郝樹新　林錦州　劉芳

摘 要：隨著汽車行業(yè)自動化程度的不斷提升，傳統(tǒng)的人工質(zhì)檢方式已經(jīng)無法滿足日益提高的汽車質(zhì)量檢驗效率需求。機(jī)器視覺技術(shù)以其快速、準(zhǔn)確、智能的特點在汽車質(zhì)量檢驗領(lǐng)域得到快速發(fā)展。本文通過對機(jī)器視覺檢驗技術(shù)的原理進(jìn)行分析，研究機(jī)器視覺在汽車質(zhì)量檢驗領(lǐng)域的應(yīng)用場景，并分析其未來的發(fā)展趨勢。

關(guān)鍵詞：機(jī)器視覺 質(zhì)量檢驗 汽車生產(chǎn)

1 引言

作為國民經(jīng)濟(jì)支柱產(chǎn)業(yè)的汽車制造業(yè)，其自動化程度在現(xiàn)代工業(yè)中處于較高水平，且多個環(huán)節(jié)已做到無人化操作，生產(chǎn)效率得到有效提升，但同時對質(zhì)量檢驗效率的要求越來越嚴(yán)格，傳統(tǒng)的人工檢驗方式已經(jīng)無法滿足汽車生產(chǎn)現(xiàn)場質(zhì)檢的需求。機(jī)器視覺技術(shù)以其快速性、精確性、智能化的技術(shù)優(yōu)勢成為現(xiàn)場質(zhì)檢效率提升的首選，尤其隨著人工智能、工業(yè)大數(shù)據(jù)等技術(shù)的迅速發(fā)展，機(jī)器視覺技術(shù)在汽車質(zhì)量檢驗領(lǐng)域正得到越來越廣泛的應(yīng)用。

2 機(jī)器視覺檢驗原理

機(jī)器視覺主要是指用機(jī)器來代替人眼進(jìn)行測量與判斷。[1]機(jī)器視覺系統(tǒng)通過機(jī)器視覺采集設(shè)備將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)軟件，通過對圖像信號進(jìn)行轉(zhuǎn)換運算抽取目標(biāo)的特征，來進(jìn)行結(jié)果判定。應(yīng)用于質(zhì)量檢驗過程時，主要是通過對被檢對象的圖像信號基于圖像缺陷檢驗算法進(jìn)行處理，判定其是否滿足質(zhì)量檢驗要求。

一套完整的機(jī)器視覺系統(tǒng)主要包括光源系統(tǒng)、圖像采集系統(tǒng)、數(shù)字圖像處理模塊、智能判斷決策和機(jī)械執(zhí)行模塊。[2]隨著人工智能技術(shù)的發(fā)展，現(xiàn)有視覺系統(tǒng)通常集成多種機(jī)器學(xué)習(xí)算法，通過在檢驗過程中的自適應(yīng)調(diào)整不斷對算法進(jìn)行優(yōu)化調(diào)整，以實現(xiàn)更高精度及準(zhǔn)確率的檢驗。[3]

機(jī)器視覺技術(shù)的應(yīng)用方向目前主要聚焦于視覺測量、視覺引導(dǎo)及視覺檢測三個方向，極大的提高了工業(yè)生產(chǎn)中的柔性和自動化程度，尤其對于大批量生產(chǎn)能夠在極大減少人工成本的同時提高生產(chǎn)質(zhì)量。[4]

3 機(jī)器視覺在汽車質(zhì)檢領(lǐng)域應(yīng)用場景

傳統(tǒng)的汽車質(zhì)量檢驗方法主要靠人工的方式進(jìn)行，質(zhì)檢員通過肉眼或工具逐一對整車進(jìn)行人工檢驗，由于人存在主觀判斷誤差及眼睛疲勞因素，人工檢測方法存在檢測質(zhì)量不穩(wěn)定、缺陷不易識別及檢測效率低下的問題。[5]雖然隨著自動化水平的提高，部分自動化檢測設(shè)備也在汽車質(zhì)檢領(lǐng)域得到應(yīng)用，但仍無法滿足汽車行業(yè)日益增長的質(zhì)量管控需求。因此視覺檢驗技術(shù)在汽車行業(yè)得到廣泛應(yīng)用，并基本貫穿了整個汽車生產(chǎn)過程，主要應(yīng)用場景包括工藝檢測、尺寸檢驗、虛擬裝配、錯漏裝檢測等。

