智能視覺技術在整車制造中的應用

覃振 董建軍 覃澤宇

摘要： 在汽車工業環境中，生產環境的粉塵、噪聲以及防爆環境對人員的職業健康構成了一定的影響。隨著汽車制造業的競爭日益加劇，主機廠降低生產成本的需求也愈發迫切。在此背景下，采用視覺識別技術顯得尤為重要。與人工操作相比，視覺識別技術沒有體力疲勞的影響，不受經驗技能水平或責任心差異的影響，并且在處理速度上遠超人工，從而顯著提高了生產線的可靠性和降低了成本。

關鍵詞：智能化；視覺識別；成本管控

中圖分類號：U466 DOI ：10.20042/j.cnki.1009-4903.2024.01.010

0 引言

機器視覺技術是一種利用機器代替人眼進行測量和判斷的技術。機器視覺系統通過機器視覺產品（ 即圖像攝取裝置，通常分為CMOS 和CCD 2 種） 將被攝取目標轉換成圖像信號，然后將這些信號傳送至專用的圖像處理系統。在圖像處理系統中，根據圖像的像素分布、亮度、顏色等信息，圖像信號被轉換為數字化信號。隨后，圖像系統對這些數字化信號進行各種復雜的運算，以抽取目標物體的關鍵特征。最后，根據這些特征的判別結果，機器視覺系統可以控制現場的設備進行相應的運動。

1 智能視覺的優勢

智能視覺可以實現長時間穩定工作、具有較高的 量測精度、在移動中可以拍攝到理想的圖像等優點， 在汽車領域、半導體行業等行業越來越多的得以應用， 縮短了機器停工期、減少不合格產品的數量，從而降 低了生產成本。

2 智能視覺的主要硬件選型、算法

一個典型的工業機器視覺系統由多個關鍵部件組成，包括相機、鏡頭、光源、圖像處理單元（ 或圖像采集卡）、圖像處理軟件、觸發模塊、通信/ 輸入輸出單元等。各個部分之間相互配合，最終完成其檢測要求。

2.1 智能視覺硬件選型

智能相機是集高速微處理器、內存、算法、圖像采集和處理為一體的工業級專用相機，具有易學、易調試、易維護、安裝方便等特點，能快速建設有效的視覺系統[1]。其技術優勢主要表現在：

（1） 體積小巧，方便安裝在線邊和移動設備上;

（2） 實現了圖像采集單元、圖像處理單元、圖像處理軟件、網絡通信裝置的高度集成，系統實施簡便;

（3） 能夠固化成熟的算法，用戶無需編程，就可實現有/ 無判斷、表面缺陷檢查、尺寸測量、OCR/OCV、條碼閱讀等功能，能夠實現應用系統的快速部署和調試[2]。

不過，智能相機的處理器性能可能不如服務器級CPU，且內置編程函數相對固定，開發空間較小，不如基于PC（PCbase） 的相機靈活度高，在實施過程中需根據需求選擇最佳的硬件組成。

在選擇相機和鏡頭時，主要考慮以下因素：

感光度：根據補光條件和曝光時間需求選擇。感光度越大，所需的補光越少。但因為光源往往成本較低，通常只有因安裝環境限制無法使用光源時才選擇高靈敏度的相機。如果相機只能使用很短的曝光時間（ 如高幀速率），此時也需要使用高感光度的相機。

分辨率：根據目標精度和穩定性要求選擇。分辨率由相機所采用的芯片分辨率決定，選擇相機要確定目標的精度，然后以精度為依據選擇分辨率。為增加系統穩定性，一般采用4 個或更高像素單位對應一個目標的精度值。

接口：根據使用需求選擇對應的通訊協議，如Profinet、ModBus/TCP、EtherNet/IP 等多種方式。

光源燈板：根據工作環境選擇合適的顏色。相機自帶的光源燈板一般有白色、藍色、紅色、近紅外等光源可供選擇。

2.2 LED 照明

選擇合適的光源對于獲得良好拍攝效至關重要，進而影響圖像處理效果。選擇光源的步驟通常包括：、

（1） 決定是鏡面反射、漫反射還是透射；

（2） 確定光源的形狀和尺寸；

（3） 選擇光源顏色（ 波長） ；

（4） 考慮使用輔助手段（ 偏光片、濾光片、漫射片等） ；

LED 照明種類繁多，大體上可以分為如下3 種：

（1） 鏡面反射型：鏡頭接收的光線是來自拍攝對象的鏡面反射光線。

（2） 漫反射型：避開來自拍攝對象的鏡面反射光，而接收整體 、均一的光線。

（3） 透射型：接收來自拍攝對象背景的光線，是一種檢測輪廓的照明方式。

一般情況下，鏡面反射可選擇同軸入射光源、環形光源或條形光源，漫反射可選擇環形光源或條形光源，透射可選擇背光源或條形光源。其中環形光源及條形光源的設置距離更加靈活，因此應用范圍更廣。

