视觉技术在柴油机装配生产线上的应用研究

隋吉林 刘云川 黄澒 高东鸣

（玉柴联合动力股份有限公司 安徽芜湖 241000）

目前，国内柴油机装配生产线多以人工作业为主，因柴油机零件特有的重、大、操作困难等特点，生产效率低，且质量控制手段不充分，与汽油机装配线水平有着一定的差距。自动化、智能化生产线一直是国内机械制造企业追求的目标，随着视觉技术的引进和突破，带动了国内重型机械制造企业的自动化发展，解决人工作业困难问题的同时，提升机器效率及设备质量保证能力，给各个企业提供了新的质量保证方法和创新手段，也是未来柴油机装配生产线上应用研究的关键技术。

1 柴油机装配生产线面临的质量技术问题和挑战

（1）柴油机生产质量保证能力的挑战。近年来，随着国家制造业的发展，我国柴油机的竞争形势愈演愈烈，尤其是对于产品质量的竞争。我国大部分柴油机生产线装配比较落后，质量控制手段不足，给企业的生存和发展带来沉重的压力［1］。尤其是柴油机行业供应链，新兴国内企业多，水平参差不齐，质量隐患多，一致性差，所以需要主机厂提升自我质量保证能力，以应对复杂的供应链形式。但是，如果没有好的手段和检出方式，会给生产效率带来严重影响，所以，很多企业在质量和效率之间难以抉择。另外，由于商用车行业产品的多样化和定制化，产品型谱千变万化，零件种类变化万千，外观差异小，容错率低，所以只靠人工判断，识别率低，错误率高，给产品市场形象带来很大的负面影响，亟须寻找一种新的创新技术来解决制造过程中的问题［2］。

（2）机器协同作业效率低。随着自动化的提升，越来越多的设备投入到生产线上，但是问题同样随之产生。机器人利用率及使用效率低，需要配合大量的二次定位、夹紧等协同方式才能完成作业，更多地还是需要依靠人机协同方式，导致整体效率水平停滞不前。由于机器人本身的防错能力不足，装夹精度不够、碰撞等问题随之产生。同时，对标国际工业4.0 制造企业，还有很长的一段距离［2］。

（3）数据存储与可靠性追溯。随着客户需求的提高，商用车的B10寿命不断提升，质保期也不断延长，对于数据存储和追溯的要求变得越来越严格。很多产品外观尺寸、缺陷、制造过程的作业结果等的追溯成为了新的制造难题。尤其是涉及密封圈、涂胶、外观清洁度等作业都是由人工来完成，无法实现可靠性追溯，更无法溯源作业时的真实状态，给制造型企业带来很大的麻烦，也无法给未来的大数据分析提供很好的数据支撑。

2 视觉技术的系统构架——多样化、智能化

现代视觉技术已经远远领先于之前的工业相机技术，亦可以称之为智能相机。目前，已经开发出多种模式和构架，以更好地适应不同企业应用的不同场景和不同需求。视觉技术主要分为以下板块［3］。

2.1 光源

现代视觉技术更多地应用LED 光源，因为LED 光源稳定、亮度高，可以给相机提供充分适宜的拍摄环境，同时，也可以实现应用多色光源（目前市场最多的应用为八色光源），可以改变波长，以便识别物体间的微小颜色色差。

2.2 光亮反馈装置

光亮反馈主要依靠光电二极管，也可称之为感光元件（CCD/CMOS），配合应用光量实时控制电路，对LED 光源控制、补偿，实时反馈和调整。同时，超高速拍摄搭载超高高亮LED光源，可瞬间生成纹理图像，且同时分析多张图像，从而实现快速分析检测。

2.3 滤镜

滤镜主要作用是突出或抑制特定波长的范围和颜色，增强所拍摄的图像对比度，以增强识别率。滤镜可以分为吸收滤镜和偏振滤镜，对用不同的应用范畴选用不同的滤镜。吸收滤镜可以吸收特定波长的光谱，让其他光谱通过；偏振滤镜只能允许特定波长的范围光通过（偏振滤镜一般应用于特殊材料的滤光场景）。

2.4 相机

可分为2D 和3D 相机（也有介于2D 和3D 之间的2.5D相机）。2D更多用于平面拍摄，多段像素配合，直接生成拍摄图片，重复精度虽然可达到±0.1mm。但是2D 相机对于动态捕捉的能力较差，对比度不高，容易受到速度、物体反光、姿态和环境的影响，效果也很难达到预期（2D相机必须配置专用的光源才能达到理想效果）。对于动态捕捉的需求更多的应用是3D 相机，3D 相机一般的最大拍摄范围是520mm×390mm×200mm，重复精度可达到±0.1mm，可以生成物体的空间几何尺寸，同时克服对比度的影响，可以通过图像识别出最小高度、最大高度、凸面积、凹面积及体积参数等，实现更加灵活自由的检测，由于3D 相机的配置特殊性，所以不需要配置单独的光源［4］。

