視覺技術在柴油機裝配生產線上的應用研究

隋吉林 劉云川 黃澒 高東鳴

（玉柴聯合動力股份有限公司 安徽蕪湖 241000）

目前，國內柴油機裝配生產線多以人工作業為主，因柴油機零件特有的重、大、操作困難等特點，生產效率低，且質量控制手段不充分，與汽油機裝配線水平有著一定的差距。自動化、智能化生產線一直是國內機械制造企業追求的目標，隨著視覺技術的引進和突破，帶動了國內重型機械制造企業的自動化發展，解決人工作業困難問題的同時，提升機器效率及設備質量保證能力，給各個企業提供了新的質量保證方法和創新手段，也是未來柴油機裝配生產線上應用研究的關鍵技術。

1 柴油機裝配生產線面臨的質量技術問題和挑戰

（1）柴油機生產質量保證能力的挑戰。近年來，隨著國家制造業的發展，我國柴油機的競爭形勢愈演愈烈，尤其是對于產品質量的競爭。我國大部分柴油機生產線裝配比較落后，質量控制手段不足，給企業的生存和發展帶來沉重的壓力［1］。尤其是柴油機行業供應鏈，新興國內企業多，水平參差不齊，質量隱患多，一致性差，所以需要主機廠提升自我質量保證能力，以應對復雜的供應鏈形式。但是，如果沒有好的手段和檢出方式，會給生產效率帶來嚴重影響，所以，很多企業在質量和效率之間難以抉擇。另外，由于商用車行業產品的多樣化和定制化，產品型譜千變萬化，零件種類變化萬千，外觀差異小，容錯率低，所以只靠人工判斷，識別率低，錯誤率高，給產品市場形象帶來很大的負面影響，亟須尋找一種新的創新技術來解決制造過程中的問題［2］。

（2）機器協同作業效率低。隨著自動化的提升，越來越多的設備投入到生產線上，但是問題同樣隨之產生。機器人利用率及使用效率低，需要配合大量的二次定位、夾緊等協同方式才能完成作業，更多地還是需要依靠人機協同方式，導致整體效率水平停滯不前。由于機器人本身的防錯能力不足，裝夾精度不夠、碰撞等問題隨之產生。同時，對標國際工業4.0 制造企業，還有很長的一段距離［2］。

（3）數據存儲與可靠性追溯。隨著客戶需求的提高，商用車的B10壽命不斷提升，質保期也不斷延長，對于數據存儲和追溯的要求變得越來越嚴格。很多產品外觀尺寸、缺陷、制造過程的作業結果等的追溯成為了新的制造難題。尤其是涉及密封圈、涂膠、外觀清潔度等作業都是由人工來完成，無法實現可靠性追溯，更無法溯源作業時的真實狀態，給制造型企業帶來很大的麻煩，也無法給未來的大數據分析提供很好的數據支撐。

2 視覺技術的系統構架——多樣化、智能化

現代視覺技術已經遠遠領先于之前的工業相機技術，亦可以稱之為智能相機。目前，已經開發出多種模式和構架，以更好地適應不同企業應用的不同場景和不同需求。視覺技術主要分為以下板塊［3］。

2.1 光源

現代視覺技術更多地應用LED 光源，因為LED 光源穩定、亮度高，可以給相機提供充分適宜的拍攝環境，同時，也可以實現應用多色光源（目前市場最多的應用為八色光源），可以改變波長，以便識別物體間的微小顏色色差。

2.2 光亮反饋裝置

光亮反饋主要依靠光電二極管，也可稱之為感光元件（CCD/CMOS），配合應用光量實時控制電路，對LED 光源控制、補償，實時反饋和調整。同時，超高速拍攝搭載超高高亮LED光源，可瞬間生成紋理圖像，且同時分析多張圖像，從而實現快速分析檢測。

2.3 濾鏡

濾鏡主要作用是突出或抑制特定波長的范圍和顏色，增強所拍攝的圖像對比度，以增強識別率。濾鏡可以分為吸收濾鏡和偏振濾鏡，對用不同的應用范疇選用不同的濾鏡。吸收濾鏡可以吸收特定波長的光譜，讓其他光譜通過；偏振濾鏡只能允許特定波長的范圍光通過（偏振濾鏡一般應用于特殊材料的濾光場景）。

2.4 相機

可分為2D 和3D 相機（也有介于2D 和3D 之間的2.5D相機）。2D更多用于平面拍攝，多段像素配合，直接生成拍攝圖片，重復精度雖然可達到±0.1mm。但是2D 相機對于動態捕捉的能力較差，對比度不高，容易受到速度、物體反光、姿態和環境的影響，效果也很難達到預期（2D相機必須配置專用的光源才能達到理想效果）。對于動態捕捉的需求更多的應用是3D 相機，3D 相機一般的最大拍攝范圍是520mm×390mm×200mm，重復精度可達到±0.1mm，可以生成物體的空間幾何尺寸，同時克服對比度的影響，可以通過圖像識別出最小高度、最大高度、凸面積、凹面積及體積參數等，實現更加靈活自由的檢測，由于3D 相機的配置特殊性，所以不需要配置單獨的光源［4］。

