随着石油能源的不断消耗以及环境污染的不断加重,电动汽车产业受到各国政府的大力支持,正处于一个快速发展的阶段。无线充电发射线圈作为电动汽车充电能源供应的载体,是无线充电技术的关键部分。由于其工作环境一般为户外,其表面随时可能出现如硬币、易拉罐、落叶等各种异物,这将严重降低发射线圈在工作时的工作效率,并带来安全事故。所以迫切需要一套自动化的异物检测设备,以实现发射线圈表面的异物识别,保障充电过程中的充电效率以及充电安全,促进电动汽车产业的发展。为实现发射线圈表面异物的自动化检测与识别,根据异物检测任务的特点确定利用基于机器视觉的检测方法,监控发射线圈表面图像;以及基于电磁感应的方法,探测磁场分布状况的方式,分析发射线圈图像特征、异物信息提取方法以及平衡线圈差分原理,为异物检测奠定理论基础,并按照实际应用需求设计硬件方案。为实现异物特征的提取,通过图像滤波灰度化预处理、待检测区域颜色追踪定位法、以及基于Canny的边缘检测,利用背景做差技术,分离前景与背景,并通过图像矩原理,获得异物的几何信息,为之后的异物识别分类提供信息。为识别进入的异物,建立机器学习模型,通过将采集到的异物图片标签化,送入Open CV框架下的SVM模型中学习,训练基于SVM的异物识别网络,其能够实现对异物、光斑与光影的识别,提高算法的准确率。实现基于机器视觉的异物检测功能。为实现对金属异物的准确识别,分析电磁感应与电磁耦合原理,通过平衡线圈技术、数字滤波技术,获得准确稳定的差分电压值。采用循环学习无异物状态下的电压值波动,保证报警阈值的合理选取。同时通过自适应调节,保证在不同工况下,差分电压处于最佳值。以此实现基于电磁感应的金属异物识别。为检测实际效果,研制异物检测设备,该设备配合安装在发射线圈上,能够在不同环境下有效识别异物且识别精度较高,能够保障无线充电过程中的效率以及安全性。