杨亮

摘 要：近年来，随着人工智能技术的应用日趋成熟，以及制造业对变革生产方式的需求日益增长，机器视觉技术在汽车生产等工业制造领域中的应用越来越广泛，在加快自动化向智能制造方向转变中起到了关键作用。本文针对机器视觉技术在汽车自动化生产中的典型应用进行了探讨，并对其发展趋势进行了分析，有利于机器视觉技术在汽车生产等工业制造领域中更好地应用和发展。

关键词：人工智能;机器视觉;汽车生产;智能制造

0 引言

机器视觉，简单来说就是用机器代替人眼来做测量和判断，它以边缘检测、模板匹配等图像处理技术和算法为核心，通过计算机对被测物图像的像素分布和亮度等信息进行处理，提取目标的特征进行分析，并将结果用于实际检测、判断和控制。机器视觉是一门涉及图像处理、计算机、光学、机械电子等诸多学科的综合技术，是人工智能正在快速发展的一个分支。典型的机器视觉系统主要由光源、镜头、相机、工控机及视觉软件等部分组成，具有实时高效、精度高、功能多等特点[1]。在一些不适合于人工作业的环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉;同时在大批量工业生产中，用机器视觉检测方法可以大大提高生产效率和减轻人工劳动强度。我国的机器视觉应用起步较晚，目前正处于快速发展阶段，利用好视觉技术可以加快产业升级，对我国工业的快速发展具有重要意义[2]。

1 汽车制造业发展现状

汽车制造业由于产业链长、生产工序多、成本控制要求高，诸多挑战使得汽车生产仍是当前最为复杂的制造领域之一，汽车制造业水平一定程度上体现了其国家的工业实力，其自动化水平在工业领域往往处于领先水平，且生产管理经验常常能有效迁移到其他制造业中。目前汽车制造业通过大量引入工业机器人、PLC等技术，产线已完成以工业机器人和电气自动化为主导的产业升级，机器人可以很好地完成焊接、搬运、装配、喷涂等各种应用任务，使生产工序、工艺及节拍得到有效掌控，不仅提高了生产效率、降低了成本，而且极大地减轻了工人的工作强度[3]。

在当前智能制造2025的改革浪潮中，随着机器视觉、AGV、深度学习等智能技术的高速发展，一股新兴力量正加速汽车、电子等工业的生产方式变革。机器视觉可以出色地完成特征识别、缺陷检测、定位引导、尺寸测量等任务，为工业机器人、自动化设备加上了“眼睛”和“智慧”，使工业生产更加智能化;AGV小车能按照规划路线实现自动运输物料;深度学习使机器能模仿视听、思考等人类活动，具有优秀的特征学习和特征表达能力，解决了很多复杂的模式识别难题[4]。目前这些智能技术的应用正使汽车制造等自动化行业将朝着更智能、更高效的方向发展。

2 机器视觉在汽车自动化生产中的应用

2.1 视觉识别

视觉识别，是利用机器视觉技术获取被测物的图像并进行处理、分析和理解，以识别不同模式的目标，视觉识别在工业制造领域应用十分广泛，主要包括二维码标签识别、不同型号工件识别，以及OCR光学字符识别等。利用机器视觉可以对各种材质表面的条码或者标签进行读取，方便对产品进行跟踪管理，也可以对各种特征、字符进行识别区分，大大提高了现代化生产的效率，降低了生产成本。目前汽车自动化生产中应用较多的有打刻字符识别，不同型号的工件识别。

2.1.1 识别不同工件

汽车生产中不同车型、不同派生的种类繁多，生产过程中需对工件类型进行检查防止混入与当前生产型号不一致的工件，利用视觉技术对不同工件的特异性如圆孔、方孔、螺母等特征进行识别，可实现对工件在线区分检查。识别不同工件可以采用传统的PC-Based系统，即由独立的工控机、相机镜头、视觉软件、显示器等组成，可灵活配置相机个数，能对照片等数据进行显示和大量存储，适合车种多，需求较复杂的项目。针对比较简单的需求，也可采用嵌入式系统，即智能相机，其内部包含处理器、RAM、Flash、I/O、Ethernet等单元，相当于将图片采集、处理、通讯集成于一身的相机，能直接将识别结果输出给PLC等外部系统，具有使用便捷、成本低、占用空间小等优点。

2.1.2 车架号打刻字符识别

汽车车架号相当于汽车的身份证号码，一般由17位字码组成，包含汽车的制造厂、车型、发动机类型等信息，对汽车具有重要意义，车架号打刻工位在打刻完成后就需对车架号进行检查，防止打错或者打刻质量不满足工艺要求，由于人工检查效率低，且容易发生疏漏，目前汽车厂主要通过视觉技术进行车架号打刻字符的识别和缺陷检测。字符识别的方法有很多，比如模板匹配，神经网络，小波等方法，其中模板匹配凭借简单和实效性在工业领域应用广泛。由于2D视觉效果易受工件表面反光及污渍等影响，目前打刻字符识别主要通过3D激光扫描技术来获取稳定可靠的图像。系统主要由工控机、3D传感器、显示器，以及字符识别软件和OPC server软件组成，通过对3D传感器获取的三维轮廓数据进行分析，识别出字符并与OPC server软件得到的生产指示数据进行对比，判断字符正确性，同时检测打刻字符的宽度、深度等是否满足工艺要求，并将结果输出给PLC对不良品设置报警提醒。字符识别系统可实现对车架号打刻字符实时在线监控，对其正确性和工艺把控具有重要意义，同时其中包含的光学字符识别和三维尺寸检测技术可广泛应用于零件三维尺寸测量、工件组装精度测量等项目需求，可以作为企业检测产品缺陷、掌控产品质量的一项重要技术手段。