3.1 工藝檢測

汽車在生產(chǎn)過程中在沖焊涂總需要經(jīng)過大量使用各種生產(chǎn)工藝，沖壓、焊接、漆面噴涂、涂膠裝配等工藝完成的效果檢驗需進(jìn)行逐一檢驗，由于傳統(tǒng)檢驗方式多數(shù)為人工目視檢驗，因此機(jī)器視覺在工藝檢測方面得到多方面應(yīng)用。

在沖壓車間，如果沖壓件表面出現(xiàn)開裂、劃痕、毛刺、縮頸等表面缺陷，對沖壓件的耐久度、光潔度以及后續(xù)涂裝的整體效果都會產(chǎn)生較大影響，傳統(tǒng)的人工檢驗方式精度及效率較低，機(jī)器視覺技術(shù)的應(yīng)用可更加準(zhǔn)確且穩(wěn)定的實現(xiàn)流水線上沖壓件的缺陷檢測，減少檢測人員的工作負(fù)荷。[6]

在焊裝車間，焊接是結(jié)構(gòu)件成型的重要工藝技術(shù)。焊縫余高及熔寬是評價焊接工藝質(zhì)量的關(guān)鍵要素，目前通過線結(jié)構(gòu)光視覺與工業(yè)機(jī)器人的組合，可實現(xiàn)通過機(jī)器人跟蹤焊縫實時拍攝并檢測焊縫質(zhì)量。[7]但是由于焊接過程中的飛濺、高溫等干擾因素，對焊縫引導(dǎo)和跟蹤檢測系統(tǒng)的防護(hù)功能要求較高。

在涂裝車間，整車漆面質(zhì)量主要通過人工目視檢驗的方式進(jìn)行，但由于噴涂質(zhì)量缺陷種類多、尺寸小、人工肉眼容易疲勞等因素，造成人工檢驗耗時長、效率低下的問題，而且油漆對檢驗人員健康也有所影響，因此機(jī)器視覺檢驗技術(shù)逐步在汽車噴涂缺陷自動檢測方面得到廣泛應(yīng)用。[8]目前主流的漆面質(zhì)量測量系統(tǒng)主要基于反射式條紋偏折法，通過顯示器投影正弦條紋到被測面上，經(jīng)反射后由采集設(shè)備采集，基于相位提取算法對信息進(jìn)行提取，實現(xiàn)漆面檢驗。

在總裝車間，膠粘工藝是擋風(fēng)玻璃及天窗安裝的主要連接工藝。涂膠的位置、截面直徑及連續(xù)性是決定膠條質(zhì)量的關(guān)鍵因素，傳統(tǒng)的人工目視檢驗方法效率低下，同時需用游標(biāo)卡尺等工具進(jìn)行測量，這種直接接觸的方法容易導(dǎo)致膠條變形，測量結(jié)果不夠準(zhǔn)確。[9]而機(jī)器視覺檢測技術(shù)作為一種無接觸的檢測方式，可以實時客觀的判斷涂膠質(zhì)量是否滿足生產(chǎn)標(biāo)準(zhǔn)，極大地提高生產(chǎn)檢測效率。目前涂膠視覺檢測方法包括兩種，一種為涂膠檢測傳感器與膠槍隨動檢測，另一種方法為涂膠完成后進(jìn)行整體拍攝檢驗。

