機器視覺技術(shù)在汽車制造行業(yè)中的應(yīng)用研究

黃樺 滕海渤 劉義法 徐燕 陳吉剛

（上汽通用東岳動力總成有限公司，煙臺 264006）

1 前言

機器視覺技術(shù)是通過機器視覺產(chǎn)品，即圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號，圖像系統(tǒng)對這些信號進行各種運算來抽取目標(biāo)的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。作為工業(yè)之眼的機器視覺技術(shù)是智能制造時代和工業(yè)4.0 時代實現(xiàn)工業(yè)自動化、智能化和互聯(lián)化的必要技術(shù)手段之一，近年來在汽車制造行業(yè)機器視覺技術(shù)在自動缺陷檢測、智能識別、智能測量、智能檢測和智能互聯(lián)方面飛速發(fā)展和迭代更新，機器視覺技術(shù)是是人眼在機器上的延伸，是利用機器代替人眼來做測量和判斷的一項綜合技術(shù)，它易于信息集成，是實現(xiàn)計算機集成制造的基礎(chǔ)技術(shù)。機器視覺技術(shù)的作用是可以提高質(zhì)量檢測的可靠性，提高生產(chǎn)效率、生產(chǎn)柔性和生產(chǎn)的自動化程度，在危險的工作環(huán)境中它可以替代人工視覺進行目視檢查，從而滿足制造過程中人機工程的需求[1]。機器視覺技術(shù)的主要功能主要集中在以下8 個方面。

a.生產(chǎn)過程自動檢測，提高生產(chǎn)效率；

b.質(zhì)量提升和質(zhì)量保證；

c.改進生產(chǎn)流程，改善人機工程；

d.零件的精確測量；

e.柔性化和集成化生產(chǎn)；

f.生產(chǎn)過程監(jiān)控；

g.降低生產(chǎn)成本；

h.縮短產(chǎn)品進入市場的周期時間。

2 機器視覺技術(shù)在智能制造中的應(yīng)用和分類

機器視覺技術(shù)是人工智能落地到汽車制造領(lǐng)域中不可或缺的一環(huán)，隨著科技日新月異的發(fā)展，機器視覺技術(shù)在智能制造和工業(yè)4.0 時代在汽車制造行業(yè)中應(yīng)用的比重將會越來越大。

2.1 機器視覺在智能制造中主要應(yīng)用

目前機器視覺技術(shù)主要在電子及半導(dǎo)體、汽車制造、醫(yī)藥制造等領(lǐng)域廣泛應(yīng)用，其中在電子及半導(dǎo)體中的應(yīng)用約為47%，在汽車制造中的應(yīng)用約為16%，在醫(yī)藥制造行業(yè)中的應(yīng)用約為7%，在其它行業(yè)中的應(yīng)用約為30%。隨著汽車電動化、網(wǎng)聯(lián)化、智能化、共享化浪潮的席卷，機器視覺在汽車制造領(lǐng)域中的應(yīng)用越來越廣泛和深入，應(yīng)用占比也越來越重，其在汽車制造智能制造行業(yè)中的主要應(yīng)用如下[2-4]。

a.引導(dǎo)和定位。一般采用3D 視覺，準(zhǔn)確定位并引導(dǎo)機器手臂尋找物料位置，抓取物料放到指定位置進行上下料操作；

b.外觀檢查。這是取代人眼最多的環(huán)節(jié)，取代人眼進行零件缺陷檢查，如機加工環(huán)節(jié)的劃傷、磕碰傷等缺陷，裝配環(huán)節(jié)多裝、漏裝、錯裝和裝反等缺陷；

c.高精度檢測。測量是工業(yè)的基礎(chǔ)，對于人眼無法識別的0.01～0.02 mm 甚至微米的高精密度零件必須使用機器識別完成；

d.智能識別。對圖像進行處理、分析和理解，識別目標(biāo)對象，并進行數(shù)據(jù)的追溯和采集。應(yīng)用大數(shù)據(jù)進行快速收斂，在海量信息中尋找關(guān)鍵特征。

e.智能互聯(lián)。主要應(yīng)用為汽車的無人駕駛技術(shù)，在智能制造場景中將操作人員、工藝設(shè)備、生產(chǎn)物料、生產(chǎn)環(huán)境等數(shù)據(jù)互聯(lián)，通過深度學(xué)習(xí)、智能優(yōu)化、智能預(yù)測等展示出工業(yè)4.0 的威力。