2.2 涂胶缺陷视觉检测

2.2.1 应用背景

涂膠是汽车白车身生产中的一项重要工艺，汽车整车舒适性主要体现在车身具有优良的密封防水、减震降噪等性能。为保证车身的这些性能要求，需对车身的关键部位进行涂胶。基于此，焊装车间的白车身在焊接过程中就应在局部区域进行必要的涂胶，同时确保涂胶质量满足相应的工艺要求。由于人工检查难以满足质量检测和生产节拍的要求，利用机器视觉技术检测涂胶缺陷的方法在汽车生产中越来越普遍。

2.2.2 系统组成及功能

目前汽车生产中引入的涂胶视觉检测大多采用2D视觉，通过分析涂胶的宽度、面积等信息，可以对漏胶、断胶以及胶宽或面积不达标等缺陷进行判断。涂胶视觉检测系统一般由图像采集（相机、镜头、光源）、图像处理（工控机、检测软件）、以及显示器等部分组成。涂胶过程中，视觉系统通过与PLC进行信号交互完成对涂胶效果的图像采集、处理，分析涂胶宽度、面积、连续性等质量因素，判断涂胶是否合格，并将检测结果输出给PLC用于报警提醒，现场工人可根据显示器上检测软件提示的涂胶照片和检测信息快速找到异常的涂胶位置并加以完善，由此可实现对涂胶质量的全面监控。根据现场环境和具体需求，图像采集部分可以安装于工位上方，等涂胶完成后对工件进行一次拍照即可得到结果，工序简单，后期维护方便。如果涂胶工件表面不平，涂胶轨迹较复杂，也可将检测头装在胶枪上，在涂胶过程中对涂胶效果进行实时拍照检测，此种方式检测精度更高，且不占生产节拍。

2.2.3 有待改善点及措施

2D视觉对于涂胶缺陷的检出率很高，但由于不能获取胶的厚度信息，机器人在涂胶过程中胶枪粘着的胶须和胶条被胶枪带走后留在工件上的印记会对检测产生一定干扰;另外，实际生产中上涂胶合格的标准并不是一成不变的，软件中设置的检测标准难以灵活把握。因此尽管2D视觉足以满足目前大部分涂胶的缺陷检测需求，但会存在一定的误检造成过度报警。随着涂胶生产工艺和对涂胶质量要求进一步提高，运用3D视觉获取更全面的涂胶信息可对涂胶进行更高精度的检测，也可利用深度学习方式对涂胶缺陷进行更准确灵活的判断，减少不必要的误检对生产的影响。

2.3 视觉引导系统

2.3.1 应用背景

视觉引导系统旨在帮助工业机器人感知工件位置的变化，引导机器人修正轨迹后准确抓取工件。目前的工业机器人属于“示教-再现”型机器人，只能通过运行预先输入的指令完成各项任务，不能随外界环境变化做出相应的调整，所以生产线需要为工业机器人作业提供足够的定位精度，而汽车生产线上很多工位通过料箱、滑槽等方式来输送工件，工件的位置难以精确固定，机器人走预定的轨迹无法准确抓取，因此汽车生产车间很多工位需要人工进行上料。随着视觉技术在汽车生产中的应用日趋成熟，通过视觉定位引导机器人有序抓件正逐步改变这一现状。

2.3.2 系统特点与应用范围

视觉引导系统主要通过相机拍照方式对工件上孔、角点或棱边等特征进行识别、分析，计算得到当前工件与其理论位置所存在的偏差，并将此偏差转化为机器人坐标系下的偏移值后传输给机器人，机器人以此偏差值纠偏后抓取工件。目前汽车厂应用较多的主要有3D激光引导技术和双目视觉定位技术。3D激光引导技术主要利用线性激光束获取被测特征的平移及旋转量，通过3D激光器对特征局部成像，适合侧围件等大型物料的抓取需求。双目立体视觉基于工件上同一被测特征点在2台成像设备上的视差来获取特征的深度信息，通过工件上4个特征点计算工件在三维空间上的位置，相机可固定安装或者装于机器人抓手，视野覆盖工件全局，适合车门等中型件的抓取，可扩展性强，易追加新车型。

