

（编辑  杨凯麟）