2.2 機器視覺和人類視覺的區(qū)別與聯(lián)系

如表1 所示，機器視覺技術(shù)相較于人眼有很多的優(yōu)點和差異，這也是其在工藝制造領(lǐng)域廣泛應(yīng)用的重要原因。

表1 機器視覺VS人類視覺

2.3 工業(yè)應(yīng)用視覺相機分類

機器視覺主要采用的是工業(yè)相機，當(dāng)前世界上工業(yè)相機的知名廠家有美國康耐視(Cognex)、美國NI（National Instruments）、美國邦納（Banner）、日本基恩士(Keyence)、日本歐姆龍(Omron)、日本松下(Panasonic)、加拿大達爾薩(Teledyne Dalsa) 、瑞士堡盟(Baumer)等公司，汽車行業(yè)當(dāng)前應(yīng)用美國康耐視和日本基恩士相機居多。如圖1 所示，工業(yè)相機主要分類如下。

圖1 工業(yè)相機主要分類

3 機器視覺系統(tǒng)

如圖2 所示，機器視覺系統(tǒng)主要由圖像采集單元、圖像處理單元、圖像處理軟件、網(wǎng)絡(luò)通信裝置等構(gòu)成。圖像采集單元相當(dāng)于CCD 或CMOS 相機和圖像采集卡，將光學(xué)圖像轉(zhuǎn)換為模擬或數(shù)字圖像并輸出至圖像處理單元；圖像處理單元類似于圖像采集和處理卡，對圖像采集單元的圖像數(shù)據(jù)進行實時的存儲，并利用圖像處理軟件進行圖像處理；圖像處理軟件主要在圖像處理單元硬件環(huán)境的支持下完成圖像處理功能；網(wǎng)絡(luò)通信裝置主要完成控制信息、圖像數(shù)據(jù)的通信任務(wù)[5]。

圖2 機器視覺系統(tǒng)主要構(gòu)成

3.1 圖像采集單元

3.1.1 照明光源

機器視覺中照明光源的主要作用為可以構(gòu)建足夠的取像環(huán)境，保證光線穩(wěn)定，可以用于突出將要識取物體的顏色；照亮目標(biāo)，提高目標(biāo)亮度；形成最有利于圖像處理的成像效果；克服環(huán)境光干擾，保證圖像的穩(wěn)定性；用作測量的工具或參照等。

機器視覺的照明光源可分為鹵素?zé)?、白織燈、氙氣閃光燈、激光燈、熒光燈和發(fā)光二極管等，其中發(fā)光二極管因為體積小、耗電低、使用壽命長、反應(yīng)迅捷、運行成本低、無毒環(huán)保、可制成各種形狀、尺寸及各種照射角度等優(yōu)點被廣泛采用。

3.1.2 工業(yè)相機鏡頭

工業(yè)相機鏡頭是獲取圖像的工具，根據(jù)光感原理不同可分為互補金屬氧化物半導(dǎo)體（CMOS）和電荷耦合無件（CCD），將光學(xué)影像轉(zhuǎn)化為數(shù)字信號的半導(dǎo)體元器件工廠一般采用CCD（使圖像更利于后期處理），獲取信息穩(wěn)定。如圖3 所示，鏡頭按照視場、鏡頭光圈、焦距和接口主要有以下4種分類。

