图像识别技术在白车身在线检测领域的应用.docx

图像识别技术在白车身在线检测领域的应用

摘要：在白车身总拼生产过程中，由于生产工艺，来料质量，人工等不确定因素的影响，很多车身质量缺陷无法避免，目前只能通过后续人工返修来修复类似缺陷，如未能及时发现缺陷，带有缺陷的白车身就会流入油漆、总装车间，造成重大影响或经济损失。然而，现在很多车身制造产线中的在线测量设备是拍照式测量，此过程中会产生大量的白车身图像，图像中会携带大量白车身信息。本文就是提供了将现有车身图像数据在图像处理软件中进行自动化缺陷识别并实时报警的一种解决方案，该方法不仅有效提升了现有数据的利用率，同时可代替人工目视进行自动缺陷检测，提升了准确率和检测效率。

关键词：白车身图像识别车身缺陷在线检测智能化

1前言与背景

Atline在线绝对测量技术于2019年在上汽大众MEB工厂首次投入使用，该技术的最大技术突破是首次将光学绝对测量技术用于白车身尺寸在线智能检测，该检测系统的核心部件采用德国GOM公司生产的Atos测头，该产品是拍照式尺寸检测产品，主要通过自带专用相机对待检测部分进行单角度或多角度拍照，如图1所示，利用自带软件及算法，从照片中提取尺寸信息，最终完成全车身的尺寸检测工作。

在线检测过程中，为了监控测量方案中的所有尺寸，每台白车身从内至外要拍摄约几百张照片，照片幅面为1000mm*750mm，分别率为1200万像素，如图2所示，该照片为尺寸检测中的过程产物，目前只是从中提取尺寸信息。但由于其高分辨率和大幅面特性，其中可以清晰的分辨出车身表面的各种目测缺陷，例如焊点，油污，孔错位，多层钣金叠加时的切边错位等缺陷问题，此类问题传统的解决方法主要是通过人工目视抽检完成，基于图像识别技术的发展，本文主要介绍利用在线光学测量的过程产物-高清图像，进行二次数据利用及挖掘的一种白车身缺陷检测的新方案。

2缺陷类型及传统解决方法介绍

在白车身总拼生产过程中，由于生产工艺，来料质量，人工等不确定因素的影响，很多车身质量缺陷无法避免，目前只能通过后续人工返修来修复类似缺陷，如未能及时发现缺陷，带有缺陷的白车身就会流入油漆、总装车间，会对最终的产品车造成重大影响或经济损失。

如图3所示，列举了常见的白车身缺陷类型，分别是焊点数量、位置及质量检测，如图3a所示；冲压件表面是否有楼冲孔情况检测，如图3b所示；双层或多层钣金叠加时孔错位如图3c所示;以及双层钣金切边止口错位检测如图3d所示等。目前各大汽车制造厂商检测类似缺陷的方式主要以人工目视为主，目视发现问题进行返修。但存在人工成本高，技术有门槛等通用问题，与此同时，人工目视检查有一定的主观性，易疲劳、只能进行抽检等不足之处。

基于如上生产需求及现有方法的不足之处，本文将现有图像数据在图像处理软件中进行自动化缺陷识别并实时报警，提升了现有数据利用率和缺陷检测准确率。

3图像识别技术在白车身应用流程介绍

图像识别技术是人工智能的一个主要构成部分，从属于机器视觉领域，它是指根据图像像素特征信息对图像进行数字化处理及分析，从而获取所需信息或特征进而进行判断，达到设计目标的过程。该技术在电子元器件的生产，交通违规，考勤支付等领域已经成熟应用，但在白车身缺陷检测领域还较少。

Atline在线光学测量技术主要是通过自动程序控制的机械臂驱动测量头对白车身进行尺寸监控的一种手段，该技术主要通过在特定角度拍摄车身照片，从照片中完成尺寸信息获取的测量技术。由于该技术在产线中的应用，所以在生产过程中每天会生成大量的白车身高清图像，由于自动程序控制，所以这些图像在不同车身上的拍摄位置具有高度的位置一致性，因此，为批量自动的图像识别缺陷检测提供了实施的数据基础和可能性。

如图4所示，为图像识别技术在Atline在线光学绝对测量工位的应用流程。首先，根据现场质量检测要求，确认适合图像识别监控的缺陷类型。确认依据主要是在日常生产过程中，需要人工目测检查的白车身缺陷，例如钣金表面开裂，划伤以及一些功能性的缺陷等。

其次，根据确认好的缺陷类型以及该缺陷在白车身的位置分布情况，在测量项目中选取最佳角度及曝光参数的图像，将该图像导出后在图像识别软件中进行缺陷的识别以及特征提取，确认可清晰有效进行缺陷检测后开始进行数据收集，为后续模型制作及优化做数据准备。本文是基于HALCON软件平台进行的缺陷模型制作。

最后模型完成离线制作和优化后将其部署在待监控的工位，对后续车型进行批量缺陷监控，在此过程中需将含有缺陷的图像从测量程序中导出并进行重命名，命名方式需至少包含车辆ID，检测时间和缺陷位置信息，为报警车辆的返修提供快速车辆定位。

4图像识别技术在白车身应用案例介绍

图5为白车身中常见的缺席类型以及在线测量工位中的图像信息，在图像识别软件中，通过不同算子的组合应用，可快速的对正常图像和缺陷图像进行判断和区分