3D 相機利用三角測量原理，通過特殊鏡頭，使激光束被以倍數的形式放大后，形成靜態激光線透射到目標物體上。首先，在被測量物體上進行二維輪廓掃描，形成X 軸方向的參數；其次，通過漫反射原理投射到傳感器上，計算并形成Y 軸方向的參數；最后，將X軸與Y軸參數組合在一起，形成所需要的3D數據。3D視覺技術繼承了2D視覺技術的優勢，同時，彌補了2D視覺無法檢測3D尺寸的不足。

3D 相機可同時進行多次拍攝，根據灰度圖像，對每個像素的顏色進行分析，實現彩色檢測。高精度捕捉功能，配合全局快門方式，實現動態全局捕捉，任意時間點，所有像素都可以接受相同光亮。同時，可以自動改變快門速度，拍攝多張照片，并通過高速合成圖像，不存在曝光過多或者過少的情況，即使在現場光源不均勻或者現場情況不穩定時，也可以獲取最適合處理的圖像。3D相機掃描形式分為線掃和面掃兩種，企業可以依據不同的應用場景、不同拍攝面積、不同材料來選擇不同的形式。

2.5 智能處理系統及學習功能

（1）預處理功能。智能系統可以自主進行線狀缺陷抽取、實時濃淡補正，取消工件表面形成的陰影和不均勻光亮；同時，具備抗干擾控制，消除環境因素等影響因素，從而增加圖像對比度。智能處理系統還要進行圖像模糊處理，消除檢測中不需要的特征點，實現更穩定的檢測，同時，實現差分圖像及明亮補正，通過在每次檢測出與基礎圖像的差異進行補正，從而為圖像精準對比及分析提供前期基礎。

（2）圖像校正。系統應用先進算法，實現補正傾斜，補正透鏡失真，從而消除物體姿態、顏色失真等因素影響，使各個圖像在比對時建立統一基點；但是，被測量物體不可以疊放或者相互干涉，否則會影響圖像的生成與結果的判定。

（3）控制器。產線依據容量和速度要求選擇控制器型號，相機控制器需要與機器人/線體控制器（PLC）通信，同時控制相機運作，從而實現實時補償和精準控制。

（4）智能學習。系統帶有自學習模式，可以自動計算、設定閾值，自動去除不良品信息，排除不穩定因素，將現場的檢測導向成功。同時，進行自我程序修正，并形成修正記錄備案。

2.6 存儲追溯

所生成圖像和對比結果可實現自動存儲至本地服務器，也可聯通其他信息系統，如MES、QDAS、SPC等，實現永久儲存，精準檢索。

2.7 大數據分析

大數據采集和算法迭代，將來還可以實現故障概率預測、自動工藝參數調整、故障關聯性分析等智能化預測和應用。

2.8 視覺算法

視覺算法是視覺技術的核心，依據不同的應用場景，配套設計不同的算法，越復雜的環境和操作，對應的算法也就更加復雜。算法決定了視覺的系統構架及使用性能。隨著視覺技術的應用，現代視覺技術已經向著標準化模塊的方向發展，即不同領域對應不同的標準算法，給視覺的應用層面上建立了很好的基礎，也可以更好地發揮出視覺技術的深度和廣度。

3 視覺技術的應用技術——感官變為量化

3.1 應用場景

（1）有無防錯。通過拍攝與標準圖像比對識別，實現有無防錯和檢出，更多應用于檢查密封件、隨機附件及標準件等，解決數量多、狀態雜而引起的人工檢查錯誤或者遺漏問題，同時可生成檢查日志，用于故障追溯。

（2）外觀瑕疵。檢測零件外觀缺陷的大小、形狀、個數等，將人為感官變成量化參數，將人工頻檢變為在線100%檢驗，提升質量保證能力，同時也可生成三維圖像，更加直觀地展示缺陷形式。

（3）掃碼、識字。識別數字、條形碼或二維碼，用于記錄零件號或者件號的匹配準確性識別，替代人工抄錄，減少錯誤產生。

（4）尺寸檢測。在一定范圍內，最多以5000個點的邊緣信息為基礎檢測，計算輸出其位置和寬度。也可以檢測最大值、最小值、平均值等，最后通過變形補正，實現穩定檢測。不僅支持圓或者直線檢測，還支持橢圓、自由曲面等復雜輪廓形狀檢測，可以替代人工在線檢驗，提升效率和準確性。

