摘 要:在大批量工業生產過程中,用人工視覺檢查產品質量效率低且精度不高,用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺易于實現信息集成,是實現計算機集成制造的基礎技術。在中國,這種應用也在逐漸被認知,且帶來最直接的反應就是國內對于機器視覺的需求將越來越多。本文就針對汽車行業發動機生產線上的工件、活塞等進行檢測識別進行討論,并且對機器視覺未來在中國國內的發展進行展望。
關鍵詞:機器視覺自動控制發動機
中圖分類號:TP2文獻標識碼:A文章編號:1674-098X(2011)05(a)-0127-01
本項目所要達到的目的是:在生產線上通過機器視覺系統對冷卻噴嘴,挺桿體,活塞銷卡環,動力泵接頭、增壓器角度、油泵安裝孔密封圈、噴油器密封墊進行在線防錯。
原理:在發動機生產線各對應部位安裝圖像識別系統。待操作工完成零件安裝后,在發動機到達對應圖像識別系統部位時,給圖像識別系統發出到位信號,識別系統開始進行拍照。并根據發動機信息提取標準圖片進行比較,如果發現實際圖形與標準圖片有誤差,即判斷為零件錯、漏裝,用聲光報警的形式提示操作工,且停止器無法放行,需要操作工處理完故障后手動復位再放行。
視覺防錯系統就是使用機器來代替人眼對產品進行測量與判斷以及報錯,該系統完全不影響流水線的正常工作。這套系統的工作步驟大致為四步:首先采用光敏傳感器對流水線上的產品進行定位。然后對運動著的產品進行圖像拍攝。再經過圖像處理,判斷產品是否正確安裝。如果產品裝配有誤,則會產生報警信號。
1 圖像識別原理
典型圖像識別系統應該包括以下幾個步驟。
(1)信號獲取,即通過采集設備來獲取原始信號的過程,所獲取的信號質量非常重要,它是后繼處理的輸入數據,往往會受到周圍光源的影響。因此一套合理的配光方案會使得到的圖像效果大大改善。
(2)預處理,在這個階段,對圖像進行優化,包括去噪,消除旋轉和平移等等操作。對于采集到的信息往往不能直接應用,需要進行預處理,在經過了去噪,平移等操作之后才能進行特征提取,因此這一階段的好壞也會直接影響到后繼的環節。
(3)特征提取,特征提取這環節是根據圖像的特性,提取出能表現出該物質特性和唯一性的一個或者多個特征,能體現物質唯一的特征往往需要多個特征來表達,因此特征的選取和如何消除特征之間的冗余便成為了特征提取的重要部分。
(4)特征匹配,就是將待識別的特征和模板庫中的模板進行匹配,從而得到識別結果。這階段的識別過程可以通過多種識別算法來實現,BP算法、模糊算法、神經網絡等等。
2 控制方案
2.1 活塞銷卡環、動力泵接頭
要求:檢測活塞銷卡環是否安裝。活塞銷卡環兩面安裝,必須進行兩面檢測。
工作過程:圖像系統中固定安裝一個光電傳感器和攝像機,安裝于生產線的正上方。當裝配件在生產線上運行到此檢測為時,檢測活塞銷卡環是否到達攝像機的正下方,如果到達正下方則通知攝像機開始拍攝圖片,然后將拍攝到的圖片與預先存儲在攝像機中的圖片進行比較,從兒判斷是否漏裝冷卻噴嘴。如果正確安裝,則提示放行,如果安裝不正確系統報警,等待操作工來處理。
2.2 活塞的反裝,錯裝和漏裝
工作過程:首先判斷缸體是否已到位,并且做好準備,采取的方法是檢測缸體的上緣,如果未發現該特征部分,即發生報警。然后對以下三項內容進行識別:(1)活塞的有無;(2)活塞位置的正確性;(3)活塞頂部的表示是否跟與要安裝的缸體一致。
3 測試方法
整個識別過程如下:發動機被翻轉、裝入活塞,輸送系統使發動機隨托盤向自動識別工位移動;當發動機即將到達時,先由二維碼讀頭驗明其身份,然后發信號給PLC;當發動機移動到自動識別工位,接近開關觸發,PLC給機器視覺系統發出工作指令;如果活塞以安放在缸體內,其上的標識和字符與要求的型號、組別等完全一致,且裝備正確,視覺系統法信號給PLC,發動機繼續流向下個工位。如果活塞裝配有錯,則視覺系統提示PLC,并通過人機界面報警,顯示屏將顯示哪一缸的活塞裝配有錯、何種錯誤。操作者需確認識別的結果,通過人機界面發指令給PLC,并且將發動機直接輸送到返修區域進行返修。整個過程全部自動完成,只有出現安裝錯誤,發出報警時才需要人工干預。
在未來的幾年內,隨著中國加工制造業的發展,對于機器視覺的需求也逐漸增多;隨著機器視覺產品的增多,技術的提高,國內機器視覺的應用狀況將由初期的低端轉向高端。由于機器視覺的介入,自動化將朝著更智能、更快速的方向發展。另外,由于用戶的需求是多樣化的,且要求程度也不相同。那么,個性化方案和服務在競爭中將日益重要,即用特殊定制的產品來代替標準化的產品也是機器視覺未來發展的一個取向。
參考文獻
[1]胡興軍,唐向陽,張勇.機器視覺技術及其在汽車制造行業的應用[J].現代零部件,2005(11):106~107.
[2]朱正德.現代汽車制造業—機器視覺的用武之地[J].輕型汽車技術,2008(4):32~35.
[3]Wesley E Snyder Haring Qi(美).機器視覺教程[M].機械工業出版社,2005:233~234.