裝置視覺檢測系統的設計與應用

摘" 要：隨著電力行業二次機箱裝置產品的裝配精度越來越高，對機箱裝置生產裝配過程的檢測要求也越來越高。加強機箱裝置裝配過程的質量管控，優化人工檢測成本，該文設計一種機箱裝置檢測系統，該系統包含輔助計算機設備、圖像采集單元、光學鏡頭、CCD攝像機和LED燈等模塊。系統各功能模塊和生產數據平臺之間具有通信連接，通過AOI（自動光學檢測系統）檢測算法，進行生產數據的實時傳輸和分析，實現機箱裝置產品的裝配檢測過程的自動化。檢測內容包括字符絲印內容、裝置二維碼類型位置、按鍵安裝位置和導軌數量等特征。該檢測系統的應用使得裝配過程無須安排人工重復檢測，實現機箱裝置產品的自動化、批量化檢測，提高產品的檢測效率和準確性，大大降低人工檢測的工時成本，起到降本增效的目的。

關鍵詞：視覺檢測；視覺對比；AOI檢測算法；質量管控；降本增效

中圖分類號：TP391" " " 文獻標志碼：A" " " " 文章編號：2095-2945（2025）08-0136-05

Abstract： As the assembly accuracy of secondary chassis device products in the power industry becomes higher and higher， the testing requirements for the production and assembly process of chassis devices are becoming higher and higher. In order to strengthen the quality control of the chassis device assembly process and optimize the cost of manual inspection， the author designed a chassis device inspection system， which includes auxiliary computer equipment， image acquisition unit， optical lens， CCD camera， LED light and other modules. There is a communication connection between each functional module of the system and the production data platform. Through the AOI（Automatic Optical Inspection System） inspection algorithm， real-time transmission and analysis of production data are carried out to realize the automation of the assembly and inspection process of chassis device products. The testing content includes character screen printing content， device QR code type location， button installation location， number of guide rails and other characteristics. The application of the testing system eliminates the need to arrange manual repeated testing during the assembly process， realizes automated and batch testing of chassis device products， improves product testing efficiency and accuracy， greatly reduces the man-hour cost of manual testing， and reduces costs while increasing efficiency.

Keywords： visual inspection; visual contrast; AOI detection algorithm; quality control; cost reduction and efficiency improvement

常州博瑞電力自動化設備有限公司（以下簡稱“我司”）二次電力控保裝置產品需求量大且逐年增長，裝配過程人工重復工作強度大，占用人員多，自檢速度慢，導致產品整體出貨效率低。本文筆者通過引進裝置視覺檢測系統來減少人工工時和數量，提高檢測周轉效率，進而提高裝置產品的整體出貨率。

目前視覺檢測已經走向成熟，隨著圖像處理、光學成像、傳感器和處理器等技術的快速崛起與發展，視覺檢測在人們生產和生活中的應用越來越廣泛，從工業生產到安防以及交通領域，其正在推動包括制造業在內的眾多行業快速轉型。全球“工業4.0”和自動化需求背景下，兼具精準高效特點的機器視覺目前正受到制造業的關注與追捧。

1" 機箱裝置視覺檢測系統需求背景

我司裝置產品目前生產現狀：①裝置產品年均生產訂單需求逐年增加，產品本身數量大種類多，每臺裝置產品裝配環節需要大量的人工自檢工作；②不同裝置導軌裝配位置要求不同，板卡裝配過程中人工自檢難度大，效率低。急需引入智能化視覺檢測系統，集CCD視覺檢測識別、智能周轉、報警顯示等功能于一體，用來替代人工裝配檢測的作業模式。

2" 裝置視覺檢測系統結構設計

檢測系統外形結構采用型材搭建的方式，主要結構組成包括：三色燈、顯示器、相機移動組件、產品工裝載板、電源模塊、UPS模塊和工控機等。配備單面透明玻璃門，從外側可視化觀察到內部對產品檢測狀況（因視覺光源檢測要求可視化，所以采用茶色亞克力板，同時可以降低外部光源對內部視覺檢測的干擾）。工作臺兩側配置2臺視覺相機和可以左右移動的視覺檢測系統，對待測產品的不同部位特征進行自動化的視覺掃描，從而大大減少檢測人員的投入數量，系統整體形式如圖1所示。

相機模組由前后面板相機、平板光源、移動導軌組件等組成，如圖2所示。前面板和后面板各配置2個相機移動組件，伺服電機模組控制視覺相機坐標方向移動，實現相機在前后、左右、上下（X、Y、Z坐標）3個方向的位置任意調節，輔助相機對不同尺寸產品的取樣信息采集。開孔平板光源固定在相機組件頭部，通過移動導軌來測量不同尺寸的產品。機箱裝置產品通過產品工裝載板平行于導軌進入測量工位。光電感應到機箱后傳送帶停止。根據產品的長度，導軌模組移動若干次拍照后，按照前期預設定好的參數進行指定區域的檢測。

