机器视觉检测系统对汽车工件筛选与检测_技术,Dashboard

摘要

在现在汽车工业中，生产过程自动化程度越来越高，但检测与筛选工作却长期以来一直由人工完成，不仅效率低还成为整个过程中的瓶颈与与精度最低的部分，较容易出错。而机器视觉检测系统的筛选与检测变得越来越重要，它不仅精度高，速度快，可靠性强，特别是与人工检测系统相比的成本更低，能胜任多种环境下的工作，所以本文就机器视觉检测系统在汽车工件的筛选与检测的原理，构成，以及优点来发表阐述。

1. 本文首先对概念上机器视觉检测系统作简单介绍，介绍它的系统构成与工作原理等方面的内容，之后进行实例上的详细阐述。

2. 本文以基于机器视觉检测系统的汽车仪表盘等结构在生产与运行当中的自动检测与筛选为例来具体的介绍这项技术的运用。

3. 然后，本文以汽车零件的筛选以及汽车换热器的尺寸测量来介绍机器视觉检测系统的多方面应用。较为简短。

以上面的分析为论据来说明机器视觉检测系统在汽车工件的筛选和检测上的巨大优势。

关键词：机器视觉，自动检测，筛选，汽车工件，仪表盘

Machine Vision Inspection System for Automobile Workpiece

Screening and Detection

ABSTRACT

In the automotive industry the automation of production process is getting higher and higher but the detection and screening work has been completed by manual for a long time. It is not only inefficient but also the bottleneck and the lowest precision part of the whole process. It is easy to make mistakes. The selection and detection of machine vision inspection system is becoming more and more important. It has high precision fast speed and high reliability. Especially compared with manual inspection system it has lower cost and can work in many environments. So this paper describes the principle composition and advantages of machine vision inspection system in the selection and detection of automobile parts.

1. This paper first gives a brief introduction to the conceptual machine vision detection system introduces its system structure and working principle and then elaborates on an example in detail.

2. Taking the automatic detection and screening of automobile dashboard based on machine vision inspection system as an example this paper introduces the application of this technology in detail.

3. Then this paper introduces the application of machine vision inspection system in many aspects by screening automobile parts and measuring the size of automobile heat exchanger. Shorter.

The above analysis is an argument to illustrate the tremendous advantages of machine vision inspection system in the selection and detection of automotive parts.

Keywords: Machine vision automatic detection automotive parts dashboard

目录

摘要

ABSTRACT

目录

第一章 绪论

1.1 研究背景

1.2 机器视觉技术的原理与构成

1.3 研究的目标和意义

第二章 机器视觉检测系统在实例当中的应用与分析

2.1 机器视觉系统对汽车仪表盘的自动检测

2.2 机器视觉系统对汽车换热器的自动尺寸测量和某些工

件的筛选

第三章 总结和展望

3.1 论文的总结

3.2 论文的展望

参考文献

致谢

第一章 绪论

本章基于对机器视觉在当前领域的研究背景进行基本分析，对其原理构成等进行粗略阐述，并简要介绍此项研究带来的现实意义。

1.1 研究背景

作为人类有史以来最伟大的发明之一，汽车在 20 世纪给人类的生活带来 了翻天覆地的变化。它极大地降低了交通成本，提高了生产力，促进了经济繁 荣，掀起文化融合的浪潮。作为振兴国家的支柱产业，我国对汽车行业的发展 尤其重视。国家连年来对汽车行业发布多项重要的法律法规，无论是新能源汽车，还是汽车生产工业的完全自动化，我们都能预见汽车行业的发展将迎来一个新的高峰。但与发展高峰相对应的便是技术上的挑战，汽车市场需求的扩大需要进一步提高生产效率。汽 车的生产是一个涉及到多部门细致的分工合作，生产流程复杂，连带产业繁多 的工业过程。过程中的每一步都对整体效率起着关键影响，随着市场对生产率 的要求逐步提高，寻找这一过程中的效率瓶颈，进而优化生产过程，提高生产 率的必要性逐渐凸显。