2.3.3 应用现状与意义

目前汽车厂还存在很多人工上料的工位，引入视觉引导系统可解放人力，提高产线自动化水平。另一方面，视觉引导系统可降低汽车生产线对机械定位精度的要求，节省机械定位装置的维护成本，提高自动化生产线的柔性。随着AGV技术在汽车生产中的应用日益广泛，通过视觉引导系统可消除由于AGV定位和夹具定位精度的影响，引导机器人对AGV上的工件准确抓取，实现物料从运输到上件全自动化，视觉和AGV的配合对优化产线的设计、厂区的布局以及提高生产的智能化程度具有重要意义。

2.4 视觉在线测量

2.4.1 应用背景

视觉在线测量是利用机器视觉技术对影响工件精度和性能的关键尺寸进行在线非接触式的测量，是一项技术难度较高，复杂性和综合性较强的应用。汽车制造是一个工序繁多，工艺复杂的过程，从最初的材料剪裁、冲压成型，到分总成焊接、总拼焊接，再到覆盖件装配、涂装总装，由于技术人员操作误差、定位原件磨损、物料材质不均、工艺调整等各种因素的影响，尺寸波动存在于车身制造的每一个环节。由于涉及环节和设备众多，问题来源错综复杂，而传统的三坐标测量方式，采取离线抽样测量，样本数据少，尺寸波动问题常常到总装时才被发现，且难以区分问题成因。视觉在线测量系统基于视觉检测技术和激光测量技术，兼容光学测量的效率优势以及机器人测量柔性优势，可对白车身及零部件实现100%在线尺寸监控，能及时发现产线问题并進行干预。

2.4.2 系统组成及特点

在线测量系统以三角测量原理为基础，利用线状激光获取被测特征的3D空间坐标，通过坐标转换，最终得到特征在车身坐标系下的三维信息，可测量特征包括螺纹孔、棱边、螺柱、功能尺寸等。系统主要分为固定式测量和柔性测量两种，柔性式测量搭配工业机器人，可实现多车型共平台测量，在汽车生产中的应用更广泛，主要由机器人、视觉传感器、温度补偿装置、控制柜和软件等部分组成。其中软件主要由视觉测量软件和数据管理与分析软件组成，温度补偿装置用于修正机器人内部和外部温度变化引起的TCP漂移，保证测量结果真实反映工件尺寸波动。以焊装车间的车身骨架精度在线测量为例，视觉在线测量系统可对影响车身骨架精度的关键尺寸，如前风挡玻璃尺寸、车门安装棱边位置、定位孔位置以及各分总成的位置进行测量并获取其在车身坐标系下的位置。通过数据管理与分析软件可得到测点趋势图，偏差分布等统计数据，快速观察到车身尺寸的变化趋势和规律，能够及时反映生产线的状态，准确地把控车身的生产质量。

2.4.3 意义及前景

视觉在线测量系统能严格监控零件尺寸波动，具有灵活有效的报警功能，丰富直观的数据查询功能，简便智能的数据报表统计功能。通过加入在线测量系统加大测量样本量以提供足够的测量数据，用于监控车身尺寸波动、故障诊断、工艺能力评估与改进，对汽车生产制造的质量把控具有重要意义。目前视觉在线测量系统在地板、侧围、电池壳等汽车部件，以及高铁车厢、高铁下车体等制造领域的尺寸测量、装配间隙测量中应用广泛。未来通过增加轮廓度、平面度、垂直度等新的评价要素，以及远程控制，邮件、APP等数据推送方式，系统应用场景和功能需求上将更加完善，能更好的服务于汽车等工业领域的质量管控。

3 视觉应用趋势

随着计算机技术和微电子技术的快速发展，视觉成本的持续降低，以及深度学习等人工智能领域的应用不断成熟，一方面，视觉集成产品的应用会更加广泛，尺寸小巧、功能更加丰富和便捷的智能相机将使机器视觉成为一种使用简单的专用工具，可以更好地满足车型识别、工件有无判断等特定的应用场合[5];另一方面，3D视觉、深度学习等技术的融合赋予了视觉系统更高的智能以克服更多的环境变化，比如运用AI深度学习算法的3D无序抓取技术日益成熟，它通过自动计算机器手最优抓取路径可实现对料框中杂乱无序的工件准确有序抓取，可以满足更复杂的应用需求，使汽车生产更智能、自动化产线的柔性更高。

4 结语

综上所述，机器视觉技术在汽车自动化生产中的应用日益广泛，在汽车生产自动化向智能化转变中起到了关键作用。在当今工业4.0的时代背景下，科技日新月异，积极利用机器视觉等智能技术加速生产方式变革，对促进汽车等工业制造领域的快速发展具有重要意义。

参考文献：

[1]何新宇，赵时璐，张震，等.机器视觉的研究及应用发展趋势[J].机械设计与制造，2020（10）：281-283+287.

[2]宋春华，彭泫知.机器视觉研究与发展综述[J].装备制造技术，2019（6）：213-216.

[3]陈沛禹.工业机器人在汽车生产中的应用[J].中国新通信，2021，23（3）：91-94.

[4]孙文政.基于深度学习和机器视觉的手机屏幕瑕疵检测方法研究[D].济南：山东大学，2019.

[5]高峰，王富东.浅谈机器视觉技术发展及应用[J].电子技术，2019（5）：142.