機(jī)器視覺在商用車產(chǎn)線的應(yīng)用與研究

摘要：隨著智能制造與新一代信息技術(shù)的發(fā)展，汽車行業(yè)的智能制造已經(jīng)進(jìn)入到深化應(yīng)用、全面推廣階段，智能制造水平明顯提升。而視覺作為智慧工廠的“眼睛”，在其中發(fā)揮著重要的作用與價值。本文以機(jī)器視覺為導(dǎo)向，研究機(jī)器視覺在商用車中的應(yīng)用與發(fā)展，并就機(jī)器視覺的應(yīng)用價值、細(xì)分場景及技術(shù)發(fā)展進(jìn)行詳細(xì)剖析，制定機(jī)器視覺發(fā)展藍(lán)圖，為后續(xù)商用車的智能制造道路提供有力支撐和指導(dǎo)。

關(guān)鍵詞：機(jī)器視覺;智能制造;視覺引導(dǎo);質(zhì)量檢測

中圖分類號：U468.21

文獻(xiàn)標(biāo)識碼：A

0引言

商用車制造是我國工業(yè)生產(chǎn)中十分重要的組成部分，在交通運(yùn)輸、冶金礦產(chǎn)、基建建設(shè)等領(lǐng)域都發(fā)揮著重要的作用，同時在我國裝備制造業(yè)中占據(jù)重要地位[1]?，F(xiàn)今對重型汽車制造自動化要求的提高，尤其是在沖焊涂總四大工藝方面，引導(dǎo)重卡制造向著智能化、數(shù)字化和高質(zhì)量方向發(fā)展[2]。

近年來，得益于汽車“新四化”和高新技術(shù)的蓬勃發(fā)展，中國重汽在產(chǎn)線自動化方面也做出了一定的成績和突破。但現(xiàn)有的裝配及檢測手段仍處于發(fā)展階段，對于新時期工業(yè)4.0標(biāo)準(zhǔn)，以及我國智能制造2025的規(guī)范要求相差甚遠(yuǎn)，亟待去提高和改善生產(chǎn)車間的智能化水平和檢測效率。

為此，本文以機(jī)器視覺為突破點(diǎn)，詳細(xì)闡述視覺技術(shù)在商用車制造，尤其是在中國重汽智能化道路上的應(yīng)用與實(shí)踐。筆者結(jié)合車間實(shí)際需求和行業(yè)發(fā)展趨勢，制定商用車制造中機(jī)器視覺發(fā)展藍(lán)圖，以此來有效指導(dǎo)新時代商用車制造產(chǎn)線的發(fā)展與規(guī)劃，進(jìn)一步增強(qiáng)我國商用車制造的國際競爭力，助力中國實(shí)現(xiàn)2025智能制造。

1機(jī)器視覺在商用車中的應(yīng)用

目前，機(jī)器視覺已被廣泛應(yīng)用于乘用車產(chǎn)線，而在商用車領(lǐng)域的應(yīng)用則剛剛大規(guī)模應(yīng)用，其主要集中于發(fā)動機(jī)、變速器和車橋等總成車間，而整車產(chǎn)線由于其生產(chǎn)的復(fù)雜性和多樣性，進(jìn)展緩慢。在機(jī)器視覺的垂直細(xì)分領(lǐng)域，主要集中于視覺檢測及視覺定位引導(dǎo)方面，2D視覺也逐步往3D視覺拓展，3D視覺的廣泛應(yīng)用將成為行業(yè)的發(fā)展趨勢[3]。本章將從機(jī)器視覺的應(yīng)用價值、細(xì)分領(lǐng)域及技術(shù)發(fā)展3個方面進(jìn)行詳細(xì)闡述，為商用車后續(xù)的智能化發(fā)展提供意見。

1.1機(jī)器視覺應(yīng)用價值

機(jī)器視覺不僅可以作為產(chǎn)線提升及智能化道路的實(shí)施途徑，還可以在企業(yè)生產(chǎn)的成本、質(zhì)量及物流體系中發(fā)揮重要的作用及價值。其在重型汽車的應(yīng)用價值主要有以下幾點(diǎn)。