而人工的筛选检测与测量则是生产中最耗时耗力的工作，而机器视觉检测系统则能高效地解决这个问题。

1.2 机器视觉技术的原理与构成

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)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，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作.【1】

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、 I/O卡等)。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。【2】

机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者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，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。【3】

机器视觉系统的基本构造

一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、显微镜头）、 相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。

机器视觉系统的原理

机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。

1.3研究的目标与意义

因为在大批重复量的工业生产中，用视觉机器检测的方法可以大大提高生产效率和自动化程度。我们研究视觉检测系统在汽车工业上的应用。视觉检测系统在汽车工业上的应用非常广泛，比如在车门抓取定位系统上的研究，汽车换热器的尺寸测量，前照灯的检测，稳定杆的检测，仪表盘的自动检测，汽车零件的筛选等。用处虽十分广泛，但普及率却不是很高。本文的目的就在于详细地介绍机器视觉检测系统在汽车某些工位的作用，并分析这种做法的优点所在。希望读者可以通过本文能粗略的了解机器视觉系统，并且熟知它的运用。

第二章 机器视觉检测系统在实例当中的应用与分析

本章将介绍机器视觉检测系统在实例当中的应用，并在应用中阐述其原理与构造。将介绍的实例有汽车仪表盘的自动检测，汽车换热器的尺寸测量，汽车零件的自动筛选，还有其他一些简短的补充实例。

2.1 机器视觉检测系统对汽车仪表盘的检测

1.仪表盘的检测流程与自动检测

当介绍到汽车仪表盘的检验时，我们首先要熟悉仪表盘的检测流程。组合仪表的检测流程来源于仪表的功能需求——对仪表正常工作的理想状 态下仪表输入/输出关系的描述。检测流程与功能需求间的关系非常紧密，但 是两者并不等同。功能需求对输入/输出关系的描述偏向于孤立地描述整个功 能中的一小部分以方便设计实现，而检测流程偏向遍历这些描述，以验证它们 的真伪。一个好的检测流程不止要能够遍历功能需求中所有的输入/输出关系 描述，还要求效率——尽可能地减少遍历过程的时间消耗，以及诊断能力—— 检测无法通过时，能够从检测结果尽可能详细地推断问题发生原因。由于这些 需求往往互相矛盾，检测流程的设计是需要许多经验和实践的积累才能达到平 衡各方面指标，综合最优的结果的。 在检测中，检测人员完成的 4 类工作里，除了理解检测流程外，其余 3 类 工作都是在检测流程的指导下完成的。可以简单地做一个类比：将人看作是一 台计算机，其他 3 种基本工作看作是计算机所能执行的指令集，那么检测流程 就处于计算机程序的地位上。可以想见，检测流程实际是一种程序序列，其中 写明了按照一定顺序执行的基本操作（驱动仪表，读取结果，记录结果）以及 操作的参数。就如同自动钢琴一般，将刻好乐谱的卷帘装到钢琴上，钢琴就可 以自动演奏。出于简便，可以选择“乐谱”模型给检测流程建模，这样一来只 需要顺序执行和循环执行这两种基本元素就可以了。尽管这一模型不是完备 的，因为它缺少图灵机的一些特征[4]，但是可以满足检测需要。 明确了什么是检测流程后，我们依然面对着如何让计算机理解检测流程的 问题。对此有两种思路：1、由计算机分析功能需求并给出一个检测流程，2、 人工分析功能需求，设计检测流程并输入计算机。前者实质为人工智能领域经典的“自动编程”( Automatic Programming ) 问题，由于当前计算机理解程序 需求能力本质上的障碍，它并不能完全消除人工劳动，而更多的是意味着编程 工作可以在更高的抽象层次上进行，更容易为人类理解[5]。后者是目前应用中 的主流思路。