圖3 工業(yè)相機鏡頭分類

鏡頭的主要技術(shù)參數(shù)有焦距（EFL），短焦距提供廣角視野，而長焦距提供望遠視；視場角（FOV），也叫視野范圍，相機實際拍到區(qū)域的尺寸，主要與元件尺寸、相機和元件之間的工作距離、鏡頭的類型等有關(guān)，F(xiàn)OV=傳感器尺寸/光學(xué)倍率；放大倍率（Magnification）又稱光學(xué)放大倍數(shù)，像高和物高的大小之比，CCD/FOV，即芯片尺寸除以視野范圍；景深表示聚焦清楚的范圍，指的是物體在對焦清楚時,可移動的范圍；鏡頭接口（Mount）是鏡頭與相機的連接方式，常用的包括C、CS、F、V、T2、Leica、M42x1、M75x0.75 等，C 接口是工業(yè)鏡頭常用的一種接口；靶面大小是感光元器件對角線尺寸；清晰度是分辨率和反差綜合表現(xiàn)的結(jié)果，分辨率代表鏡頭記錄物體細節(jié)的能力，分辨率越高的鏡頭成像越清晰；光圈數(shù)（F.No）F數(shù)值是光通過鏡頭量大小的表示。F數(shù)值愈小表示通過的光量多，F(xiàn)數(shù)值是焦距長和有效開口的比值，F(xiàn).No=EFL/D，鏡頭的光圈大小決定圖像的亮度，在拍攝高速運動物體、曝光時間很短的應(yīng)用中，應(yīng)該選用大光圈鏡頭，以提高圖像亮度。

3.1.3 照明技術(shù)

亮視野和暗視野。亮視野就是直接接收反射光，暗視野則是接收散射光，暗視野則可以觀察到物體的輪廓，把一些結(jié)構(gòu)上的問題顯現(xiàn)出來。

曝光。曝光正常是指不過曝也不欠曝，過曝是指拍的畫面很亮，欠曝是指拍的畫面很暗。

偏光技術(shù)、偏振片與偏振光。用于減少眩光或鏡面反射，控制從有光澤的元件的鏡面反射的量，光線經(jīng)偏振片過改變傳播方向，鏡頭前的分析片配合使用。優(yōu)點是可以使鏡面反射和漫反射分開，缺點是由于偏振片，要求更高的光強度。

3.2 圖像處理單元

如圖4 所示，圖像處理過程大致分為4 個步驟：首先是拍攝，按下快門，拍攝圖片；第二步是傳送，將圖像數(shù)據(jù)由照相機傳送到控制器；第三步是處理，處理分為前處理，即為對圖像數(shù)據(jù)進行加工，使其特征更加明顯，測算處理，根據(jù)圖像數(shù)據(jù)對于損傷、尺寸等進行測算；第四步是輸出結(jié)果，將處理結(jié)果以信號的形式輸出到相連的控制裝置如PLC 中[6]。

圖4 圖像處理流程圖

以康耐視相機為例，圖像處理的方法有圖案匹配（PatMax）、直方圖（Extract Histogram）、找邊或片段（Find Line/Segment）、斑點（Extract Blobs）幾種方式。PatMax 圖案工具用來訓(xùn)練圖案特征，將圖像與圖案庫進行對比，以便驗證或者識別圖像中特定的圖案特征。該工具主要應(yīng)用于確保在生產(chǎn)線上運行的產(chǎn)品的正確性，或者要辨別哪個產(chǎn)品在正確運行，并將該信息傳達到其他車間設(shè)備。相機的接受閾值用于定義在模型圖案和找到的圖案之間必須存在的相似程度。PatMax 圖案與像素格無關(guān)，其特征為表現(xiàn)圖像中不同區(qū)域間分界線的輪廓以特征為基礎(chǔ)的表現(xiàn)形式比以像素表現(xiàn)形式更快并更準(zhǔn)確地被轉(zhuǎn)換。PatMax 是有效的圖案定位搜索技術(shù)，能夠處理旋轉(zhuǎn)及角度變化等內(nèi)容，PatMax 也可以考慮或忽略額外特征。

采用直方圖可以判斷特征是否存在，是否有漏裝，直方圖搜索框內(nèi)的明暗像素總數(shù)（像素就是圖像的最小信息單元），打分代表搜索框內(nèi)白點或黑點的個數(shù)，圖5 所示為相機直方圖二值化變速箱油泵油封總成零件紅圈內(nèi)位置，該工位相機采用了直方圖檢測油泵油封總成零件件是否存在漏裝，為防止PATMAX 失效情況下的補充檢測，采用二值化處理方式，當(dāng)有油泵油封零件時為黑色，當(dāng)沒有油泵密封時此區(qū)域是純白的（設(shè)置閾值為40，分值小于40 視為油泵油封零件無漏裝，檢測合格；分值大于40 則檢測結(jié)果判斷為油泵油封零件漏裝，此處打分代表搜索框內(nèi)白點的個數(shù)）；找邊函數(shù)用于搜索區(qū)域內(nèi)的邊特征；斑點工具用于查找一組灰階值高（低）于規(guī)定閾值的像素組，該函數(shù)用于查找暗背景上的亮點。