3D 相机利用三角测量原理，通过特殊镜头，使激光束被以倍数的形式放大后，形成静态激光线透射到目标物体上。首先，在被测量物体上进行二维轮廓扫描，形成X 轴方向的参数；其次，通过漫反射原理投射到传感器上，计算并形成Y 轴方向的参数；最后，将X轴与Y轴参数组合在一起，形成所需要的3D数据。3D视觉技术继承了2D视觉技术的优势，同时，弥补了2D视觉无法检测3D尺寸的不足。

3D 相机可同时进行多次拍摄，根据灰度图像，对每个像素的颜色进行分析，实现彩色检测。高精度捕捉功能，配合全局快门方式，实现动态全局捕捉，任意时间点，所有像素都可以接受相同光亮。同时，可以自动改变快门速度，拍摄多张照片，并通过高速合成图像，不存在曝光过多或者过少的情况，即使在现场光源不均匀或者现场情况不稳定时，也可以获取最适合处理的图像。3D相机扫描形式分为线扫和面扫两种，企业可以依据不同的应用场景、不同拍摄面积、不同材料来选择不同的形式。

2.5 智能处理系统及学习功能

（1）预处理功能。智能系统可以自主进行线状缺陷抽取、实时浓淡补正，取消工件表面形成的阴影和不均匀光亮；同时，具备抗干扰控制，消除环境因素等影响因素，从而增加图像对比度。智能处理系统还要进行图像模糊处理，消除检测中不需要的特征点，实现更稳定的检测，同时，实现差分图像及明亮补正，通过在每次检测出与基础图像的差异进行补正，从而为图像精准对比及分析提供前期基础。

（2）图像校正。系统应用先进算法，实现补正倾斜，补正透镜失真，从而消除物体姿态、颜色失真等因素影响，使各个图像在比对时建立统一基点；但是，被测量物体不可以叠放或者相互干涉，否则会影响图像的生成与结果的判定。

（3）控制器。产线依据容量和速度要求选择控制器型号，相机控制器需要与机器人/线体控制器（PLC）通信，同时控制相机运作，从而实现实时补偿和精准控制。

（4）智能学习。系统带有自学习模式，可以自动计算、设定阈值，自动去除不良品信息，排除不稳定因素，将现场的检测导向成功。同时，进行自我程序修正，并形成修正记录备案。

2.6 存储追溯

所生成图像和对比结果可实现自动存储至本地服务器，也可联通其他信息系统，如MES、QDAS、SPC等，实现永久储存，精准检索。

2.7 大数据分析

大数据采集和算法迭代，将来还可以实现故障概率预测、自动工艺参数调整、故障关联性分析等智能化预测和应用。

2.8 视觉算法

视觉算法是视觉技术的核心，依据不同的应用场景，配套设计不同的算法，越复杂的环境和操作，对应的算法也就更加复杂。算法决定了视觉的系统构架及使用性能。随着视觉技术的应用，现代视觉技术已经向着标准化模块的方向发展，即不同领域对应不同的标准算法，给视觉的应用层面上建立了很好的基础，也可以更好地发挥出视觉技术的深度和广度。

3 视觉技术的应用技术——感官变为量化

3.1 应用场景

（1）有无防错。通过拍摄与标准图像比对识别，实现有无防错和检出，更多应用于检查密封件、随机附件及标准件等，解决数量多、状态杂而引起的人工检查错误或者遗漏问题，同时可生成检查日志，用于故障追溯。

（2）外观瑕疵。检测零件外观缺陷的大小、形状、个数等，将人为感官变成量化参数，将人工频检变为在线100%检验，提升质量保证能力，同时也可生成三维图像，更加直观地展示缺陷形式。

（3）扫码、识字。识别数字、条形码或二维码，用于记录零件号或者件号的匹配准确性识别，替代人工抄录，减少错误产生。

（4）尺寸检测。在一定范围内，最多以5000个点的边缘信息为基础检测，计算输出其位置和宽度。也可以检测最大值、最小值、平均值等，最后通过变形补正，实现稳定检测。不仅支持圆或者直线检测，还支持椭圆、自由曲面等复杂轮廓形状检测，可以替代人工在线检验，提升效率和准确性。