（5）顏色識別。彩色相機拍攝原理是對比預先設置好顏色的信息，一般為32種顏色比對，數量較少，優勢在于可以生成對應顏色的彩色圖像，視覺上更加直觀；黑白相機根據灰度圖像對每個像素的顏色進行分析，從而實現對于彩色的檢測，優勢在于可以有上百種灰度值，從而對應生成上百種顏色，更加精準可靠，貼近真實情況。

（6）精準計數。生產線上標準件/小件的數量識別，防止錯誤產生，更多應用于物流揀料區域，替代人工計數，提高揀配準確性，同時提高揀配效率。例如，應用高頻拍照相機還可以在動態過程中實現計數功能，配合其他系統，還可以實現自動補缺功能。

（7）機器人定位引導。工業4.0的實現離不開視覺技術的應用［5］，其可實現與機器人直接通信，相當于給機器人安裝了一雙“眼睛”，讓機器人擺脫了原始的束縛，可以自主計算、定位、行走、抓取，同時，可以實現依據場景和邊界條件進行實時修正，從而實現真正意義上的全自動化、智能化裝配。

3.2 應用工藝流程

（1）設置標準。先拍攝并識別被檢查物體的特征，包括外觀、尺寸、顏色及所需要檢查的特殊特性，按照既定標準設定閾值，最終形成唯一的參照標準。不同型號的物體需要對應設置不同的標準，然后可以按照特定的編號規則實現系統自動調用。

（2）調配光源。依據現場環境選擇合適的光源，以彌補不同材料的不同反射光源的程度，增強圖像的對比度和真實度，更多地用于區分金屬材料和非金屬材料。

（3）機械安裝。相機安裝時，務必確保運動方向對準相機的朝向，同時，為了對準光軸和運動軸，必須設計對光源、相機、位置和角度可以進行微調的機構。另外，為了拍攝穩定性，在拍攝過程中所有運動機構不能出現震動、異常偏移等現象。

（4）算法修正。連續性拍攝被檢測物體，識別分析圖像特征，依據實物反光度、陰影面積、擺放姿態、形狀等，進行算法修正和計算補償。由于產品的一致性差異，算法修正需要經過一定數量的實物拍攝驗證才能得到相對準確的結果。另外，基礎算法的功能性要完善，否則需要新增很多非標準算法的工作，會給后續的調試工作帶來很大的困難。

（5）圖像補償。按照一定規則或基準點排布補正圖像（或者分割識別），并處理圖像失真，從而實現圖像清晰，對比狀態統一［6］。

（6）程序聯動。編制通信程序，實現控制器與產線控制器（PLC）聯動，設置報警、停機或者放行標準，可以設置不合格返工程序，也可以設置實現機器聯動模式，進行實時補正和糾偏，實現質量把控，不流出不合格品。

（7）結果評估。計算圖像測試精度與實物精度對比，并進行修正；同時，需要驗證不同失效模式下的不同反應機制是否健全。

（8）數據分析。依據需求設置生成簡易的質量數據報表，計算過程能力，并與數據分析系統聯動，實現故障預警，且形成生產日志。

（9）自主學習。通過大批量的生產，依據現場環境、被檢測物體狀態及操作習慣等，自主修訂控制程序及判定容錯條件。

4 視覺技術的未來發展技術

4.1 混合現實技術（MR）

混合現實技術主要包括顯示器、視覺傳感器，以及依靠視覺技術與微型計算機技術實現的對環境的理解力和動作分析力，是目前市場應用范圍最廣、最深的視覺技術產品，實現了人與虛擬世界的連接和互通［7］。在企業內，更多地應用于虛擬培訓、作業教程編制、遠程虛擬技術指導及虛擬參觀等。隨著混合現實技術的產生，人類對于實現“科幻”世界更加有信心。

4.2 擴展現實技術（XR）

“元宇宙”概念已經在世界上推出并進行，“元宇宙”是由數字技術轉化生成現實技術的鏡像，也是人類技術發展到頂尖的標志。擴展現實技術是實現“元宇宙”概念的基礎，而視覺技術是實現擴展現實技術的核心，也是連接現實與鏡像現實的橋梁，如何展現給人類真實的鏡像世界是“元宇宙”概念的精髓，同時更多延伸，讓人們想像未來的視覺技術可以改變人類的生存形態，打破桎梏，最終實現多維時空的搭建［8］。

5 結語

綜上所述，在本文所提出的視覺技術的應用和發展，可以很好地保障生產線質量和效率的提升，解決難檢查、難識別及機器人應用效率低等問題，且視覺技術是企業實現智能化裝配的技術基礎，在引導人類社會進步的同時，可以建立起一個龐大的系統，支撐人類未來科學技術的發展，是現代社會需要重點研究和發展的技術之一。