圖5 相機直方圖二值化油泵油封特征

3.3 信息通訊單元

工業(yè)相機的常見接口類型主要有模擬接口、Cameralink、Usb2.0、1394a、1394b、CigE、Ethernet 等,目前汽車制造行業(yè)現(xiàn)場生產(chǎn)采用的相機主要采用以太網(wǎng)（Ethernet）通訊。

4 機器視覺算法

二值化算法。灰度化是在RGB（Red,Green,Blue）模型中，如果R=G=B 時，則彩色表示一種灰度顏色，其中R=G=B 的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度值），灰度范圍為0～255。一般常用的是加權(quán)平均法來獲取每個像素點的灰度值。圖像的二值化就是將圖像上的像素點的灰度值設(shè)置為0 或255，也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而能凸顯出目標(biāo)的輪廓[7]。在汽車制造過程中如發(fā)動機和變速箱涂膠照相檢測、打鋼印號照相照相檢測等就是采用二值化算法進行處理的。

缺陷（瑕疵）檢測算法。采用相機檢測區(qū)域的濃淡度，是通過對區(qū)域內(nèi)進行區(qū)段劃分,每個區(qū)段進行比較檢測。從而檢測出差距大的部分（通過濃度微分判定）。亮度工具根據(jù)平均灰度值決定特征存在與否。適用于好元件特征明顯暗于或亮于壞元件特征的情況。

通過對產(chǎn)品X、Y、XY、半徑、圓周等任意方向的掃描，可根據(jù)檢測對象選擇區(qū)段的大小、方向、比較間隔、移動量。用顏色表示瑕疵等級（深藍→淺藍→綠→黃→紅），可以用二維的形式確認(rèn)瑕疵的范圍和分布。在汽車制造過程中的應(yīng)用取例主要為根據(jù)明暗度確定有無機加工孔，發(fā)動機和變速箱安裝零件，是否漏擰螺栓，是否有機加工刀痕等。

深度學(xué)習(xí)與機器視覺。深度學(xué)習(xí)是機器學(xué)習(xí)的一個領(lǐng)域，這種技術(shù)可以對相機軟件進行訓(xùn)練并讓其具備學(xué)習(xí)能力，深度學(xué)習(xí)可以通過人工神經(jīng)網(wǎng)絡(luò)等架構(gòu)完成，通過處理數(shù)據(jù)和創(chuàng)建用于決策制定的模式，來模仿人類大腦的工作方式。在深度學(xué)習(xí)算法出來之前，對于視覺算法來說大致可以分為特征感知，圖像預(yù)處理，特征提取，特征篩選，推理預(yù)測與識別這5 個步驟?？的鸵曄鄼C基于一套最先進的機器學(xué)習(xí)算法把深度學(xué)習(xí)作為傳統(tǒng)機器視覺的一種補充，通過樣本對系統(tǒng)進行訓(xùn)練，以區(qū)分可接受的變化和缺陷，專為工廠自動化應(yīng)用設(shè)計，目前已是廣泛測試并優(yōu)化的可靠軟件解決方案，深度學(xué)習(xí)算法也用于汽車無人駕駛技術(shù)[8]。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）與機器視覺。機器視覺里經(jīng)常使卷積神經(jīng)網(wǎng)絡(luò)，即CNN，是一種對人腦比較精準(zhǔn)的模擬。實際上在機器視覺里面，可以把卷積當(dāng)做一個抽象的過程，就是把小區(qū)域內(nèi)的信息統(tǒng)計抽象出來。圖像中不同數(shù)據(jù)窗口的數(shù)據(jù)和卷積核（一個濾波矩陣）作內(nèi)積的操作就叫做卷積。其計算過程又稱為濾波（Filtering），卷積的本質(zhì)是提取圖像不同頻段的特征。卷積神經(jīng)網(wǎng)絡(luò)的深度太淺的話，識別能力往往不如一般的淺層模型，但如果做得很深，就需要大量數(shù)據(jù)進行訓(xùn)練，否則機器學(xué)習(xí)中的過擬合將不可避免[9]。

