本田总装车间视觉检测技术的应用

汽车产业作为制造业中的明珠，具有制造工艺复杂、装配线柔性大、作业手法精密、生产节拍紧张等特点^[1]。以总装车间为例，生产一台车需要经过400～500 个岗位，500～600 名员工的作业，汽车制造流水线每50～90 s 就有一台车下线，整个制造过程十分依赖人工^[2]，提高人员效率，降低生产成本是汽车企业的重要方向，最终就体现在自动化程度的提升上^[3]。

工业中的视觉检测技术，通俗的说就是用设备代替人工完成测量、检查、引导、识别等一系列操作^[4]，设备相比于人来说，不会疲累，不受环境影响，工作效率高，检测更稳定^[5]，不仅能提升汽车生产的人员效率，而且能获得更高的汽车品质^[6]。

2.1 视觉检测技术的发展历程

视觉检测技术的主要组成部分包括光源、视觉相机、图像处理器、计算机处理系统、执行机构等^[7]，视觉检测技术作为工业技术中的一个细分领域，涉及到图像处理、数字图像转换、机械工程、自动化检测、光源设计、图像传感器技术、模拟电子信号、数字信号处理技术、人机协同技术等，每一项技术的发展都会影响到视觉技术的进步^[8]。

从视觉技术的发展历史来看，视觉技术自20世纪50 年代提出，经历了CCD 技术出现、计算机运算能力跃升、LED 任意光场设计、OCR 识别技术等多次技术突破才逐渐成为可以应用在工业生产中的成熟技术^[9]。

2.2 某车企总装车间介绍

某主机厂现为国内主流汽车公司，单条生产线的整车制造能力达到24 万台/年。总装车间作为整车制造四大工序的最后一个流程，具有人员多、工艺复杂、节拍紧张、品质要求高的特点，某车企总装车间的生产节拍达到70 JPH（台/每小时），平均51 s 下线一台整车，紧张的生产节奏需要大量的岗位和员工。

某车企的总装车间近年来自动化程度不断提高，已经导入了轮胎自动化安装设备、前后挡风玻璃自动安装设备、发动机自动质检设备、车门自动涂胶设备、车身加强剂自动底涂设备等，大大优化了人员效率。其中多数自动化设备都运用到视觉技术，在自动化程度不断提高的过程中与多个视觉检测技术厂家如ABB、安川首钢、基恩士、康耐视、SRT 等都有密切合作。

人工质检的缺点是人员疲惫后的稳定性和可靠性降低，易受到环境干扰，质量研究表明，人工作业的出错概率为3‰，而正常工作的机器出错的概率可以降低到0，视觉检测技术的品质保证能力大大强于人工质检。视觉检测技术在某车企总装车间的应用实践主要包括发动机质检、加强剂涂布质量检查、玻璃胶型检查、手持终端检查等。

3.1 发动机质检

在某主机厂已经实现的汽车发动机视觉质检包括检查螺栓紧固是否疏漏、零件有无漏装及安装不良、卡箍安装位置是否正确、条码标签是否准确等。因此利用视觉检测技术需要克服质检点分布广、类别多、判断基准各不相同的难点。

图1 机器人携带视觉相机组成质检设备

发动机视觉质检的解决方案是采用4 台机器人携带200 万像素的工业相机，分布在发动机的左前、左后、右前、右后位置，如图1 所示。质检结果形成数据库用于追溯和查询。机器人运动半径为712 mm，可完全覆盖发动机所有质检点。在45 s节拍内检查项目34 项，共47 点，包括条形码核对、红油标识、卡箍安装状态、密封圈安装状态等。

发动机视觉质检的工作流程，如图2 所示。

图2 发动机视觉质检流程

视觉检测技术的原理是首先获取被检查点图像，通过曝光、灰度、边缘锐化等处理，提取检测点的明显特征，并同检测基准对比，输出检查结果。例如，螺栓点油视觉质检的实现原理是利用具有红油标识的螺栓经过视觉软件的处理后，显示为白色，如图3 所示，没有红油标识的螺栓显示为黑色，依此为依据可以进行点油标识的明显判断。

图3 螺栓紧固点的视觉处理

当视觉检测出现异常情况时，设备会自动触发报警并提示异常原因，通知生产管理人员处理，异常处理完毕后自动记录结果及处理人信息，便于后续品质追溯。

视觉检测技术在发动机质检上的应用，实现了红油螺栓的识别、卡箍安装位置的测量、标识码的扫码功能，相较于人工质检异常检出率达到100%，质检工时下降20 s/台，单台产品车成本下降1.26元。并增加了品质追溯能力，为过往异常的查询和确认提供了依据。视觉检测软件具备二次开发功能，可以根据后续新车型需求进行功能开发。

3.2 加强剂涂布视觉检查

安装汽车前后挡风玻璃、侧窗玻璃时，都需要在车身位置涂布一层加强剂，加强剂主要作用是增强玻璃与车身之间的粘合力，防止玻璃胶老化。加强剂的涂布要求达到均匀饱满、完全覆盖设定轨迹等标准，若不符合要求会影响到玻璃安装品质，因此需要检查确认，使用视觉检测技术进行随行检查可以实现稳定可靠的检测，并形成追溯管理。

加强剂涂布的视觉检查主要由机器人、高速视觉相机、工控机组成，如图4 所示，机器人携带高速视觉相机随行涂布，每秒9 090 帧的高速视觉相机完成实时检查。视觉相机跟随涂布胶枪运动，运动速度350 mm/s,在高速涂胶的过程中，高速拍照获取加强剂涂布照片，保证能够满足45 s 的设备节拍。