3.2 尺寸檢驗

整車白車身是汽車所有零部件的基本載體，白車身的尺寸精度能夠直接影響車身外形、氣動性能以及零部件安裝匹配精度等，因此對白車身的尺寸控制是車身質(zhì)量管控的重點。傳統(tǒng)的的車身測量方法包括樣架檢測、三坐標(biāo)檢測及在線人工檢測三種方式，但傳統(tǒng)的測量方法測量效率低下，測量數(shù)據(jù)量嚴(yán)重不足，增加了汽車生產(chǎn)的時間成本、人工成本。[10]而機(jī)器視覺檢測技術(shù)能夠為整車尺寸檢驗提供穩(wěn)定且準(zhǔn)確的數(shù)據(jù)支持，主要通過固定式在線測量站及機(jī)器人柔性測量站等在線測量系統(tǒng)，實現(xiàn)對整車車身全過程尺寸的監(jiān)控測量，確保整車質(zhì)量。機(jī)器視覺尺寸測量方法主要包括兩種技術(shù)，激光在線測量技術(shù)及藍(lán)光掃描測量技術(shù)。[11]

激光在線測量技術(shù)主要基于三角測量原理，利用線狀激光構(gòu)造被測的特征，結(jié)合光源照明，獲得被測特征表面信息，通過相機(jī)拍攝特征圖像，將測量圖像中的二維坐標(biāo)基于模型轉(zhuǎn)化為三維空間坐標(biāo)。這種測量方法對于環(huán)境的要求不高，能夠?qū)崿F(xiàn)對整車車身進(jìn)行百分百實時在線測量，且可通過計算機(jī)輸出數(shù)據(jù)報表，自動生成各類尺寸偏差分析圖表。

藍(lán)光掃描測量技術(shù)擺脫了傳統(tǒng)三坐標(biāo)測量的局限性，可實現(xiàn)整體形貌尺寸的測量與分析，測量系統(tǒng)可利用安裝在機(jī)械臂上的掃描儀測量車身的三維形狀，同時將測量結(jié)果與理論模型進(jìn)行比對檢查，以分析檢驗部件的形狀、尺寸及角度等信息，可獲得高密度的測量數(shù)據(jù)，測量效率高，評價也更為全面。

3.3 虛擬裝配

隨著汽車生產(chǎn)過程自動化程度的逐漸增加，多點位人工裝配逐步被工業(yè)機(jī)器人裝配所替代，而如何保證工業(yè)機(jī)器人裝配精度并優(yōu)化裝配過程成為汽車行業(yè)裝配自動化關(guān)注的重點。借助機(jī)器視覺技術(shù)的視覺測量及視覺引導(dǎo)技術(shù)特性，機(jī)器視覺技術(shù)逐漸滲透到汽車制造全過程，比如引導(dǎo)機(jī)器人進(jìn)行最佳匹配安裝以及虛擬匹配安裝等。

基于視覺引導(dǎo)的機(jī)器人自動裝配技術(shù)是目前車身裝配的主流發(fā)展方向，可通過視覺檢測結(jié)果引導(dǎo)機(jī)器人進(jìn)行配件的高精度安裝，極大地提高了環(huán)境適應(yīng)能力及智能化程度。

虛擬裝配主要指的是通過機(jī)器視覺對車身關(guān)鍵尺寸及零部件關(guān)鍵尺寸進(jìn)行測量，通過三維數(shù)據(jù)模型對關(guān)鍵尺寸坐標(biāo)進(jìn)行智能匹配，同時可以借助數(shù)字孿生技術(shù)實時展示三維仿真虛擬裝配過程，分析車身尺寸是否滿足零部件安裝要求，如存在孔位不正或者尺寸偏差問題及時進(jìn)行報警，提醒相關(guān)人員進(jìn)行快速處置，避免長時間停線造成的時間及人工成本增加。

3.4 錯漏裝檢測

汽車產(chǎn)品生產(chǎn)一致性尤其是零部件參數(shù)一致性是目前國家監(jiān)察管控的重點，2020年工信部對部分生產(chǎn)不一致情況的企業(yè)進(jìn)行了監(jiān)督約談，因此如何保證實際生產(chǎn)整車零部件配置參數(shù)與申報公告參與保持一致，并進(jìn)行定期核查成為企業(yè)關(guān)注的重點。[12]由于整車零部件較多，傳統(tǒng)的人工檢驗方式效率低下，且容易判斷錯誤或漏檢，如何利用機(jī)器視覺技術(shù)提高錯漏裝檢驗效率已成為機(jī)器視覺在汽車生產(chǎn)領(lǐng)域的一大重要應(yīng)用場景。