5 汽車制造行業(yè)中機器視覺技術(shù)的應(yīng)用

5.1 機器視覺技術(shù)在汽車發(fā)動機制造過程應(yīng)用

在發(fā)動機制造過程中，機器視覺可用于以下場景。

缸體缸蓋上下線，機器視覺引導(dǎo)機械手把缸蓋抓取到自動引導(dǎo)車（AGV）上或從AGV 上取下來。

缸體打鋼印號打印質(zhì)量檢測。如圖6 所示，主要檢測原理為使用OCR 字符檢測功能建立字符庫，檢測時根據(jù)字符庫的內(nèi)容進行字符比對，得出字符與PLC 提供的字符進行比對，當(dāng)相機拍照后檢測到的鋼印號與碼塊中EUN 碼不一致時，則相機則報警，發(fā)動機打入返修岔道或返修區(qū)。為了減少機器視覺檢測過程中的誤報警，需要注意以下事項。

圖6 發(fā)動機鋼印號機器視覺檢測

a.采用定焦鏡頭提升拍照穩(wěn)定性；

b.相機程序中“分段讀取分別比對”比“整條讀取比對”更能提高檢測準(zhǔn)確度，建議采用前者；

c.缸印號面有水漬、油漬、銹蝕、雜質(zhì)，會影響照相檢測效果，保持鋼印面清潔度；

d.鋼印號打號頭反光和位置不穩(wěn)定會影響照相檢測效果，打號頭需涂上黑色防止反光并保持位置穩(wěn)定或相機軟件程序設(shè)置延時拍照；

e.鋼印號字符質(zhì)量穩(wěn)定性會影響照相檢測效果，相機軟件需要深度學(xué)習(xí)持續(xù)訓(xùn)練模板。

零件漏裝缺陷或型號檢測。檢測過程為對零件的有無和型號進行檢測，如漏裝或型號錯誤則相機報警，待裝配的發(fā)動機、變速箱等不能放行到下一工位。也廣泛應(yīng)用于其它汽車零部件漏裝和型號錯裝檢測（如氣門、油封、柔性盤、缸體、缸蓋、凸輪軸、活塞等零部件型號錯裝檢測，氣門、油封彈簧等零部件漏裝檢測等）。汽車零件的型號識別可通過代碼識別、讀取字符和模式識別3 種方式實現(xiàn)。代碼識別主要分為條形碼、二維碼、標(biāo)簽碼和DPM 碼；讀取字符分為OCR 和OCV2 種方式；模式識別分為顏色和形狀2 種。如圖7 為汽車發(fā)動機缸蓋氣門桿型號和有無檢測，一開始為色標(biāo)進行視覺防錯識別，因為相機檢測誤報警較多，更改為字符進行視覺防錯識別。汽車零件上用于機器視覺識別的字符和色標(biāo)建議采用差異大的組合進行防錯，字符件不建議組合為1/7、2/3/5/6、8/0，其余字符組合均可；色標(biāo)件建議組合為白/藍、白/紅、藍/黃、紅/黃組合，其余組合差異較小，采用相機進行視覺防錯時誤報警較多，現(xiàn)場參考件盡量與正常件狀態(tài)保持一致。零件油太多容易反光時，相機可選擇采用穿透性強的紅外光源。

圖7 發(fā)動機缸蓋氣門桿有無及型號機器視覺檢測

涂膠質(zhì)量照相檢測。如發(fā)動機油底殼、油封、罩蓋、前蓋涂膠等。視覺檢測防錯過程為照相檢測涂膠軌跡與斷膠，通過檢測得出膠線軌跡，對整個軌跡進行檢測，任意點出現(xiàn)軌跡偏移或斷膠則相機報警，工件不能流入到下一個工位。如圖8 所示為發(fā)動機前蓋涂膠相機檢測。采用工業(yè)相機進行涂膠質(zhì)量檢測時涂膠軌跡和涂膠質(zhì)量不穩(wěn)定對相機檢測效果有影響，如較小區(qū)域膠條過短、膠條起始粗、結(jié)尾細、重疊、拖尾、軌跡較差等情況出現(xiàn)時相機檢測誤報警率高，需要對相機參數(shù)進行調(diào)整；涂膠頭歪斜或清潔不干凈涂膠軌跡偏相機誤報警率高，需要每班或長時間停機時對涂膠頭進行及時清理和檢查；油底殼涂膠這種黑底黑膠的視覺防錯檢測，采用偏振片能更突出膠條輪廓。

