圖像識別技術在白車身在線檢測領域的應用

摘 要：在白車身總拼生產過程中，由于生產工藝，來料質量，人工等不確定因素的影響，很多車身質量缺陷無法避免，目前只能通過后續人工返修來修復類似缺陷，如未能及時發現缺陷，帶有缺陷的白車身就會流入油漆、總裝車間，造成重大影響或經濟損失。然而，現在很多車身制造產線中的在線測量設備是拍照式測量，此過程中會產生大量的白車身圖像，圖像中會攜帶大量白車身信息。本文就是提供了將現有車身圖像數據在圖像處理軟件中進行自動化缺陷識別并實時報警的一種解決方案，該方法不僅有效提升了現有數據的利用率，同時可代替人工目視進行自動缺陷檢測，提升了準確率和檢測效率。

關鍵詞：白車身 圖像識別 車身缺陷 在線檢測 智能化

1 前言與背景

Atline在線絕對測量技術于2019年在上汽大眾MEB工廠首次投入使用，該技術的最大技術突破是首次將光學絕對測量技術用于白車身尺寸在線智能檢測，該檢測系統的核心部件采用德國GOM公司生產的Atos測頭，該產品是拍照式尺寸檢測產品，主要通過自帶專用相機對待檢測部分進行單角度或多角度拍照，如圖1所示，利用自帶軟件及算法，從照片中提取尺寸信息，最終完成全車身的尺寸檢測工作。

在線檢測過程中，為了監控測量方案中的所有尺寸，每臺白車身從內至外要拍攝約幾百張照片，照片幅面為1000mm*750mm，分別率為1200萬像素，如圖2所示，該照片為尺寸檢測中的過程產物，目前只是從中提取尺寸信息。但由于其高分辨率和大幅面特性，其中可以清晰的分辨出車身表面的各種目測缺陷，例如焊點，油污，孔錯位，多層鈑金疊加時的切邊錯位等缺陷問題，此類問題傳統的解決方法主要是通過人工目視抽檢完成，基于圖像識別技術的發展，本文主要介紹利用在線光學測量的過程產物-高清圖像，進行二次數據利用及挖掘的一種白車身缺陷檢測的新方案。

2 缺陷類型及傳統解決方法介紹

在白車身總拼生產過程中，由于生產工藝，來料質量，人工等不確定因素的影響，很多車身質量缺陷無法避免，目前只能通過后續人工返修來修復類似缺陷，如未能及時發現缺陷，帶有缺陷的白車身就會流入油漆、總裝車間，會對最終的產品車造成重大影響或經濟損失。

如圖3所示，列舉了常見的白車身缺陷類型，分別是焊點數量、位置及質量檢測，如圖3a所示；沖壓件表面是否有樓沖孔情況檢測，如圖3b所示；雙層或多層鈑金疊加時孔錯位如圖3c所示;以及雙層鈑金切邊止口錯位檢測如圖3d所示等。目前各大汽車制造廠商檢測類似缺陷的方式主要以人工目視為主，目視發現問題進行返修。但存在人工成本高，技術有門檻等通用問題，與此同時，人工目視檢查有一定的主觀性，易疲勞、只能進行抽檢等不足之處。

基于如上生產需求及現有方法的不足之處，本文將現有圖像數據在圖像處理軟件中進行自動化缺陷識別并實時報警，提升了現有數據利用率和缺陷檢測準確率。

3 圖像識別技術在白車身應用流程介紹

圖像識別技術是人工智能的一個主要構成部分，從屬于機器視覺領域，它是指根據圖像像素特征信息對圖像進行數字化處理及分析，從而獲取所需信息或特征進而進行判斷，達到設計目標的過程。該技術在電子元器件的生產，交通違規，考勤支付等領域已經成熟應用，但在白車身缺陷檢測領域還較少。

Atline在線光學測量技術主要是通過自動程序控制的機械臂驅動測量頭對白車身進行尺寸監控的一種手段，該技術主要通過在特定角度拍攝車身照片，從照片中完成尺寸信息獲取的測量技術。由于該技術在產線中的應用，所以在生產過程中每天會生成大量的白車身高清圖像，由于自動程序控制，所以這些圖像在不同車身上的拍攝位置具有高度的位置一致性，因此，為批量自動的圖像識別缺陷檢測提供了實施的數據基礎和可能性。

如圖4所示，為圖像識別技術在Atline在線光學絕對測量工位的應用流程。首先，根據現場質量檢測要求，確認適合圖像識別監控的缺陷類型。確認依據主要是在日常生產過程中，需要人工目測檢查的白車身缺陷，例如鈑金表面開裂，劃傷以及一些功能性的缺陷等。