3" 裝置視覺檢測系統軟件方案設計

3.1" AOI檢測算法

為實現對裝置產品特征缺陷的高精度檢測，本文筆者設計了一種基于AOI檢測技術的機箱裝置外觀檢測系統。在此系統中，集成計算機設備、圖像采集卡、光學鏡頭、CCD攝像機和LED燈多個模塊，通過建立多個模塊之間的通信連接，實現對裝置產品外觀特征的實時掃描與數據分析。

該系統運用視覺相機掃描提取樣本特征，形成二維圖像，將其存儲在圖像特征庫中作為標準樣板。通過對裝置產品的圖像抓拍、圖像處理和特征比對，精準提煉出檢測圖樣和樣本區別，從而識別分析具體缺陷情況并輸出檢測結果。

AOI檢測算法具體流程：按照指定位置擺放產品→光電觸發后傳送帶停止→模組移動帶動CCD相機進行分段拍照→檢測配方中規定的檢測內容→結果分析→結果信號輸出。傳送模塊設計與現場倉庫料臺同寬同高，方便料臺與檢測系統之間的對接流轉。傳送帶通過移動工裝載具將裝置產品輸送至光電觸發位置后，伺服電機模組驅動相機組件在3坐標方向分段移動拍照，拍照圖片與系統存檔的產品標準樣板對比，檢測結束后警示燈依據檢測結果進行提示。

AOI檢測算法特點在于通過靶標快速定位、裁剪作為一個預處理方式，減小了后續圖像處理的圖像大小，保證了AOI檢測的輸入一致性。將CCD相機掃描到的特征圖形裁剪成單個獨立圖案，同時使用多線程同步檢測來提高系統檢測分析的效率。

3.2" CCD相機布局設計

產品放置在工裝載板上的定位基點，距離攝像頭的基礎拍攝距離為190 mm，為了保證每次拍攝點位的準確定位，光源及相機支架設置為±30 mm可調節形式，便于調節最佳圖像效果。光源角度和產品成45°布局放置，保證產品外觀面可以清晰成像，因為產品外觀金屬漆面反光的原因，光源架的光源角度和距離設置可調。CCD相機的參數選擇：視野（X）80 mm，快門速度1/500 s，工件背景均一色。相機布局高度不超過產品高度。調試安裝時使用隨附的樹脂材料安裝零件進行絕緣安裝。CCD相機布局如圖3所示。

3.3" 視覺檢測內容

視覺檢測內容包括裝置產品正反面印字、面板按鍵、導軌等外形特征缺失、遺漏的識別；支持直觀的顏色抽取、亮度變化以及顏色不均勻的檢測。將視覺相機掃描得到的產品特征圖片顏色處理為白色，其他則為黑色的彩色二值化處理，充分利用彩色CCD的特性，可區別黑白CCD所難以做到的金色和銀色的區分，并執行抽取。除了直觀鼠標點擊方式的設定操作以外，還可通過數值指定進行個別設定。此外，抽取方法采用了分[飽和度][色相][明度]的HSV方式，可以根據亮度變化以及顏色不均勻等抽取狀態的變化原因分別調整參數、實現更穩定的檢測，視覺檢測分析原理如圖4所示。

印字字符特征檢測：對標準產品印字特征掃描并制作模板保存系統；查找圖形中標記位置，根據模板中標記位置和角度（模板默認為0°）進行比對，檢測印錯/反/缺失狀態；沒有找到的印字標記的情況結果列表個數為0，這種情況下有報警提示，如圖5所示。

導軌特征檢測：對標準導軌特征和排布位置進行掃描制作模板；視覺檢測查找圖形中導軌的數量、位置及角度；根據模板對比進行導軌個數位置比較判斷，對導軌數量的缺失，位置錯位的結果進行報錯，如圖6所示。

面板按鍵特征檢測：對標準產品按鍵特征掃描并制作模板保存系統；安裝位置以及正反識別，對檢測字符的匹配分值低于閾值，或者坐標角度與樣板對比的記錄值相差過大的情況進行報警提示，如圖7所示。

4" 裝置視覺檢測系統的應用成果

4.1" 提高產品的檢驗精度

以往的機箱裝置產品檢驗采用批量抽檢、人工目視的檢驗模式，相同工位由不同輪崗人員輪流檢驗，各環節檢驗人員的檢驗效率和檢測能力不同，導致機箱產品的整體檢驗節奏波動大、效率低，檢測穩定性差，交貨產品整體質量把控能力較低，一旦不良品率增高，就會給公司造成巨大的產能缺口。因此，機箱產品的裝配檢驗過程中，這種人工檢驗的模式往往適合產品種類單一，批量裝配少的生產作業模式。對于我司這種種類多樣、訂單量大的裝置產品，設計引入裝置視覺檢測系統，能夠實現裝配自檢環節的工序模塊化、標準化。以實時掃描的產品圖像對比標準的檢驗模板，將產品檢驗精度提升至100％，徹底解決人工自檢效率低，產品檢驗精度低的問題。