根據光源的形狀，可以分為背光源、條形光源、同軸光源和環形光源等。背光源是一種平板式光源，經過優化設計的LED 陣列分 布于光源底部，發出光經過特殊導光板后所形成均勻背光，亮度比側部導光提高50% 以上亮度，通常用于外形輪廓檢測、機械零件尺寸的測量等；條形光源是較大方形結構被測物的首選光源，顏色可根據需求自由搭配，照射角度與安裝隨意可調，主要用于金屬表面檢查、表面裂縫檢測等；同軸光源可以消除物體表面不平整引起的陰影，從而減少干擾部分采用分光鏡設計，減少光損失，提高成像清晰度，最適宜用于反射度極高的物體，如金屬、玻璃等表面的劃傷檢測；環形光源提供不同照射角度，不同顏色組合，更能突出物體的三維信息，能節省安裝空間，解決對角照射陰影問題，光線均勻擴散，在印字檢查方面應用效果較好。

2.3 視覺算法

視覺算法是實現機器視覺系統功能的關鍵。以下是常見的視覺算法及其應用領域：

（1） 圖像檢測：確定圖像中目標物體的位置和大小，如R-CNN、SSD 等算法。

（2） 圖像分類：根據圖像的語義信息區分不同類別的圖像，如VGG、ResNet 等結構算法。

（3） 圖像分割：確定圖像中目標物體的種類、位置和大小，如R-CNN、SSD 等算法。

（4） 圖像匹配：研究特定對象圖案在圖像中的位置，實現對象識別，如模板匹配算法。

（5） 前沿算法技術：主要包括圖神經網絡、小樣本學習、自動網絡搜索（NAS）、強化學習等。

3 應用場景

3.1 載具識別和車身一維碼、二維碼識別

AVI 系統全稱車體自動識別系統（Automatic VehicleIdentification System），主要依靠安裝在滑橇或吊具上的識別標簽和固定在車間關鍵位置的讀寫站進行車體識別和跟蹤。目前，AVI 系統的識別介質主要采用一維碼、二維碼以及射頻識別標簽的方式。

射頻識別標簽內部集成了IC 芯片，采用特殊的耐高溫材料制成。然而，高溫和化學腐蝕很可能會對標簽的使用壽命造成影響，導致需要定期更換，從而增加了后期維護成本。

現在，利用視覺技術可以識別多種類型的載具號牌，包含鏤空、顏色標注的數字等。這種技術無需改變載具的結構形式，通過相機正面拍攝載具號牌，并利用相機自帶的光源正面直接打光的方式，替代了射頻識別技術。對于車身上的一維碼和二維碼，也采用相機識別的方式進行獲取。這種方法減少了識別設備的類型，節約了調試和維護的成本。

智能相機通過總線與PLC 總線相連，實現檢測字符結果的傳遞和通訊。當車輛到達時，PLC 發出觸發信號，智能相機隨即獲取圖像并給出字符識別結果到PLC ；同時，智能相機也可以通過自帶的I/ 端口給出檢測OK/NG 的開關量信號。

在一些物流通道或移動設備上使用時，由于背景可能會形成干擾，因此需要安裝背景板以減少干擾。另外，也可以采用背部補光的形式，光可以從號牌鏤空處透過，確保無論是白天還是晚上都能獲得穩定的成像效果。

智能相機的圖形學習主要分以下幾步：

1. 相機焦距自動調節

當需要檢測的號牌停留在相機拍攝范圍內時，通過觸發自動調節功能，相機可以自動調整焦距位置以及曝光增益大小，使得拍攝的圖像清晰可見。完成調整后，相機會自動保存當前的焦距和光圈配置。

2. 數字模型建立

通過對現有的號碼牌進行拍照，建立字符庫，該字符庫包含常見的數字、字母等字符。

3. 建立識別區域

在軟件中設置相機的基準區域，屏蔽掉與識別無關的區域，以提高識別效率和準確性。這是因為字符讀取的范圍越大，軟件處理的時間就會越長。配置完成后，可以導出這些設置給其他相機使用，以減少后續的調試時間。

3.2 表面缺陷檢測

在生產車身的復雜沖壓部件過程中，可能會存在應力集中導致的開裂或焊接不良等缺陷，這些缺陷可能引發嚴重的生產事故，因此早期檢測至關重要。目前，大多數廠家仍然采用人工檢測的方式，這種方式效率較低且容易出錯。引入視覺檢測技術后，極大地提高了檢測效率和準確性。

在涂裝車間，對面漆質量的要求極為嚴格，不允許出現任何表面缺陷。通過安裝在機器人上的智能檢測相機，可以實現對車體涂裝表面質量的客觀檢測。結合2D 圖像和3D 輪廓分析，能夠檢測各種臟污類缺陷（ 如臟點、纖維、發絲） 和變形類缺陷（ 如縮孔、針孔、坑、包、氣泡、劃傷、流掛）。這種檢測方法相較于人工作業更加客觀、穩定，且檢測結果（ 缺陷位置、缺陷類型、缺陷尺寸） 可以實時輸出給機器人，實現自動打磨、自動拋光，或者作為人工作業的指導。