在史言《基于机器视觉的仪表自动检测系统设计与实现》【6】一文中他提出了一种新的用机器视觉监测系统对仪表的自动检测的方法。首先由于机器视觉检测系统的结构首要的便是光源，但仪表盘的指示灯作为光源则亮度太低，而且具有可见光不稳定的缺点，所以在镜头和相机都无法改变的情况下则需要特殊的图像采集和处理装置。而处理装置又分硬件装置和软件装置。根据所需要观测的数据的性能参数。常见的性能指标包括：分辨率、帧率、颜色深度；镜头的焦距、视角；其他还有快门速度 等。在此基于对仪表检测的特点分析，提出对这些性能指标的要求。 图像采集设备最为重要的指标是分辨率。在仪表检测中，对图像采集设备 分辨率的要求主要取决于如下两点：期望视场的尺寸和期望分辨的最小特征的 尺寸。为简化问题起见，这里假设采集设备的视场是矩形的，而像素尺寸相 等，均为正方形，彼此之间没有缝隙，感光度处处均匀。利用GPGPU的图像处理单元，还有高度模块化的图像处理软件，可以解决这些问题。而机器视觉检测系统时根据像素分布和亮度、颜色等信息，转变成数字化信号，再由软件和硬件系统进行分析。而作者使用CUDA软件硬件技术，指针，颜色和位置校准识别算法，先将颜色，长度，位置等信息准确识别后，再由CUDA技术进行图像的处理。解决了这一汽车仪表的自动检测问题，彰显了机器视觉检测系统的优势。

2.仪表盘的自动校检

首先介绍仪表盘的自动校检流程。指针校验流程为：在仪表指针校验模式下，通过上位机发送仪表指针的理论位置指令，再观察 指针的实际指示位置，理论位置和实际位置存在角度偏差 x，若 x 不在允许误差内， 则接着通过微调指令数值，调整步进电机的旋转角度，使得指针精确定位，目的是 让偏差 x 落在允许误差内，后记录当前的指令值，写入仪表存储单元里。报警灯 校验流程为：先进入报警灯校验模式，通过上位机发送指令让某报警 灯亮起，接着判断此报警灯是否亮起、颜色是否正确并且没有其他报警灯亮起，这 些条件满足后再发送熄灭该报警灯的指令，接着判断此报警灯是否熄灭、其他报警 灯也未亮起。而国内的汽车仪表盘校检复杂且多为人工，手动校验仪表会有以下几 个弊端，首先效率过低，每次校验一个刻度需要不停地按“UP”或“DOWN”，校 验一个刻度快则几秒，慢则数十秒，并且每个仪表有四个刻度盘，每个刻度盘至少 有三个刻度位置需要校验，除此之外，每块仪表有十几个指示灯，人工判断这些指 示灯的亮灭与颜色也需要数分钟，所以校验步骤成为了生产瓶颈，对生产十分不利。 其次存在漏判误判情况，由于校验项目众多并且每个校验环节都需要人工判断，可 能会疏忽某个测试项而误将不合格产品判成合格产品。再有，存在校验仪表不精确 的可能性，判断指针理论位置与实际位置的角度差是校表的关键环节之一，若用人 工判断，由于从不同角度观察仪表盘，角度差会不同，因此操作工在人眼判断角度 差时总是带有主观意识，没有一个客观标准。针对此问题卜令骏在《基于机器视觉的汽车仪表自动校验系统设计与实现》【7】一文中提出一种用机器视觉检测系统来对汽车的仪表盘进行校检。。而机器视觉检测系统只是解决这个问题当中的一环，但却极其重要，不可或缺。：通过视觉传感器上位机首先获得图片，接着通过软件图像处 理，获取目标物体如报警灯、指针以及刻度的特征。通过机器视觉系统可检测到仪 表盘 LCD、LED、背光的亮灭和颜色；提取指针轮廓和中心线；寻找仪表刻度线； 计算刻度线与指针线间角度差。作者创新性地提出了多种图像处理技术，而此种技术正是要广泛运用于机器视觉系统。灰度图像处理中的灰度分析，二值化，空间滤波等，彩色图像处理 中的RGB 彩色模型，HSI 彩色模型，形态学图像处理中的膨胀和腐蚀。因为图像处理技术是机器视觉处理系统中关键的一环，所以此方法的提出也解决了这个问题。

