基于机器学习的电动汽车无线充电异物目标检测方法

作     者：钱强 陈海 郑义 闫丽华 梁文熙 吴开荣 QIAN Qiang;CHEN Hai;ZHENG Yi;YAN Lihua;LIANG Wenxi;WU Kairong

作者机构：北京师范大学珠海分校广东珠海519087 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2023年第46卷第13期

页      面：43-48页

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：广东省教育厅科研项目(2020KTSCX176 2021KTSCX181) 

主　　题：电动汽车 无线充电 充电安全 异物检测 目标检测 机器学习 YOLOv5模型 

摘      要：生物体和金属异物存在于发射线圈附近时,影响电动汽车无线充电系统的传输功率、传输效率,造成安全事故,线圈电路检测、超声波/雷达检测、图像特征检测等目前常见检测方法存在不足。文中研究并设计了一套基于机器学习的异物目标检测算法,并应用在电动汽车无线充电安全运行中,可及时对事故做出预警和处理。该系统由图像采集模块、无线传输模块、云平台和服务器四大部分组成,通过摄像头对充电过程中可能混入的猫、狗生物体,以及易拉罐、螺丝钉、硬币金属异物进行图像采集,无线传输到云平台服务器上,利用深度学习的YOLOv5训练模型检测区域内是否存在异物,检测结果发送给充电控制器和用户。实验结果表明:YOLOv5在测试集上经过1 000次迭代训练后,检测精度达到0.855 9,召回率达到0.998 1,速度达到62 FPS;在实际复杂的充电环境下,对不同光照条件、不同停车位地面、不同尺寸的5个类别异物进行推理测试,具有较高的检测精度和适应性,满足目标检测的高效性要求,为实现车辆充电安全提供了重要保障。