機器視覺在汽車質量檢驗領域的應用研究

郝樹新　林錦州　劉芳

摘 要：隨著汽車行業自動化程度的不斷提升，傳統的人工質檢方式已經無法滿足日益提高的汽車質量檢驗效率需求。機器視覺技術以其快速、準確、智能的特點在汽車質量檢驗領域得到快速發展。本文通過對機器視覺檢驗技術的原理進行分析，研究機器視覺在汽車質量檢驗領域的應用場景，并分析其未來的發展趨勢。

關鍵詞：機器視覺 質量檢驗 汽車生產

1 引言

作為國民經濟支柱產業的汽車制造業，其自動化程度在現代工業中處于較高水平，且多個環節已做到無人化操作，生產效率得到有效提升，但同時對質量檢驗效率的要求越來越嚴格，傳統的人工檢驗方式已經無法滿足汽車生產現場質檢的需求。機器視覺技術以其快速性、精確性、智能化的技術優勢成為現場質檢效率提升的首選，尤其隨著人工智能、工業大數據等技術的迅速發展，機器視覺技術在汽車質量檢驗領域正得到越來越廣泛的應用。

2 機器視覺檢驗原理

機器視覺主要是指用機器來代替人眼進行測量與判斷。[1]機器視覺系統通過機器視覺采集設備將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統軟件，通過對圖像信號進行轉換運算抽取目標的特征，來進行結果判定。應用于質量檢驗過程時，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行處理，判定其是否滿足質量檢驗要求。

一套完整的機器視覺系統主要包括光源系統、圖像采集系統、數字圖像處理模塊、智能判斷決策和機械執行模塊。[2]隨著人工智能技術的發展，現有視覺系統通常集成多種機器學習算法，通過在檢驗過程中的自適應調整不斷對算法進行優化調整，以實現更高精度及準確率的檢驗。[3]

機器視覺技術的應用方向目前主要聚焦于視覺測量、視覺引導及視覺檢測三個方向，極大的提高了工業生產中的柔性和自動化程度，尤其對于大批量生產能夠在極大減少人工成本的同時提高生產質量。[4]

3 機器視覺在汽車質檢領域應用場景

傳統的汽車質量檢驗方法主要靠人工的方式進行，質檢員通過肉眼或工具逐一對整車進行人工檢驗，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量不穩定、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，部分自動化檢測設備也在汽車質檢領域得到應用，但仍無法滿足汽車行業日益增長的質量管控需求。因此視覺檢驗技術在汽車行業得到廣泛應用，并基本貫穿了整個汽車生產過程，主要應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

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

在沖壓車間，如果沖壓件表面出現開裂、劃痕、毛刺、縮頸等表面缺陷，對沖壓件的耐久度、光潔度以及后續涂裝的整體效果都會產生較大影響，傳統的人工檢驗方式精度及效率較低，機器視覺技術的應用可更加準確且穩定的實現流水線上沖壓件的缺陷檢測，減少檢測人員的工作負荷。[6]

在焊裝車間，焊接是結構件成型的重要工藝技術。焊縫余高及熔寬是評價焊接工藝質量的關鍵要素，目前通過線結構光視覺與工業機器人的組合，可實現通過機器人跟蹤焊縫實時拍攝并檢測焊縫質量。[7]但是由于焊接過程中的飛濺、高溫等干擾因素，對焊縫引導和跟蹤檢測系統的防護功能要求較高。

在涂裝車間，整車漆面質量主要通過人工目視檢驗的方式進行，但由于噴涂質量缺陷種類多、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，因此機器視覺檢驗技術逐步在汽車噴涂缺陷自動檢測方面得到廣泛應用。[8]目前主流的漆面質量測量系統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，經反射后由采集設備采集，基于相位提取算法對信息進行提取，實現漆面檢驗。

在總裝車間，膠粘工藝是擋風玻璃及天窗安裝的主要連接工藝。涂膠的位置、截面直徑及連續性是決定膠條質量的關鍵因素，傳統的人工目視檢驗方法效率低下，同時需用游標卡尺等工具進行測量，這種直接接觸的方法容易導致膠條變形，測量結果不夠準確。[9]而機器視覺檢測技術作為一種無接觸的檢測方式，可以實時客觀的判斷涂膠質量是否滿足生產標準，極大地提高生產檢測效率。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量管控的重點。傳統的的車身測量方法包括樣架檢測、三坐標檢測及在線人工檢測三種方式，但傳統的測量方法測量效率低下，測量數據量嚴重不足，增加了汽車生產的時間成本、人工成本。[10]而機器視覺檢測技術能夠為整車尺寸檢驗提供穩定且準確的數據支持，主要通過固定式在線測量站及機器人柔性測量站等在線測量系統，實現對整車車身全過程尺寸的監控測量，確保整車質量。機器視覺尺寸測量方法主要包括兩種技術，激光在線測量技術及藍光掃描測量技術。[11]