2.2 机器视觉系统对汽车换热器的自动尺寸测量和某些工件的筛选。

因为上文已经详细地介绍了机器视觉系统在实例当中的原理与构成，所以接下来本章主要介绍机器视觉检测系统的运用。

1.机器视觉检测系统对汽车换热器的尺寸测量

因为人工对尺寸测量的误差较大，所以采取机器视觉对尺寸进行测量。基于机器视觉的尺寸测量和缺陷检测系统一般需要经过以下4个步骤：图像采集、 图像预处理、图像的特征提取、目标的测量与检测等。图像采集即通过照相机、光源等设备获取目标物体的图像；图像预处理主要是减少图像中的噪声，提高目标与背景 的对比度，增强待检测目标部分，便于后期的处理；特征提取主要是对目标图像进行分析和变换，提取出需要的特征，计算相应的特征值；最终根据得到的特征值完 成对待测目标的测量、缺陷检测与分类。

随着科学技术的不断发展，对零部件的加工精度的要求越来越高，加工过程中的

尺寸测量问题也更多的引起了人们的重视。传统的测量技术主要是依靠人工使用测量仪器完成对零件的检测。典型的方法是采用游标卡尺或者其他测量工具在被测工件上 针对某个尺寸多次测量后取它们的平均值。这些检测手段具有测量简便、成本低廉的优点，但是测试速度慢，测试数据无法及时处理，尤其是当数据量非常大的时候，利用人工检测无法保证实时性，这些都会严重阻碍生产的自动化【8】。针对这些问题傅骏在《基于机器视觉的汽车换热器尺寸测量和外观检测系统设计》【9】一文中提出用机器视觉检测系统去进行测量。相机的选型：相机作为直接的图像获取来源，直接影响整个系统的图像质量以及检测等级。根据不同的应用需求，需要选择合适的分辨率、帧速、相机接口等。分辨率是光学系统 能够识别的物体的最小单位，帧速是视频画面每秒播放的帧数，相机接口是用来把摄 像机采集到的图像传递给其他设备。 根据实际的应用要求，在本系统中选择Imperx Bobcat的工业级相机，具体型号为：IGV-B4822M—KF0。该相机为KodakKAI．16000芯片，分辨率为4094×3280， 43．3mm CCD，Mono，镜头接口为F-Mount，输出接口为GigEVision。镜头的选型：镜头是用来集聚光线，获取清晰的图像的结构，它是相机获取图像的眼睛。因此 需要根据实际的检测范围、大小和工作距离来确定镜头的焦距，同时根据需要选择不 同的相机接口。C接口相机配C口镜头，M42接口相机配M42镜头或转为F接口配 F口镜头，F接口相机配F口镜头。一般高分辨率相机需要使用工业级百万像素以上镜头，光学分辨率在500万以上为最佳，如Myutron五百万像素系列镜头，Schneider 工业级镜头等。根据检测要求，本系统选用了XENON．EMERALD 2．2／50mm F．Mount 镜头，接口与所选相机要求的镜头接口一致。光源的选型：光源在机器视觉系统中也占据着很重要的位置，它的功能主要是通过光源发出的 光照射到待测物体上，突出待测物体要检测部分的特征，弱化背景部分的特征。一个好的光源可以提高检测效果，减少后期图像处理中的困难。因此，必须根据具体不同的检测对象，选用合适的光源。常见的光源主要有白炽灯、氙灯、荧光灯、发光二极 管等。 由于换热器的检测区域大，检测精度高，因此需要使用工业级LED光源进行补 光。因为本系统中使用的灰阶CCD对红光最为敏感，而且使用红色光源成本比较低， 因此在最终系统中选用了红色光源。两条800mm的LED红光光源，光源型号为：OPT-APl024．2。该模拟光源控制器为非串口控制方式，24V两通道光。图像的处理在这里就不一一论述了。

