机器视觉在汽车质量检验领域的应用研究

郝树新　林锦州　刘芳

摘 要：随着汽车行业自动化程度的不断提升，传统的人工质检方式已经无法满足日益提高的汽车质量检验效率需求。机器视觉技术以其快速、准确、智能的特点在汽车质量检验领域得到快速发展。本文通过对机器视觉检验技术的原理进行分析，研究机器视觉在汽车质量检验领域的应用场景，并分析其未来的发展趋势。

关键词：机器视觉 质量检验 汽车生产

1 引言

作为国民经济支柱产业的汽车制造业，其自动化程度在现代工业中处于较高水平，且多个环节已做到无人化操作，生产效率得到有效提升，但同时对质量检验效率的要求越来越严格，传统的人工检验方式已经无法满足汽车生产现场质检的需求。机器视觉技术以其快速性、精确性、智能化的技术优势成为现场质检效率提升的首选，尤其随着人工智能、工业大数据等技术的迅速发展，机器视觉技术在汽车质量检验领域正得到越来越广泛的应用。

2 机器视觉检验原理

机器视觉主要是指用机器来代替人眼进行测量与判断。[1]机器视觉系统通过机器视觉采集设备将被摄取目标转换成图像信号，传送给专用的图像处理系统软件，通过对图像信号进行转换运算抽取目标的特征，来进行结果判定。应用于质量检验过程时，主要是通过对被检对象的图像信号基于图像缺陷检验算法进行处理，判定其是否满足质量检验要求。

一套完整的机器视觉系统主要包括光源系统、图像采集系统、数字图像处理模块、智能判断决策和机械执行模块。[2]随着人工智能技术的发展，现有视觉系统通常集成多种机器学习算法，通过在检验过程中的自适应调整不断对算法进行优化调整，以实现更高精度及准确率的检验。[3]

机器视觉技术的应用方向目前主要聚焦于视觉测量、视觉引导及视觉检测三个方向，极大的提高了工业生产中的柔性和自动化程度，尤其对于大批量生产能够在极大减少人工成本的同时提高生产质量。[4]

3 机器视觉在汽车质检领域应用场景

传统的汽车质量检验方法主要靠人工的方式进行，质检员通过肉眼或工具逐一对整车进行人工检验，由于人存在主观判断误差及眼睛疲劳因素，人工检测方法存在检测质量不稳定、缺陷不易识别及检测效率低下的问题。[5]虽然随着自动化水平的提高，部分自动化检测设备也在汽车质检领域得到应用，但仍无法满足汽车行业日益增长的质量管控需求。因此视觉检验技术在汽车行业得到广泛应用，并基本贯穿了整个汽车生产过程，主要应用场景包括工艺检测、尺寸检验、虚拟装配、错漏装检测等。

3.1 工藝检测

汽车在生产过程中在冲焊涂总需要经过大量使用各种生产工艺，冲压、焊接、漆面喷涂、涂胶装配等工艺完成的效果检验需进行逐一检验，由于传统检验方式多数为人工目视检验，因此机器视觉在工艺检测方面得到多方面应用。

在冲压车间，如果冲压件表面出现开裂、划痕、毛刺、缩颈等表面缺陷，对冲压件的耐久度、光洁度以及后续涂装的整体效果都会产生较大影响，传统的人工检验方式精度及效率较低，机器视觉技术的应用可更加准确且稳定的实现流水线上冲压件的缺陷检测，减少检测人员的工作负荷。[6]

在焊装车间，焊接是结构件成型的重要工艺技术。焊缝余高及熔宽是评价焊接工艺质量的关键要素，目前通过线结构光视觉与工业机器人的组合，可实现通过机器人跟踪焊缝实时拍摄并检测焊缝质量。[7]但是由于焊接过程中的飞溅、高温等干扰因素，对焊缝引导和跟踪检测系统的防护功能要求较高。

在涂装车间，整车漆面质量主要通过人工目视检验的方式进行，但由于喷涂质量缺陷种类多、尺寸小、人工肉眼容易疲劳等因素，造成人工检验耗时长、效率低下的问题，而且油漆对检验人员健康也有所影响，因此机器视觉检验技术逐步在汽车喷涂缺陷自动检测方面得到广泛应用。[8]目前主流的漆面质量测量系统主要基于反射式条纹偏折法，通过显示器投影正弦条纹到被测面上，经反射后由采集设备采集，基于相位提取算法对信息进行提取，实现漆面检验。

在总装车间，胶粘工艺是挡风玻璃及天窗安装的主要连接工艺。涂胶的位置、截面直径及连续性是决定胶条质量的关键因素，传统的人工目视检验方法效率低下，同时需用游标卡尺等工具进行测量，这种直接接触的方法容易导致胶条变形，测量结果不够准确。[9]而机器视觉检测技术作为一种无接触的检测方式，可以实时客观的判断涂胶质量是否满足生产标准，极大地提高生产检测效率。目前涂胶视觉检测方法包括两种，一种为涂胶检测传感器与胶枪随动检测，另一种方法为涂胶完成后进行整体拍摄检验。

3.2 尺寸检验

整车白车身是汽车所有零部件的基本载体，白车身的尺寸精度能够直接影响车身外形、气动性能以及零部件安装匹配精度等，因此对白车身的尺寸控制是车身质量管控的重点。传统的的车身测量方法包括样架检测、三坐标检测及在线人工检测三种方式，但传统的测量方法测量效率低下，测量数据量严重不足，增加了汽车生产的时间成本、人工成本。[10]而机器视觉检测技术能够为整车尺寸检验提供稳定且准确的数据支持，主要通过固定式在线测量站及机器人柔性测量站等在线测量系统，实现对整车车身全过程尺寸的监控测量，确保整车质量。机器视觉尺寸测量方法主要包括两种技术，激光在线测量技术及蓝光扫描测量技术。[11]

