智能视觉技术在整车制造中的应用

2024-05-30覃振董建军覃泽宇

商用汽车 2024年1期

覃振董建军覃泽宇

摘要：在汽车工业环境中，生产环境的粉尘、噪声以及防爆环境对人员的职业健康构成了一定的影响。随着汽车制造业的竞争日益加剧，主机厂降低生产成本的需求也愈发迫切。在此背景下，采用视觉识别技术显得尤为重要。与人工操作相比，视觉识别技术没有体力疲劳的影响，不受经验技能水平或责任心差异的影响，并且在处理速度上远超人工，从而显著提高了生产线的可靠性和降低了成本。

关键词：智能化；视觉识别；成本管控

中图分类号：U466 DOI ：10.20042/j.cnki.1009-4903.2024.01.010

0 引言

机器视觉技术是一种利用机器代替人眼进行测量和判断的技术。机器视觉系统通过机器视觉产品（即图像摄取装置，通常分为CMOS 和CCD 2 种）将被摄取目标转换成图像信号，然后将这些信号传送至专用的图像处理系统。在图像处理系统中，根据图像的像素分布、亮度、颜色等信息，图像信号被转换为数字化信号。随后，图像系统对这些数字化信号进行各种复杂的运算，以抽取目标物体的关键特征。最后，根据这些特征的判别结果，机器视觉系统可以控制现场的设备进行相应的运动。

1 智能视觉的优势

智能视觉可以实现长时间稳定工作、具有较高的量测精度、在移动中可以拍摄到理想的图像等优点，在汽车领域、半导体行业等行业越来越多的得以应用，缩短了机器停工期、减少不合格产品的数量，从而降低了生产成本。

2 智能视觉的主要硬件选型、算法

一个典型的工业机器视觉系统由多个关键部件组成，包括相机、镜头、光源、图像处理单元（或图像采集卡）、图像处理软件、触发模块、通信/ 输入输出单元等。各个部分之间相互配合，最终完成其检测要求。

2.1 智能视觉硬件选型

智能相机是集高速微处理器、内存、算法、图像采集和处理为一体的工业级专用相机，具有易学、易调试、易维护、安装方便等特点，能快速建设有效的视觉系统[1]。其技术优势主要表现在：

（1）体积小巧，方便安装在线边和移动设备上;

（2）实现了图像采集单元、图像处理单元、图像处理软件、网络通信装置的高度集成，系統实施简便;

（3）能够固化成熟的算法，用户无需编程，就可实现有/ 无判断、表面缺陷检查、尺寸测量、OCR/OCV、条码阅读等功能，能够实现应用系统的快速部署和调试[2]。

不过，智能相机的处理器性能可能不如服务器级CPU，且内置编程函数相对固定，开发空间较小，不如基于PC（PCbase）的相机灵活度高，在实施过程中需根据需求选择最佳的硬件组成。

在选择相机和镜头时，主要考虑以下因素：

感光度：根据补光条件和曝光时间需求选择。感光度越大，所需的补光越少。但因为光源往往成本较低，通常只有因安装环境限制无法使用光源时才选择高灵敏度的相机。如果相机只能使用很短的曝光时间（如高帧速率），此时也需要使用高感光度的相机。

分辨率：根据目标精度和稳定性要求选择。分辨率由相机所采用的芯片分辨率决定，选择相机要确定目标的精度，然后以精度为依据选择分辨率。为增加系统稳定性，一般采用4 个或更高像素单位对应一个目标的精度值。

接口：根据使用需求选择对应的通讯协议，如Profinet、ModBus/TCP、EtherNet/IP 等多种方式。

光源灯板：根据工作环境选择合适的颜色。相机自带的光源灯板一般有白色、蓝色、红色、近红外等光源可供选择。

2.2 LED 照明

选择合适的光源对于获得良好拍摄效至关重要，进而影响图像处理效果。选择光源的步骤通常包括：、

（1）决定是镜面反射、漫反射还是透射；

（2）确定光源的形状和尺寸；

（3）选择光源颜色（波长）；

（4）考虑使用辅助手段（偏光片、滤光片、漫射片等）；

LED 照明种类繁多，大体上可以分为如下3 种：

（1）镜面反射型：镜头接收的光线是来自拍摄对象的镜面反射光线。

（2）漫反射型：避开来自拍摄对象的镜面反射光，而接收整体、均一的光线。

（3）透射型：接收来自拍摄对象背景的光线，是一种检测轮廓的照明方式。

一般情况下，镜面反射可选择同轴入射光源、环形光源或条形光源，漫反射可选择环形光源或条形光源，透射可选择背光源或条形光源。其中环形光源及条形光源的设置距离更加灵活，因此应用范围更广。