图4 机器人携带视觉相机进行涂布检查

加强剂涂布视觉检查的工作流程，如图5所示。

图5 加强剂涂布视觉检查流程

采用颜色传感器与超声波传感器结合，加强剂涂布后通过打光显示为黑色，车身显示为白色，黑白分布变得明显，再以20 mm×40 mm 的标准行程段进行加强剂涂布的超声波检测。如图6 所示，若搜索出涂布面积符合要求，则一直跟随拍照检测直到整个车身的涂布轨迹完成，若搜索不到加强剂涂布（涂布中断），则软件提示报警，由生产管理人员进行处理。

图6 加强剂涂布的视觉检查

视觉检测技术在加强剂涂布上的应用，实现了全自动涂布与检测，相较于人工涂布检查的方式异常检出率可达到100%，彻底杜绝涂布不良流出。涂布检测工时下降8 s/台，削减有害工位2 个，单台产品车成本下降9.01 元。

3.3 玻璃密封胶胶型视觉检查

玻璃密封胶是涂布在玻璃边缘上，在给汽车安装玻璃时，用以粘合玻璃和车身使之密封，玻璃密封胶的胶型对涂布质量有较大影响，因此需要控制玻璃胶的胶型，主要体现在玻璃胶的形状是否满足胶宽8 mm(可略微浮动)，高度12～13 mm，涂布是否均匀，是否存在断胶等，及时检测出涂布不良可有效减少不良品的流出。

由于玻璃密封胶的胶型特点体现在立体结构上，一般的2D 拍照无法检测出3D 特征，因此使用3D 激光三角法视觉检测解决此课题，如图7 所示。检测流程如图8 所示。

图7 玻璃胶胶型3D检查的原理示意

由涂胶机器人携带高速视觉相机及激光传感器组成胶型检查系统，如图9 所示。借助高速视觉相机，实现随行高速拍照检查，借助激光扫描胶型，为视觉处理图片创造了光场条件，借助视觉测量技术获得胶型照片中胶型的宽度信息，通过计算激光反射时间，获得胶型高度信息，宽度和高度信息整合后与标准胶型数据对比，即可实现实时检查，如图10 所示。

图8 玻璃密封胶胶型视觉检查流程

图9 玻璃胶自动涂布

图10 玻璃胶检查结果

视觉检测技术在玻璃密封胶涂布胶型的检查相较于人工检查，胶型异常检出率提高到100%，胶型的宽度及高度信息依靠视觉检测能够将数据精确到0.1 mm，明显提升品质控制能力，胶型检测工时下降6 s/台，同时单台产品车成本下降2.58元。

4.1 3D测量与多点检测

在汽车制造行业或其他制造业，机器视觉用于产品质量检查已经得到了广泛的应用^[10]，3D 视觉系统可以大量识别随机放置内饰件、外饰件等，3D 成像更接近真实物体的形状，可用来测量工件凹槽的深度等，如图11 所示。

图11 3D测量与多点检测

总装车间内，整车车身的总装工程包括电装、内装、底盘、外装四大类，每类都涉及到大量的装配，零件数量多，装配要求不同，若将3D 检查和多点测量应用至整车车身的质检，可以检查零件的规格是否正确、装配的基准是否符合要求、防盗标签的字符是否准确、螺栓的紧固是否标识等项目。依据现有的视觉检查技术，由机器人携带视觉相机，4 台机器人分布在车体四周，对各种类型和不同位置的检测点进行拍照，并由高速计算机快速比对检查基准，以基准进行判断，如图12 所示。同时可保存检测图形，用于查询和追溯，在发动机视觉质检的案例中可以看到未来整车质检的身影。

图12 整车车身视觉质检示意

4.2 稳健视觉算法与深度学习神经网络

现今的视觉算法还存在较大的进步空间，在复杂的工业应用现场，视觉算法的效率不足，同时受到环境影响，准确性和鲁棒性下降^[11]，抗环境光干扰的能力不足。除硬件的进步之外，开发出稳健的视觉算法同样是一个重要方向。同时5G 数据网络的到来为云计算提供了强大的视觉计算能力，良好的通讯基础为在云中处理大量机器视觉数据提供了可能。车间每年生产24 万台汽车，大量的生产案例，借用5G 网络云计算训练，视觉检查的准确性将大大提高，完全可以适应生产现场的个性化需求，年产量巨大的汽车制造工厂，就是深度学习模型中鲜活的数据库。

例如汽车轮胎上具有多种信息，一般通过凸显字符的形式标识，包括轮胎的品牌、规格、尺寸、标识等，以此判断轮胎组装时的完成度。当轮胎上的点油标识缺失或规格错误时，会造成品质不良，同时轮胎的安装和检测都不易发现品质不良点，若采用视觉检测技术对轮胎来件品质进行检查，以此杜绝装配的品质隐患。如图13 所示。如果视觉检测技术配合深度学习，大量的生产实例将为深度学习提供源源不断的数据来源，机器将会以更高的效率和准确性进行处理，不仅工时会下降，检测算法也会趋向最优化。

图13 轮胎的视觉质检

视觉检测技术在某车企的总装车间得到了大量的应用，发动机视觉质检、加强剂涂布检查、玻璃密封胶胶型检查等，实现了检查的自动化，提高了人员效率，改善了作业环境，同样随着视觉技术的进步，未来在总装车间会引进更多的视觉技术，扩大视觉技术在汽车行业的应用。

在未来，可以预想到工智能的深度学习能够使视觉检查越来越准确，视觉检测技术的价格会更加亲民，通讯和计算能力的跃升帮助检查的速度提升。汽车生产行业提出越来越多的需求，而视觉检测技术的进步，也一定能够满足这些需求。