激光在线测量技术主要基于三角测量原理，利用线状激光构造被测的特征，结合光源照明，获得被测特征表面信息，通过相机拍摄特征图像，将测量图像中的二维坐标基于模型转化为三维空间坐标。这种测量方法对于环境的要求不高，能够实现对整车车身进行百分百实时在线测量，且可通过计算机输出数据报表，自动生成各类尺寸偏差分析图表。

蓝光扫描测量技术摆脱了传统三坐标测量的局限性，可实现整体形貌尺寸的测量与分析，测量系统可利用安装在机械臂上的扫描仪测量车身的三维形状，同时将测量结果与理论模型进行比对检查，以分析检验部件的形状、尺寸及角度等信息，可获得高密度的测量数据，测量效率高，评价也更为全面。

3.3 虚拟装配

随着汽车生产过程自动化程度的逐渐增加，多点位人工装配逐步被工业机器人装配所替代，而如何保证工业机器人装配精度并优化装配过程成为汽车行业装配自动化关注的重点。借助机器视觉技术的视觉测量及视觉引导技术特性，機器视觉技术逐渐渗透到汽车制造全过程，比如引导机器人进行最佳匹配安装以及虚拟匹配安装等。

基于视觉引导的机器人自动装配技术是目前车身装配的主流发展方向，可通过视觉检测结果引导机器人进行配件的高精度安装，极大地提高了环境适应能力及智能化程度。

虚拟装配主要指的是通过机器视觉对车身关键尺寸及零部件关键尺寸进行测量，通过三维数据模型对关键尺寸坐标进行智能匹配，同时可以借助数字孪生技术实时展示三维仿真虚拟装配过程，分析车身尺寸是否满足零部件安装要求，如存在孔位不正或者尺寸偏差问题及时进行报警，提醒相关人员进行快速处置，避免长时间停线造成的时间及人工成本增加。

3.4 错漏装检测

汽车产品生产一致性尤其是零部件参数一致性是目前国家监察管控的重点，2020年工信部对部分生产不一致情况的企业进行了监督约谈，因此如何保证实际生产整车零部件配置参数与申报公告参与保持一致，并进行定期核查成为企业关注的重点。[12]由于整车零部件较多，传统的人工检验方式效率低下，且容易判断错误或漏检，如何利用机器视觉技术提高错漏装检验效率已成为机器视觉在汽车生产领域的一大重要应用场景。

机器视觉技术应用于错漏装检验主要包括两种方式，一种是利用视觉读码技术，通过视觉传感器读取零部件信息，实现零部件在生产过程中的可追溯同时可与公告参数申报信息进行自动比对，而避免出现生产差错。另一种检验方式为通过固定点位对整车外观进行拍照，通过机器视觉识别外观件型号、颜色及车型配置等，来与整车申报参数进行比对，来判断是否存在零部件错漏装的现象。可与生产一致性管理系统对接，自动进行生产一致性参数核查。除此之外关键紧固件如螺栓、螺柱是否存在错漏装也是机器视觉装配检验关注的重点。

4 结语

如今机器视觉技术已被广泛应用于汽车生产制造的各个领域，对汽车生产效率及质量保证能力的提升起到了极大地推动作用。随着数字孪生、虚拟现实及工业互联网等技术的发展及逐渐成熟，未来机器视觉技术在汽车生产领域的应用空间将更加广阔，对我国汽车产业数字化、网络化、智能化水平的提升也必将起到积极作用。

参考文献：

[1]朱阳芬，银冬平，邹舜章，等.机器视觉在汽车行业中的发展与应用[J].汽车实用技术，2017，000（022）：8-11.

[2]刘科，伍力.基于视觉技术的汽车制造智能装备文献综述[J].汽车实用技术，2017（3）：21-24.

[3]汤勃，孔建益，伍世虔.机器视觉表面缺陷检测综述[J].中国图象图形学报，2017，22（12）：1640-1663.

[4]尹仕斌，任永杰，刘涛，等.机器视觉技术在现代汽车制造中的应用综述[J].光学学报，2018，v.38;No.437（08）：11-22.

[5]张洪峰.机器视觉在汽车检测行业的应用研究[J].科技创新与应用，2015，000（029）：119-119.

[6]赵珈兿.基于机器视觉的冲压件缺陷识别方法研究[D].沈阳工业大学，2020.

[7]韩晓勇，段锦，董锁芹. 基于机器视觉的汽车焊缝检测系统[J].长春理工大学学报（自然科学版），2018，41（05）：80-84.

[8]刘赫，林宣乐.汽车涂装表面质量自动检测技术及应用[J].现代涂料与涂装，2020，23（05）：42-44.

[9]乔宇.基于机器视觉的汽车玻璃涂胶质量检测技术研究. 长春工业大学，2020.

[10]廖冰.机器视觉技术在现代汽车制造中的应用探索[J].时代汽车，2020，No.329（05）：31-32.

[11]余文超，齐二石.在线测量技术应用于白车身的生产尺寸监控[J].机械设计与研究，2014（2）：96-98.

[12]贺怡，林锦州，郝树新.燃油汽车一致性全生命周期管理体系研究[J].新型工业化，2020，10（07）：65-68.