根据光源的形状，可以分为背光源、条形光源、同轴光源和环形光源等。背光源是一种平板式光源，经过优化设计的LED 阵列分布于光源底部，发出光经过特殊导光板后所形成均匀背光，亮度比侧部导光提高50% 以上亮度，通常用于外形轮廓检测、机械零件尺寸的测量等；条形光源是较大方形结构被测物的首选光源，颜色可根据需求自由搭配，照射角度与安装随意可调，主要用于金属表面检查、表面裂缝检测等；同轴光源可以消除物体表面不平整引起的阴影，从而减少干扰部分采用分光镜设计，减少光损失，提高成像清晰度，最适宜用于反射度极高的物体，如金属、玻璃等表面的划伤检测；环形光源提供不同照射角度，不同颜色组合，更能突出物体的三维信息，能节省安装空间，解决对角照射阴影问题，光线均匀扩散，在印字检查方面应用效果较好。

2.3 视觉算法

视觉算法是实现机器视觉系统功能的关键。以下是常见的视觉算法及其应用领域：

（1）图像检测：确定图像中目标物体的位置和大小，如R-CNN、SSD 等算法。

（2）图像分类：根据图像的语义信息区分不同类别的图像，如VGG、ResNet 等结构算法。

（3）图像分割：确定图像中目标物体的种类、位置和大小，如R-CNN、SSD 等算法。

（4）图像匹配：研究特定对象图案在图像中的位置，实现对象识别，如模板匹配算法。

（5）前沿算法技术：主要包括图神经网络、小样本学习、自动网络搜索（NAS）、强化学习等。

3 应用场景

3.1 载具识别和车身一维码、二维码识别

AVI 系统全称车体自动识别系统（Automatic VehicleIdentification System），主要依靠安装在滑橇或吊具上的识别标签和固定在车间关键位置的读写站进行车体识别和跟踪。目前，AVI 系统的识别介质主要采用一维码、二维码以及射频识别标签的方式。

射频识别标签内部集成了IC 芯片，采用特殊的耐高温材料制成。然而，高温和化学腐蚀很可能会对标签的使用寿命造成影响，导致需要定期更换，从而增加了后期维护成本。

现在，利用视觉技术可以识别多种类型的载具号牌，包含镂空、颜色标注的数字等。这种技术无需改变载具的结构形式，通过相机正面拍摄载具号牌，并利用相机自带的光源正面直接打光的方式，替代了射频识别技术。对于车身上的一维码和二维码，也采用相机识别的方式进行获取。这种方法减少了识别设备的类型，节约了调试和维护的成本。

智能相机通过总线与PLC 总线相连，实现检测字符结果的传递和通讯。当车辆到达时，PLC 发出触发信号，智能相机随即获取图像并给出字符识别结果到PLC ；同时，智能相机也可以通过自带的I/ 端口给出检测OK/NG 的开关量信号。

在一些物流通道或移动设备上使用时，由于背景可能会形成干扰，因此需要安装背景板以减少干扰。另外，也可以采用背部补光的形式，光可以从号牌镂空处透过，确保无论是白天还是晚上都能获得稳定的成像效果。

智能相机的图形学习主要分以下几步：

1. 相机焦距自动调节

当需要检测的号牌停留在相机拍摄范围内时，通过触发自动调节功能，相机可以自动调整焦距位置以及曝光增益大小，使得拍摄的图像清晰可见。完成调整后，相机会自动保存当前的焦距和光圈配置。

2. 数字模型建立

通过对现有的号码牌进行拍照，建立字符库，该字符库包含常见的数字、字母等字符。

3. 建立识别区域

在软件中设置相机的基准区域，屏蔽掉与识别无关的区域，以提高识别效率和准确性。这是因为字符读取的范围越大，软件处理的时间就会越长。配置完成后，可以导出这些设置给其他相机使用，以减少后续的调试时间。

