随着电动汽车的应用规模逐渐增大和智能化越来越高,自动充电技术作为电动汽车智能化的“最后一站”成为了研究热点。基于机器视觉和机器人结合的技术成熟且应用广泛,可应用在自动充电技术,实现智能无人高效自动充电,其中基于机械视觉的电动汽车充电接口的识别定位在该技术中起到指导性的作用。同时,基于深度学习的目标识别定位技术发展迅速,在通用场景下的目标检测识别速度快、定位精度高的特点,所以本文针对目前充电接口识别定位易受到环境干扰且识别速度慢、定位不准确等问题,提出了基于深度学习的电动汽车充电接口识别、初步定位和精准定位的方法,实现了充电接口的识别和初步定位以及充电接口触头的精准定位。论文的主要内容有:分析了电动汽车充电接口在车身的背景下特征明显、易识别的特点,提出了基于大卷积核的特征提取网络CSP LKNet,应用先进的深度学习tricks对基准网络Res Net进行改进,在不牺牲特征提取能力的前提下大大提高了特征提取的速度,为后续基于深度学习的充电接口识别和精准定位方法提供了快速、可靠的主干特征提取网络。在充电接口的识别和初步定位方法中,提出了改进的CSP LKNet和YOLO v5的识别定位网络。建立了实际工况下的充电接口数据集,并对提出的识别定位网络进行了训练和性能评估,验证了识别定位网络对充电接口的识别速度快和定位准确的优秀性能。在充电接口精准定位方法中,提出了基于中心点检测的PDNet充电接口触头精准定位网络。建立了充电接口触头数据集,并对精准定位网络进行了训练和性能评估,实现了快速、准确的充电接口定位。搭建了验证充电接口识别定位和精准定位方法的实验平台,进行了不同距离和光照强度下的实验。实验结果表明:识别和初步定位实验中识别成功率和初步定位精度较高,精准定位实验中,定位精度达到±0.5mm。实验证实了充电接口识别、初步定位和精准定位方法的可靠性和可行性。