4.2" 提高產品的裝配效率

由于機箱產品的檢測貫穿在整個裝配產線的各個環節，因此各環節的人工檢測速度直接影響著機箱產品整體的裝配效率。在企業日益追逐自動化和利潤率的背景下，這種效率較低的人工自檢模式不僅嚴重拖累了整體的生產裝配節拍，也影響著后端采購訂單的交付周期。因此設計并應用機箱產品檢測系統設備，應用AOI視覺識別技術和現代化通信技術的智能化結合，通過CCD視覺相機來代替人工的肉眼重復檢測，實現裝置產品檢測環節的自動化和智能化。使用智能化視覺檢測系統的引入，實現了產品正反面絲印字體、logo、顏色、形狀、位置和導軌輪廓等多個人工自檢工位的合并，使得整個機箱裝配產線的節拍可以穩定控制在2 min以內，換算成一天7.5 h的有效工作時長，理論可達到225臺/d的極限出貨產量，足夠滿足交期緊張的產能需求。這樣的智能化檢測模式大大提升了生產的效率，提升了車間裝配的整體產能。

4.3" 降低人工工時成本

傳統檢測模式的多工位、多工序的人工肉眼檢測，不僅耗費大量工時成本，而且周轉運輸過程同樣冗雜繁瑣。機箱視覺檢測系統占用空間小、通用性高，針對不同大小、不同結構、不同外觀的機箱產品均可進行智能化檢測，是一種高度集成的自動化，智能化的檢測設備。其具體集成了自動流轉、自動識別、自動報錯等多個功能，大幅度減少人工參與，將原本裝配環節中分散的多個檢測環節進行集成合并，避免了產品裝配過程的反復搬運，同時還能夠避免人工搬運環節造成的二次污染，大大降低了人工成本，提高了產品生產的經濟效益。

5" 機箱自動貼標產線的應用價值

本視覺檢測系統實現了裝置產品正反面絲印字體、logo、顏色、形狀、位置和導軌輪廓等多檢測工位的自動化改造升級，與現有的人工檢測模式相比更具集成化，具有較高的智能化、標準化、模塊化水平。相對傳統的人工檢測，裝置視覺檢測系統檢測精度高、檢測效率高、適用范圍廣和通用性高。通用型的定位工裝和多組CCD相機布局可適用不同大小，不同結構種類的裝置產品檢測需求。同時，裝配生產開展的過程中可以直接在控制面板中調整檢測模板與檢測標準，精準地控制整個機箱產品的生產檢測進度，確保產品生產的質量精度與裝置產品的圖紙要求相符。

該視覺檢測系統的應用，可實現機箱裝配過程檢測100%自動化和100%的檢測精度，折合提升每臺產品檢測效率提至50％，裝配線平均人員投入由原來的4人減少為2.5人，且操作人員勞動強度大大降低，從原來的連續單點的人工檢驗模式轉變為批量自動化流水檢測模式，檢驗時間大幅縮短。若設備投入按20萬元計算，操作人員薪資按12萬/a，按操作人員薪資計算，預計 20÷（12×（1+0.5））=1.1 a回本。具體數據統計見表1。

6" 結束語

在智能化制造模式不斷升級的工業背景下，將人工作業的工作模式轉變為智能化、自動化的生產模式，切實有效地提高產能，減少人工成本，是每一個制造企業首要考慮的問題。將現有依賴人工作業的產線進行改造，由局部到整體逐漸升級成自動化產線，多產線改造并舉，最終達到降本增效，精益改善的效果。從長遠角度不僅提高生產制造的整體經濟效益，也為企業智能化車間建設提供了一種有效的思路。

參考文獻：

[1] 楊詩婧.基于視覺測量技術的汽車外觀缺陷視覺檢測方法研究[J].中國機械，2023（18）：69-72.

[2] 王婷婷.機器視覺檢測系統對準誤差分析研究[J].電子工業專用設備，2023（5）：61-66.

[3] 汪國平.基于STM32微控制器的表面缺陷視覺檢測方法[J].現電工電氣，2024（2）：47-52.

[4] 黃聰.基于深度學習的機器人視覺檢測在汽車焊接中的應用[J].專用汽車，2024（1）：89-91.

[5] 徐健康.基于圖像識別技術的電動工具視覺系統應用[J].電動工具，2024（1）：1-13.

[6] 王景剛，黃永馨.多種自動化設備協調的產線物流自動化系統研究[J].工業控制計算機，2019（7）：127-128.

[7] 張紅兵.智能制造技術在工業自動化生產線中的應用[J].造紙裝配及材料，2022，51（1）：13-15.

[8] 孫嵐.自動化產線維修高技能人才需求的研究[J]..科技創新與應用，2014（21）：270-271.