激光在線測量技術主要基于三角測量原理，利用線狀激光構造被測的特征，結合光源照明，獲得被測特征表面信息，通過相機拍攝特征圖像，將測量圖像中的二維坐標基于模型轉化為三維空間坐標。這種測量方法對于環境的要求不高，能夠實現對整車車身進行百分百實時在線測量，且可通過計算機輸出數據報表，自動生成各類尺寸偏差分析圖表。

藍光掃描測量技術擺脫了傳統三坐標測量的局限性，可實現整體形貌尺寸的測量與分析，測量系統可利用安裝在機械臂上的掃描儀測量車身的三維形狀，同時將測量結果與理論模型進行比對檢查，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據，測量效率高，評價也更為全面。

3.3 虛擬裝配

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

基于視覺引導的機器人自動裝配技術是目前車身裝配的主流發展方向，可通過視覺檢測結果引導機器人進行配件的高精度安裝，極大地提高了環境適應能力及智能化程度。

虛擬裝配主要指的是通過機器視覺對車身關鍵尺寸及零部件關鍵尺寸進行測量，通過三維數據模型對關鍵尺寸坐標進行智能匹配，同時可以借助數字孿生技術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行報警，提醒相關人員進行快速處置，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

汽車產品生產一致性尤其是零部件參數一致性是目前國家監察管控的重點，2020年工信部對部分生產不一致情況的企業進行了監督約談，因此如何保證實際生產整車零部件配置參數與申報公告參與保持一致，并進行定期核查成為企業關注的重點。[12]由于整車零部件較多，傳統的人工檢驗方式效率低下，且容易判斷錯誤或漏檢，如何利用機器視覺技術提高錯漏裝檢驗效率已成為機器視覺在汽車生產領域的一大重要應用場景。

機器視覺技術應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，通過視覺傳感器讀取零部件信息，實現零部件在生產過程中的可追溯同時可與公告參數申報信息進行自動比對，而避免出現生產差錯。另一種檢驗方式為通過固定點位對整車外觀進行拍照，通過機器視覺識別外觀件型號、顏色及車型配置等，來與整車申報參數進行比對，來判斷是否存在零部件錯漏裝的現象?？膳c生產一致性管理系統對接，自動進行生產一致性參數核查。除此之外關鍵緊固件如螺栓、螺柱是否存在錯漏裝也是機器視覺裝配檢驗關注的重點。

4 結語

如今機器視覺技術已被廣泛應用于汽車生產制造的各個領域，對汽車生產效率及質量保證能力的提升起到了極大地推動作用。隨著數字孿生、虛擬現實及工業互聯網等技術的發展及逐漸成熟，未來機器視覺技術在汽車生產領域的應用空間將更加廣闊，對我國汽車產業數字化、網絡化、智能化水平的提升也必將起到積極作用。

參考文獻：

[1]朱陽芬，銀冬平，鄒舜章，等.機器視覺在汽車行業中的發展與應用[J].汽車實用技術，2017，000（022）：8-11.

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

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

[4]尹仕斌，任永杰，劉濤，等.機器視覺技術在現代汽車制造中的應用綜述[J].光學學報，2018，v.38;No.437（08）：11-22.

[5]張洪峰.機器視覺在汽車檢測行業的應用研究[J].科技創新與應用，2015，000（029）：119-119.

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

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

[8]劉赫，林宣樂.汽車涂裝表面質量自動檢測技術及應用[J].現代涂料與涂裝，2020，23（05）：42-44.

[9]喬宇.基于機器視覺的汽車玻璃涂膠質量檢測技術研究. 長春工業大學，2020.

[10]廖冰.機器視覺技術在現代汽車制造中的應用探索[J].時代汽車，2020，No.329（05）：31-32.

[11]余文超，齊二石.在線測量技術應用于白車身的生產尺寸監控[J].機械設計與研究，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].新型工業化，2020，10（07）：65-68.