（1）智能化價值：提升產(chǎn)線自動化，降低重復(fù)繁重人工，助力重型汽車制造產(chǎn)業(yè)的技術(shù)路線升級，成為智能工廠重要的支柱性生產(chǎn)設(shè)備。

（2）成本及質(zhì)量價值：機(jī)器視覺應(yīng)用的加入可大幅降低對人力資源及工位器具的要求，同時提升生產(chǎn)柔性，幫助車企降低成本壓力，提高整車質(zhì)量。

（3）物流自動化：機(jī)器視覺引導(dǎo)的加入可降低對工位環(huán)境的要求，實(shí)現(xiàn)更簡化的庫位從而提升物流環(huán)節(jié)的人機(jī)工程與效率，同時也讓工位的物流自動化更易達(dá)成[4]。

（4）數(shù)據(jù)化需求：機(jī)器視覺應(yīng)用過程中，數(shù)據(jù)化將為工廠質(zhì)量體系監(jiān)控、預(yù)維護(hù)等工作提供優(yōu)質(zhì)的數(shù)據(jù)流[5]。

1.2機(jī)器視覺細(xì)分領(lǐng)域剖析

機(jī)器視覺作為現(xiàn)代工廠的眼睛，在商用車制造中主要有以下2點(diǎn)作用：一是引導(dǎo)機(jī)器人完成工件的精準(zhǔn)裝配;二是提升上下料裝配及整車生產(chǎn)質(zhì)量。以下將結(jié)合視覺技術(shù)與商用車工藝特點(diǎn)，從視覺引導(dǎo)、視覺檢測及掃碼測量幾個垂直細(xì)分領(lǐng)域?qū)C(jī)器視覺在商用車制造中的應(yīng)用進(jìn)行剖析。

1.2.1視覺引導(dǎo)

視覺引導(dǎo)主要通過拍照或測量，引導(dǎo)機(jī)器人準(zhǔn)確到達(dá)下一步工藝所需的空間位置，以彌補(bǔ)工裝器具定位或加工制造誤差帶來的實(shí)時位置變化量，實(shí)現(xiàn)工位的自動裝配或定位[6]。其典型應(yīng)用如圖1所示。

視覺引導(dǎo)的應(yīng)用較為廣泛，在商用車沖焊涂總及各總成生產(chǎn)過程中均有涉足，并以此為基礎(chǔ)提升產(chǎn)線自動裝配能力及智能化水平（表1）。

視覺引導(dǎo)的主要特性有：1參與裝配生產(chǎn)，需具備相機(jī)快速恢復(fù)、替換功能;2要求引導(dǎo)精度高，需與工位器具、機(jī)器人及AGV緊密配合;3依賴工藝及料件形狀特性來設(shè)計(jì)機(jī)器人抓取方式，從而設(shè)計(jì)整體視覺方案。

1.2.2視覺檢測

視覺檢測指的是在固定工位環(huán)境或光照背景下，通過視覺算法對相機(jī)獲取的工位圖像進(jìn)行輪廓、顏色和濾波等一系列特征分析[7]，最終得出類別、缺陷或質(zhì)量的檢測結(jié)果，為質(zhì)檢及后續(xù)的工序提供協(xié)助。其典型應(yīng)用如圖2所示。

視覺檢測應(yīng)用主要集中在涂膠檢測、裝配質(zhì)量及整車精調(diào)3個方面，以傳統(tǒng)圖像算法為基礎(chǔ)，向柔性化和深度學(xué)習(xí)趨勢發(fā)展（表2）。

視覺檢測的主要特性有：1不直接參與生產(chǎn)節(jié)拍;2主要以2D視覺算法為主，根據(jù)場景個性化開發(fā)，關(guān)注質(zhì)量問題。