（5）颜色识别。彩色相机拍摄原理是对比预先设置好颜色的信息，一般为32种颜色比对，数量较少，优势在于可以生成对应颜色的彩色图像，视觉上更加直观；黑白相机根据灰度图像对每个像素的颜色进行分析，从而实现对于彩色的检测，优势在于可以有上百种灰度值，从而对应生成上百种颜色，更加精准可靠，贴近真实情况。

（6）精准计数。生产线上标准件/小件的数量识别，防止错误产生，更多应用于物流拣料区域，替代人工计数，提高拣配准确性，同时提高拣配效率。例如，应用高频拍照相机还可以在动态过程中实现计数功能，配合其他系统，还可以实现自动补缺功能。

（7）机器人定位引导。工业4.0的实现离不开视觉技术的应用［5］，其可实现与机器人直接通信，相当于给机器人安装了一双“眼睛”，让机器人摆脱了原始的束缚，可以自主计算、定位、行走、抓取，同时，可以实现依据场景和边界条件进行实时修正，从而实现真正意义上的全自动化、智能化装配。

3.2 应用工艺流程

（1）设置标准。先拍摄并识别被检查物体的特征，包括外观、尺寸、颜色及所需要检查的特殊特性，按照既定标准设定阈值，最终形成唯一的参照标准。不同型号的物体需要对应设置不同的标准，然后可以按照特定的编号规则实现系统自动调用。

（2）调配光源。依据现场环境选择合适的光源，以弥补不同材料的不同反射光源的程度，增强图像的对比度和真实度，更多地用于区分金属材料和非金属材料。

（3）机械安装。相机安装时，务必确保运动方向对准相机的朝向，同时，为了对准光轴和运动轴，必须设计对光源、相机、位置和角度可以进行微调的机构。另外，为了拍摄稳定性，在拍摄过程中所有运动机构不能出现震动、异常偏移等现象。

（4）算法修正。连续性拍摄被检测物体，识别分析图像特征，依据实物反光度、阴影面积、摆放姿态、形状等，进行算法修正和计算补偿。由于产品的一致性差异，算法修正需要经过一定数量的实物拍摄验证才能得到相对准确的结果。另外，基础算法的功能性要完善，否则需要新增很多非标准算法的工作，会给后续的调试工作带来很大的困难。

（5）图像补偿。按照一定规则或基准点排布补正图像（或者分割识别），并处理图像失真，从而实现图像清晰，对比状态统一［6］。

（6）程序联动。编制通信程序，实现控制器与产线控制器（PLC）联动，设置报警、停机或者放行标准，可以设置不合格返工程序，也可以设置实现机器联动模式，进行实时补正和纠偏，实现质量把控，不流出不合格品。

（7）结果评估。计算图像测试精度与实物精度对比，并进行修正；同时，需要验证不同失效模式下的不同反应机制是否健全。

（8）数据分析。依据需求设置生成简易的质量数据报表，计算过程能力，并与数据分析系统联动，实现故障预警，且形成生产日志。

（9）自主学习。通过大批量的生产，依据现场环境、被检测物体状态及操作习惯等，自主修订控制程序及判定容错条件。

4 视觉技术的未来发展技术

4.1 混合现实技术（MR）

混合现实技术主要包括显示器、视觉传感器，以及依靠视觉技术与微型计算机技术实现的对环境的理解力和动作分析力，是目前市场应用范围最广、最深的视觉技术产品，实现了人与虚拟世界的连接和互通［7］。在企业内，更多地应用于虚拟培训、作业教程编制、远程虚拟技术指导及虚拟参观等。随着混合现实技术的产生，人类对于实现“科幻”世界更加有信心。

4.2 扩展现实技术（XR）

“元宇宙”概念已经在世界上推出并进行，“元宇宙”是由数字技术转化生成现实技术的镜像，也是人类技术发展到顶尖的标志。扩展现实技术是实现“元宇宙”概念的基础，而视觉技术是实现扩展现实技术的核心，也是连接现实与镜像现实的桥梁，如何展现给人类真实的镜像世界是“元宇宙”概念的精髓，同时更多延伸，让人们想像未来的视觉技术可以改变人类的生存形态，打破桎梏，最终实现多维时空的搭建［8］。

5 结语

综上所述，在本文所提出的视觉技术的应用和发展，可以很好地保障生产线质量和效率的提升，解决难检查、难识别及机器人应用效率低等问题，且视觉技术是企业实现智能化装配的技术基础，在引导人类社会进步的同时，可以建立起一个庞大的系统，支撑人类未来科学技术的发展，是现代社会需要重点研究和发展的技术之一。