圖8 發(fā)動機前蓋涂膠軌跡和斷膠機器視覺檢測

發(fā)動機缸體軸瓦分級字符比對視覺檢測。

檢測原理：使用OCR 字符檢測功能建立字符庫，檢測時，根據(jù)字符庫的內(nèi)容進行字符比對，得出字符同時讀取二維碼信息，進行相互驗證保證萬無一失。視覺檢測技術(shù)方面主要注意相機檢測程序中曝光度參數(shù)合理設(shè)置和模板設(shè)置。

發(fā)動機活塞和連桿瓦蓋安裝方向比對視覺檢測。檢測原理為采用形狀模式識別與標(biāo)準(zhǔn)特別比較，設(shè)置自己的模板，進行特征點比對如不一致則相機拍照后報警，發(fā)動機打入返修岔道或環(huán)線。視覺檢測技術(shù)方面主要注意相機檢測程序中曝光度參數(shù)合理設(shè)置和模板設(shè)置。

發(fā)動機和變速箱車間也采用3D 相機進行涂膠檢測，搖臂安裝狀態(tài)檢測和機器人自動抓取等，如圖9 所示為3D 相機引導(dǎo)發(fā)動機高壓油泵涂膠。

圖9 3D機器視覺技術(shù)在發(fā)動機涂膠中引導(dǎo)追隨中的應(yīng)用

5.2 機器視覺技術(shù)在汽車變速箱制造過程中的應(yīng)用

機器視覺在變速箱制造車間主要的應(yīng)用場景為缺陷檢查、防錯、定位、測量和二維碼識別。防錯是通過特征等對比分析，判斷工件有無、裝反、裝不到位或型號差異；定位是通過二維、三維定位輸出工件坐標(biāo)值以引導(dǎo)機器運動路徑；測量是通過對產(chǎn)品進行檢測，獲得所需的各種參數(shù)用于質(zhì)量判斷及工藝改進；二維碼識別是讀取產(chǎn)品一維碼、二維碼，獲取產(chǎn)品型號并進行追溯。圖10 為某變速箱裝配車間50 多個相機的應(yīng)用分布情況，主要用于檢測工件是否安裝到位、工件有無和型號防錯三種應(yīng)用。

圖10 機器視覺技術(shù)在某變速箱車間應(yīng)用類別分布

機器視覺定位方面的應(yīng)用是零件定位及抓取料、機器路徑引導(dǎo)。如變速箱殼體總成和變扭器殼體總成上下線，機器視覺引導(dǎo)機械手把變速箱殼體總成和變扭器殼體總成抓取到AGV 上，或從AGV 上抓取下來[10]。

檢測KIT 盤或配餐盒中零件正確性。檢測KIT 盤或配餐盒控制閥體和電磁控制閥體的閥芯、彈簧、悶蓋等零件有無或放置位置是否正確，拍照結(jié)果與標(biāo)準(zhǔn)模板比較，如不一致則相機報警，KIT盤或配餐盒無法流入到下一個工位。

零件檢測測量，如通過檢測卡簧2 個孔之間的距離判斷卡簧是否安裝到位等。

檢測變速箱太陽齒輪有無和差速器型號是否正確，卡簧是否漏壓裝、裝不到位等。

檢測電磁閥體線束卡扣是否漏安裝、是否未安裝到位。如圖11 所示根據(jù)固定范圍內(nèi)的彩色直方圖檢測區(qū)域，卡扣到位及不到位彩色直方圖red值小于一定數(shù)值為正確，red 值大于一定數(shù)值為不到位。例如，根據(jù)不到位缺陷件情況設(shè)置判斷閾值為180，直方圖檢測區(qū)域red 打分值小于180 為到位，red 打分值大于180 為不到位，判斷閾值需要根據(jù)實際缺陷件情況進行設(shè)置和驗證。