1.2.3掃碼測量

掃碼追溯主要對各鑄造件和部件的OCR字符碼、條碼及直接部件標(biāo)識碼（DPM）進(jìn)行掃描識別，以此來匹配物料信息，完善整車裝配的可追溯體系。在線測量主要使用激光方式，快速、精準(zhǔn)地對白車身或分總成等檢測工位進(jìn)行尺寸、形狀或間隙面差的測量[8]，實(shí)現(xiàn)對產(chǎn)品生產(chǎn)誤差的測量。其具體應(yīng)用場景如圖3所示。

掃碼追溯的應(yīng)用場景較為固定，且已在重型汽車制造業(yè)大規(guī)模應(yīng)用。而隨著企業(yè)對質(zhì)量把控的重視，在線測量的應(yīng)用也正在逐步推廣（表3）。

掃碼測量的主要特性有：1掃碼技術(shù)成熟，多樣且廣泛;2測量主要用于比對生產(chǎn)的一致性，對制造精度的提升，進(jìn)一步提高整車質(zhì)量。

1.3機(jī)器視覺技術(shù)的發(fā)展

從機(jī)器視覺技術(shù)的發(fā)展來看，已經(jīng)逐步從原有的3C和物流行業(yè)向高端裝備制造業(yè)沉淀，如軌道交通、智能汽車和航空等領(lǐng)域。與此同時，對機(jī)器視覺技術(shù)的適配性和算法精度也提出了更高的標(biāo)準(zhǔn)和要求，并從視覺算法、硬件及現(xiàn)場工藝3個方面進(jìn)行優(yōu)化與發(fā)展。

1.3.1視覺算法

傳統(tǒng)的2D視覺算法已趨于成熟，并向著如何提高產(chǎn)品裝配及質(zhì)量檢測的柔性化、個性化方向發(fā)展。隨著產(chǎn)線2D自動化程度的飽和，3D視覺算法、深度學(xué)習(xí)[9]及無序分揀的需求被大規(guī)模激活與應(yīng)用。特別是柔性化極高的商用車產(chǎn)線，在追求精準(zhǔn)上下料的同時提升各產(chǎn)線的智能化水平。

1.3.2相機(jī)硬件

作為獲取圖像的設(shè)備，相機(jī)硬件不僅是整個視覺系統(tǒng)的基礎(chǔ)，更要適配于越來越復(fù)雜化的工業(yè)環(huán)境，解決如灰塵、溫漂、振動及光照等背景條件。在此基礎(chǔ)上，更要符合視野、精度和掃描時間等全方位、不同層級的檢測需求。

1.3.3現(xiàn)場工藝

現(xiàn)有的視覺引導(dǎo)主要以輔助機(jī)器人完成精準(zhǔn)裝配為主，而隨著工位智能體系的構(gòu)建，機(jī)器視覺在解放勞動力的同時，也在悄然地對工位本體發(fā)生變動。在下游，視覺算法越精密，對工位器具和零部件擺放的要求就越低，從而間接促進(jìn)了工位器具的粗改造及物流成本的降低。在上游，以核心的視覺控制策略參與甚至控制機(jī)器人及AGV的調(diào)度與運(yùn)行，讓整個自動工作站高效運(yùn)轉(zhuǎn)。

2機(jī)器視覺發(fā)展藍(lán)圖

近年來，隨著人工智能和新能源汽車的快速發(fā)展，越來越多的機(jī)器視覺技術(shù)在汽車領(lǐng)域被應(yīng)用或開發(fā)。與成熟的乘用車工廠不同，商用車產(chǎn)線由于其裝配的復(fù)雜性和產(chǎn)品特性，在視覺自動化的道路上還有很大的提升和實(shí)踐空間。在此基于商用車現(xiàn)有產(chǎn)線特點(diǎn)，規(guī)劃出視覺發(fā)展藍(lán)圖，為后續(xù)商用車智能化道路提供意見。

2.1自身視覺能力規(guī)劃

打造基于工藝研究及自動裝配工位為主的智能制造實(shí)施路徑，建設(shè)整車主機(jī)廠自身視覺驗(yàn)證及開發(fā)能力。在2D及3D的視覺引導(dǎo)、視覺檢測領(lǐng)域進(jìn)行實(shí)際項(xiàng)目研究，節(jié)約后續(xù)投資成本及風(fēng)險。