機(jī)器視覺技術(shù)應(yīng)用于錯漏裝檢驗主要包括兩種方式，一種是利用視覺讀碼技術(shù)，通過視覺傳感器讀取零部件信息，實現(xiàn)零部件在生產(chǎn)過程中的可追溯同時可與公告參數(shù)申報信息進(jìn)行自動比對，而避免出現(xiàn)生產(chǎn)差錯。另一種檢驗方式為通過固定點位對整車外觀進(jìn)行拍照，通過機(jī)器視覺識別外觀件型號、顏色及車型配置等，來與整車申報參數(shù)進(jìn)行比對，來判斷是否存在零部件錯漏裝的現(xiàn)象。可與生產(chǎn)一致性管理系統(tǒng)對接，自動進(jìn)行生產(chǎn)一致性參數(shù)核查。除此之外關(guān)鍵緊固件如螺栓、螺柱是否存在錯漏裝也是機(jī)器視覺裝配檢驗關(guān)注的重點。

4 結(jié)語

如今機(jī)器視覺技術(shù)已被廣泛應(yīng)用于汽車生產(chǎn)制造的各個領(lǐng)域，對汽車生產(chǎn)效率及質(zhì)量保證能力的提升起到了極大地推動作用。隨著數(shù)字孿生、虛擬現(xiàn)實及工業(yè)互聯(lián)網(wǎng)等技術(shù)的發(fā)展及逐漸成熟，未來機(jī)器視覺技術(shù)在汽車生產(chǎn)領(lǐng)域的應(yīng)用空間將更加廣闊，對我國汽車產(chǎn)業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化水平的提升也必將起到積極作用。

參考文獻(xiàn)：

[1]朱陽芬，銀冬平，鄒舜章，等.機(jī)器視覺在汽車行業(yè)中的發(fā)展與應(yīng)用[J].汽車實用技術(shù)，2017，000（022）：8-11.

[2]劉科，伍力.基于視覺技術(shù)的汽車制造智能裝備文獻(xiàn)綜述[J].汽車實用技術(shù)，2017（3）：21-24.

[3]湯勃，孔建益，伍世虔.機(jī)器視覺表面缺陷檢測綜述[J].中國圖象圖形學(xué)報，2017，22（12）：1640-1663.

[4]尹仕斌，任永杰，劉濤，等.機(jī)器視覺技術(shù)在現(xiàn)代汽車制造中的應(yīng)用綜述[J].光學(xué)學(xué)報，2018，v.38;No.437（08）：11-22.

[5]張洪峰.機(jī)器視覺在汽車檢測行業(yè)的應(yīng)用研究[J].科技創(chuàng)新與應(yīng)用，2015，000（029）：119-119.

[6]趙珈兿.基于機(jī)器視覺的沖壓件缺陷識別方法研究[D].沈陽工業(yè)大學(xué)，2020.

[7]韓曉勇，段錦，董鎖芹. 基于機(jī)器視覺的汽車焊縫檢測系統(tǒng)[J].長春理工大學(xué)學(xué)報（自然科學(xué)版），2018，41（05）：80-84.

[8]劉赫，林宣樂.汽車涂裝表面質(zhì)量自動檢測技術(shù)及應(yīng)用[J].現(xiàn)代涂料與涂裝，2020，23（05）：42-44.

[9]喬宇.基于機(jī)器視覺的汽車玻璃涂膠質(zhì)量檢測技術(shù)研究. 長春工業(yè)大學(xué)，2020.

[10]廖冰.機(jī)器視覺技術(shù)在現(xiàn)代汽車制造中的應(yīng)用探索[J].時代汽車，2020，No.329（05）：31-32.

[11]余文超，齊二石.在線測量技術(shù)應(yīng)用于白車身的生產(chǎn)尺寸監(jiān)控[J].機(jī)械設(shè)計與研究，2014（2）：96-98.

[12]賀怡，林錦州，郝樹新.燃油汽車一致性全生命周期管理體系研究[J].新型工業(yè)化，2020，10（07）：65-68.