Engineering and Management Science

汽车线束作为车辆电气系统的核心连接载体，其表面质量直接决定汽车电路运行的稳定性与行车安全。线束生产过程中易出现外皮破损、压接偏移、表面污渍、绝缘层褶皱等各类表面缺陷，传统人工检测与常规机器视觉算法存在检测效率低、泛化能力弱、部署成本高、适配性差等问题，难以满足流水线高速检测需求。为解决工业场景下汽车线束缺陷检测的实时性与精准性矛盾，本文以图像异常识别技术为核心，研究适配工业终端部署的轻量化算法模型。通过简化网络结构、优化特征提取模块、压缩模型参数，在保证缺陷识别精度的前提下降低算法运算量，有效适配嵌入式终端设备的算力限制。本文分析汽车线束表面缺陷检测的技术痛点，阐述轻量化异常识别算法的设计思路，探究算法优化与落地应用路径，为汽车线束自动化质量检测提供高效、低成本的技术方案，助力汽车零部件智能制造升级。