2.2總裝工藝視覺提升

基于現(xiàn)有重型汽車自動化整體水準(zhǔn)，進(jìn)一步規(guī)劃整車及總裝車間的視覺自動工位提升工作，包括輪胎隨動安裝、涂膠質(zhì)量檢測、柔性裝配追溯分揀以及分裝裝配自動化工作站等。

2.3視覺標(biāo)準(zhǔn)庫

基于現(xiàn)有產(chǎn)線視覺產(chǎn)品種類偏多，通信、精度及裝配等沒有統(tǒng)一驗(yàn)證和可衡量的自動化工作站體系。因此，需要規(guī)劃制定車間統(tǒng)一的視覺標(biāo)準(zhǔn)庫，為現(xiàn)有工位的維護(hù)及后續(xù)投資提供視覺基礎(chǔ)，規(guī)避風(fēng)險。

2.4全生命周期視覺設(shè)計(jì)

以視覺為突破口，整合視覺上游（工位器具、工藝料件研發(fā)設(shè)計(jì)）和視覺下游（機(jī)器人裝配、生產(chǎn)數(shù)據(jù)和質(zhì)量體系），形成全生命周期的自動工位設(shè)計(jì)，讓視覺真正受用于重型汽車產(chǎn)線的智能化發(fā)展。

3結(jié)束語

本文主要分析了視覺在商用車領(lǐng)域的應(yīng)用及發(fā)展前景，并根據(jù)重汽現(xiàn)有產(chǎn)線自動化程度規(guī)劃視覺藍(lán)圖，為后續(xù)產(chǎn)線的自動化提升及改造奠定良好的基礎(chǔ)。一方面，在視覺垂直細(xì)分領(lǐng)域，要結(jié)合各總成工藝進(jìn)行剖析與研究，從工位的全生命周期角度探究視覺的潛能和發(fā)展;另一方面要建設(shè)商用車制造自身的視覺驗(yàn)證及開發(fā)能力，為重型汽車的智慧工廠建設(shè)做出貢獻(xiàn)。

【參考文獻(xiàn)】

[1]黨瑛，趙昊，王劍淵，等.重型卡車領(lǐng)域現(xiàn)狀與發(fā)展趨勢研究[J].汽車實(shí)用技術(shù)，2018（13）：219-221.

[2]于宏圖.我國重型汽車技術(shù)發(fā)展現(xiàn)狀及問題與應(yīng)對措施[J].中國設(shè)備工程，2017（19）：164-165.

[3]闞濤，趙躍東.汽車零配件標(biāo)識的3D成像識別在工業(yè)生產(chǎn)中的應(yīng)用[J].電腦知識與技術(shù)，2019，15（5）：223-225.

[4]曾新明.精益時代下汽車制造線邊物流低成本自動化實(shí)踐案例[J].今日自動化，2019（11）：35-36.

[5]張帥，于英杰，趙甲，等.人工智能技術(shù)在汽車制造領(lǐng)域的應(yīng)用分析[J].科學(xué)與信息化，2019（33）：18-19.

[6]翟敬梅，董鵬飛，張鐵.基于視覺引導(dǎo)的工業(yè)機(jī)器人定位抓取系統(tǒng)設(shè)計(jì)[J].機(jī)械設(shè)計(jì)與研究，2014，30（05）：45-49.

[7]王鑫，譚思敏，楊裕才.機(jī)器視覺檢測技術(shù)在汽車缺陷檢測中的應(yīng)用[J].機(jī)電信息，2020（17）：97-98.

[8]胡津銘.激光在線測量在汽車車身尺寸監(jiān)控中的應(yīng)用[J].汽車實(shí)用技術(shù)，2019（07）：48-49+65.

[9]Lee J.Integration of Digital Twin and Deep Learning in Cyber-Physical Systems：Towards Smart Manufacturing[J].2020，38（8）：901-910.

作者簡介：

郭磊，博士，正高級工程師，研究方向?yàn)樯逃密囌嚰瓣P(guān)鍵總成的研發(fā)與應(yīng)用。