3.2 表面缺陷检测

在生产车身的复杂冲压部件过程中，可能会存在应力集中导致的开裂或焊接不良等缺陷，这些缺陷可能引发严重的生产事故，因此早期检测至关重要。目前，大多数厂家仍然采用人工检测的方式，这种方式效率较低且容易出错。引入视觉检测技术后，极大地提高了检测效率和准确性。

在涂装车间，对面漆质量的要求极为严格，不允许出现任何表面缺陷。通过安装在机器人上的智能检测相机，可以实现对车体涂装表面质量的客观检测。结合2D 图像和3D 轮廓分析，能够检测各种脏污类缺陷（如脏点、纤维、发丝）和变形类缺陷（如缩孔、针孔、坑、包、气泡、划伤、流挂）。这种检测方法相较于人工作业更加客观、稳定，且检测结果（缺陷位置、缺陷类型、缺陷尺寸）可以实时输出给机器人，实现自动打磨、自动抛光，或者作为人工作业的指导。

与人工检测相比，自动质量检测更加省时、高效，不受工人体力疲劳的影响，也不受工人经验技能水平、责任心差异的影响。此外，收集到的缺陷信息数据还可以用于指导生产环节，帮助定位缺陷原因，提升涂装质量，甚至进行质量预测，从而从根本上减少缺陷的产生。

3.3 涂胶质量检测

在汽车制造中，黏合胶、密封胶和结构胶的应用日益广泛。胶条的缺失对整车品质有着极大的影响。通过利用智能相机对涂胶的胶路、胶宽以及胶高进行在线检测，可以高效地发现质量问题并及时预警。这种技术不仅实现了无人化质量作业，而且视觉检测速度快，对整个产线的生产节拍具有显著提升作用。

在车身底部周围，一般会喷涂一层PVC 涂层，以防止碎石撞击等因素导致车身生锈。视觉检测系统能够对涂層的完整性、均匀性和轮廓清晰度进行全面而细致地检测。

在玻璃装配的工艺过程中，需要涂抹胶线以确保玻璃能够牢牢地固定在车身上，同时补偿装配工艺中产生的公差，并提高密封性。涂胶检测主要用于确保胶线的形状、连续性、用量和位置的正确性。通过相机沿着产品扫描拍照，可以实现对产品表面3D 轮廓的采集。再结合专业的视觉软件进行处理，可以检测出涂胶的胶高、胶宽等关键信息，确保涂胶质量符合生产要求。

3.4 防错检测

通过将工件与存储的标准场景进行对比，当发现不一致时报警或停产，快速相机可以实现不停线检测，这不仅能够有效预防设备损毁，同时也能够提升生产线的节拍。

使用场景包括涂装底涂前的遮蔽检测，用于检测安装孔位的遮蔽是否错装、漏装；以及在机器人自动作业前检测车门是否打开等。

3.5 定位抓取

通过智能相机引导机器人实现主控台的定位抓取并完成安装。由于工件的移位和公差，视觉系统能有效地引导机器人进行柔性拣取。例如，在冲压毛坯时，工业机器人需要通过定位、二次定位以及对中的过程，将毛坯件精准装载到冲压机上。

在焊接过程中，料架里的冲压件越来越多地由工业机器人来捡取，通过视觉相机引导机器人实现风挡玻璃的定位抓取并完成安装；以及通过3D 相机引导机器人实现前后轮胎轮毂的定位抓取并完成安装等。

在装配车间，通过3D 相机引导机器人实现风挡玻璃的定位抓取并完成安装。

3.6 焊接跟踪及检测

由于车身定位和拼装公差的差异，工业机器人的最优焊接点或轨迹很难确定在一个固定点上。因此，需要通过3D 相机引导机器人进行焊接及焊后的质量检测。

车顶一般采用激光钎焊的方式进行焊接。为了保证激光钎焊焊缝的美观，会设置一个焊缝打磨工位对焊缝进行自动打磨，并通过3D 相机对焊缝的质量进行自动检测，以判断是否需要对焊缝进行返修。

3.7 在员工合规行为管控上的应用

高清安防摄像头和机器视觉系统平台（传统视觉算法& AI深度神经网络）的结合，实现了对人员的身份、着装、安全行为的检测。