與人工檢測相比，自動質量檢測更加省時、高效，不受工人體力疲勞的影響，也不受工人經驗技能水平、責任心差異的影響。此外，收集到的缺陷信息數據還可以用于指導生產環節，幫助定位缺陷原因，提升涂裝質量，甚至進行質量預測，從而從根本上減少缺陷的產生。

3.3 涂膠質量檢測

在汽車制造中，黏合膠、密封膠和結構膠的應用日益廣泛。膠條的缺失對整車品質有著極大的影響。通過利用智能相機對涂膠的膠路、膠寬以及膠高進行在線檢測，可以高效地發現質量問題并及時預警。這種技術不僅實現了無人化質量作業，而且視覺檢測速度快，對整個產線的生產節拍具有顯著提升作用。

在車身底部周圍，一般會噴涂一層PVC 涂層，以防止碎石撞擊等因素導致車身生銹。視覺檢測系統能夠對涂層的完整性、均勻性和輪廓清晰度進行全面而細致地檢測。

在玻璃裝配的工藝過程中，需要涂抹膠線以確保玻璃能夠牢牢地固定在車身上，同時補償裝配工藝中產生的公差，并提高密封性。涂膠檢測主要用于確保膠線的形狀、連續性、用量和位置的正確性。通過相機沿著產品掃描拍照，可以實現對產品表面3D 輪廓的采集。再結合專業的視覺軟件進行處理，可以檢測出涂膠的膠高、膠寬等關鍵信息，確保涂膠質量符合生產要求。

3.4 防錯檢測

通過將工件與存儲的標準場景進行對比，當發現不一致時報警或停產，快速相機可以實現不停線檢測，這不僅能夠有效預防設備損毀，同時也能夠提升生產線的節拍。

使用場景包括涂裝底涂前的遮蔽檢測，用于檢測安裝孔位的遮蔽是否錯裝、漏裝；以及在機器人自動作業前檢測車門是否打開等。

3.5 定位抓取

通過智能相機引導機器人實現主控臺的定位抓取并完成安裝。由于工件的移位和公差，視覺系統能有效地引導機器人進行柔性揀取。例如，在沖壓毛坯時，工業機器人需要通過定位、二次定位以及對中的過程，將毛坯件精準裝載到沖壓機上。

在焊接過程中，料架里的沖壓件越來越多地由工業機器人來撿取，通過視覺相機引導機器人實現風擋玻璃的定位抓取并完成安裝；以及通過3D 相機引導機器人實現前后輪胎輪轂的定位抓取并完成安裝等。

在裝配車間，通過3D 相機引導機器人實現風擋玻璃的定位抓取并完成安裝。

3.6 焊接跟蹤及檢測

由于車身定位和拼裝公差的差異，工業機器人的最優焊接點或軌跡很難確定在一個固定點上。因此，需要通過3D 相機引導機器人進行焊接及焊后的質量檢測。

車頂一般采用激光釬焊的方式進行焊接。為了保證激光釬焊焊縫的美觀，會設置一個焊縫打磨工位對焊縫進行自動打磨，并通過3D 相機對焊縫的質量進行自動檢測，以判斷是否需要對焊縫進行返修。

3.7 在員工合規行為管控上的應用

高清安防攝像頭和機器視覺系統平臺（ 傳統視覺算法& AI深度神經網絡） 的結合，實現了對人員的身份、著裝、安全行為的檢測。

高清攝像頭提供現場視頻流，既作為安防中控室的保安目視監控內容，同時也作為視覺識別的原始素材。

機器視覺系統平臺內置傳統視覺算法和AI 深度神經網絡算法，對視頻素材和圖片素材進行處理，按照復雜程度和算法能力來執行。同時，該平臺對接IIOT 平臺接口，進行聯動處理、應急處理和事件記錄。

應用場景包括安全帽檢測、禁區檢測、口罩檢測、明火檢測、人員識別、行為識別等。

4 結論

智能視覺識別技術具有速度快、工作穩定的顯著優點。與人工檢測相比，智能視覺識別不受視覺疲勞的影響，也不受工人分心的影響，從而確保了檢測的一致性和準確性。

智能視覺識別系統獲取的數據可以存儲在數據庫中，通過大數據技術進行分析，可以進一步實現預測功能，幫助企業提前發現潛在的質量問題，從而有效減少質量缺陷、提高生產節拍和效率。

此外，由于采用了視覺識別技術，取代了傳統的人工檢測，智能視覺識別系統能夠在高溫、噪聲等惡劣環境中工作，具有較長的使用壽命和強大的穩定性。

參考文獻

[1] 蔡旺，王新華.化妝品灌裝線智能上瓶系統的設計和控制[J] .電工技術，2020，（02）：1-4.

[2] 徐赤，王志平， 凌永祥，祝曉春，秦嘉煒.基于智能視覺系統的飲料瓶缺陷檢測技術[J]. 自動化與儀器儀表，2011，（05）：163-167.

[3] 何濤燾，田陸.基于高速CMOS 傳感器的智能線陣相機設計[J]. 傳感器世界，2017，（12）.

[4] 洪靖茹.基于工業機器人與機器視覺的芯片分揀系統設計[J]. 電腦知識與技術，2022（01）.