圖11 采用機器視覺技術(shù)檢測變速箱線束卡扣是否安裝到位或漏安裝

檢測電子閥體壓裝水平度。檢測原理為首先建立圖案模型，然后對圖案進行定位，判斷旋轉(zhuǎn)角度，進行是否合格判斷，如不合格則相機報警，工件不會流入到下一個工位。

CARE工位和終檢工位客戶特性和質(zhì)量缺陷檢測。如機加工光孔、螺紋孔是否漏加工，變速箱封堵和壓力測試塞是否漏擰或漏安裝，變速箱線束接頭插針是否歪斜等均可以采用機器視覺進行防錯。

如圖12 所示為某車間機器視覺應(yīng)用過程中的一年內(nèi)相機誤報警影響設(shè)備開動率的影響因素分布。在圖像捕獲階段光源亮度、圖像定位、零件來料表面質(zhì)量的一致性、零件表面是否帶油、曝光量、焦距都會影響拍照質(zhì)量，而相機的視野會影響到成像的范圍。針對程序造成的相機誤報警問題，主要通過增加訓(xùn)練樣本量，根據(jù)樣本數(shù)據(jù)優(yōu)化參數(shù)；針對來料差異造成的相機誤報警問題，主要通過優(yōu)化相機參數(shù)（如曝光量、判斷閾值等）；針對光線造成的相機誤報警問題，主要對相機所在工位增加黑箱，保證光線穩(wěn)定性，或者考慮對部分天窗進行有色處理。

圖12 照相機開動率影響潛在因素匯總

5.3 機器視覺技術(shù)在汽車整車制造過程中的應(yīng)用

機器視覺技術(shù)在汽車整車制造工程的車身、油漆、沖壓和總裝中也有著廣泛的應(yīng)用。主要應(yīng)用于汽車制造質(zhì)量缺陷檢測，如零件錯裝、漏裝和裝反，螺紋孔有無、加工刀紋、裂紋、毛刺、鎖孔、焊接質(zhì)量等；二維、三維視覺測量，可實現(xiàn)汽車零部件3D 尺寸檢測，組合件尺寸檢測、測量、面板檢測、車身平整度檢測等；視覺定位或引導(dǎo)系統(tǒng)，機器人二維定位系統(tǒng)如自動擰螺絲機、自動焊錫機、自動點膠機，機器人三維視覺引導(dǎo)系統(tǒng)，如自動引導(dǎo)涂膠、零部件加工、分揀和組裝；設(shè)備診斷、測試、維護；機器人控制、CNC 加工；物料搬運設(shè)備，如零件分揀、碼垛和拆垛等；設(shè)備運動控制，如汽車自動駕駛、自動操作等；連續(xù)處理和批處理等。

6 機器視覺在汽車制造應(yīng)用中未來發(fā)展趨勢

機器視覺技術(shù)在汽車制造行業(yè)未來的應(yīng)用方面的發(fā)展趨勢如下。

a.汽車零件的無序零件定位抓??；

b.汽車零件的表面缺陷檢測；

c.基于深度學(xué)習(xí)的防錯檢測；

d.汽車零件尺寸的智能測量；

e.基于復(fù)雜邏輯的智能化判斷的智能檢測；

f.智能互聯(lián)技術(shù)和無人駕駛等。

7 結(jié)束語

本文通過機器視覺技術(shù)基礎(chǔ)理論及其在汽車制造領(lǐng)域的分析研究，對其作用和應(yīng)用過程中實際問題解決方法進行總結(jié)以及未來發(fā)展趨勢進行了預(yù)測，利用機器視覺技術(shù)可有效降低汽車制造生產(chǎn)成本、提高生產(chǎn)效率、生產(chǎn)柔性和生產(chǎn)自動化程度，從而為汽車制造行業(yè)電動化、網(wǎng)聯(lián)化、智能化、共享化發(fā)展奠定堅實的基礎(chǔ)，促進汽車制造行業(yè)更高、更快、更好、更可持續(xù)發(fā)展。