其次，根據確認好的缺陷類型以及該缺陷在白車身的位置分布情況，在測量項目中選取最佳角度及曝光參數的圖像，將該圖像導出后在圖像識別軟件中進行缺陷的識別以及特征提取，確認可清晰有效進行缺陷檢測后開始進行數據收集，為后續模型制作及優化做數據準備。本文是基于HALCON軟件平臺進行的缺陷模型制作。

最后模型完成離線制作和優化后將其部署在待監控的工位，對后續車型進行批量缺陷監控，在此過程中需將含有缺陷的圖像從測量程序中導出并進行重命名，命名方式需至少包含車輛ID，檢測時間和缺陷位置信息，為報警車輛的返修提供快速車輛定位。

4 圖像識別技術在白車身應用案例介紹

圖5為白車身中常見的缺席類型以及在線測量工位中的圖像信息，在圖像識別軟件中，通過不同算子的組合應用，可快速的對正常圖像和缺陷圖像進行判斷和區分，進而完成自動報警。如圖5a/e關于焊點的檢測，由于焊接工藝的不確定性和目前很多產線還有大量的人工焊槍，時常會出現漏焊或焊點錯位情況，尤其在車身關鍵部位，如出現漏焊或焊點位置偏差會影響車身強度，在后續使用過程中會存有安全隱患，傳統的檢測方式主要是通過人工目測抽檢的形式對白車身進行焊點數量和位置進行檢測；圖5b/f為漏沖孔缺陷，該缺陷是由于在沖孔工藝中某個沖頭失效，一旦產生會導致后續工序無法安裝；圖5c/g為層疊鈑金止口倒高缺陷，該缺陷主要存在車門及前后風窗密封條安裝處，會導致密封條無法正確安裝，造成最終產品車漏水、噪音大等抱怨；圖5d/h孔錯位缺陷，這種缺陷主要都是由于鈑金在焊接匹配過程中存在誤差，導致設計上的同心孔出現錯位遮孔，該缺陷會導致后續工位零件無法正常安裝或某些線束無法正常穿過，造成產品存在缺陷或產品報廢風險等后果。

通過圖像識別技術在在線測量工位應用，無需再在產線上安裝和部署額外的圖像采集設備，利用現有過程數據即可快速準確的識別出車身缺陷，并自動發出警報，如單臺報警可將報警信息發往返修工位并可視化顯示，后續返修工人可提前快速準確定位缺陷類型和位置。如連續多臺同一缺陷報警則可能為批量問題，可將報警信息同時發往相關負責人員和前道相關工位，進行工裝夾具調整或來料復測。

5 總結與展望

通過圖像識別技術在在線測量工位的拓展應用，可有效避免個人主觀性，工作人員的易疲勞等弊端，不僅提高了現有數據的利用率，同時也提高了檢測效率和精度，為未來數字化智能化工廠提供了更多的可能性。隨著國家數字化戰略的推進和機器視覺技術在工業生產中的深入應用，人工智能取代部分人工重復性工作的趨勢日趨成熟，但圖像識別技術在白車身缺陷檢測領域的應用還尚未全面展開，本文初步介紹了圖像識別技術在在線絕對測量檢測系統的中應用，重點是對現有圖像數據二次應用方面的開發嘗試，但該方法不局限于現有數據的開發，也不局限于當前的在線測量工位，各大主機廠白車身的inline檢測系統以及離線測量室的Offline測量系統，只要是拍照時測量設備，都可以嘗試運用本文中提到的解決方案，更有效，更精準，更全面的自動檢測車身缺陷，如有必要也可在線集成或改造專有硬件，建立關鍵缺陷的在線檢測工位，如涂膠，匹配，車型配置等。

參考文獻：

[1]白云亮等.Atline光學在線絕對測量技術在白車身尺寸測量及監控領域的研究與應用.時代汽車.2020（09）：138-140.

[2]詹志明.基于圖像處理的金屬機械零件表面微缺陷檢測方法.湖南文理學院學報.2022（06）19-24.

[3]胡丹等.焊縫表面缺陷激光視覺傳感HOG-SVM的檢測方法.焊接學報.2023（07）：57-62，70.

[4]王健等.基于圖像分割的鋼板表面缺陷識別.北京交通大學學報.2016（06）：47-52.

[5]胡亮等.基于線陣CCD鋼板表面缺陷在線檢測系統的研究.計量學報.2005（04）：200-203.