2.基于机器视觉的汽车稳定杆检测

汽车横向稳定杆是汽车中的一个通用零件，空间形状误差是它的一个重要控制指标，传统的检测方法为人工检测，其检测速度慢、效率低并且人为 因素影响较大，难以满足生产需要。针对此现象，王平在《基于机器视觉的汽车稳定杆检测系统设计和关键技术研究》【10】一文中提出了一种基于机器 视觉的汽车稳定杆非接触测量的方法，并对整体系统进行了设计，对关键技术进行了深入研究。

系统硬件是整个检测系统的重要组成部分，它将采集的被测试样的图像 转化为数字信息，提供给后续的软件进行处理和分析。系统硬件主要包括： 伺服移动平台、照明系统、图像采集卡、CCD 摄像机、镜头等。视觉系统 设计的原则是： ⑴ 能够提供较为清晰的图像； ⑵ 获取图像的时间尽可能的少； ⑶ 系统工作稳定可靠，抗干扰能力较强； ⑷ 较低的成本【11】。

他采取的机器视觉监测系统如下：视觉检测系统的硬件主要包括计算机、图像采集卡、伺服移动平台、工 业相机等。图像处理则是以 LabVIEW 为平台， 利用 IMAQ Vision 图像处理 模块开发构成的。整个系统的工作过程是，光源照射在工件上，CCD 通过 镜头采集到其反射光源，再通过图像采集卡将模拟信号转换为数字信号，图 像信息提供给软件平台进行图像处理、分析、判断，运动控制系统控制伺服 移动平台，实时判断相机的位置，为下一步采集做准备。

在机器视觉系统中光源与照明方式很重要，直接影响到测量的结果与准确性。而光源与照明方式要符合三个原则：能够保证整体亮度、突出所要检测的特征量、增 强检测部分与次要部分的对比度。由于普通光源不稳定且较易受环境中光源的影响，所以作者采用LED灯作为机器视觉系统的光源。因为LED光源相比于普通光源而言，LED 光源的 寿命较长，达到 6000~10000h；并且新型光源的发光效率高，LED 的发光效率相对于白炽灯与荧光灯并不高，但是光谱几乎全部集中在可见光谱，可见 光转换效率达到 80%~90%，而白炽灯的转换效率只有 10%~20%，其大部分 能量都以热能的形式散发掉了【12-13】；LED 还具有体积小、重量轻、耗能小，光亮度高的优点，由于 LED 光源是由许多单个发光二极管组合而成的，可以满足许多不同工况下的形状要求。而在照明方式方面，由于成像背景及被测物体的特殊性，可以选择不同角度的入射光。根据 入射角度不同，可以分为高角度照射、低角度照射、多角度照射、背光照射、 同轴光照射。而相机作者则采用CCD相机或CMOS相机。

对于图像的处理综合考虑兼容性和系统的要求，本文采用比利时 Euresys 生产的 PICOLO 系列的 PICOLO PRO 2 型号的图像采集卡，PICOLO PRO 2 是性价比较高、 并且能够连接多个相机的图像采集卡，通过自身携带的多个 BNC 复合视频 输入接头，能够四台相机同时采集图像，分辨率达到 783×576（PAL）。针对多路输入信号，PICOLO PRO 2 通常使用专用的信号切换技术对其 进行轮流采集，切换延时能够保持 40 ms 以内，对 NTSC 则能够 33 ms 以内。 PICOLO PRO 2 有多个标准 BNC 视频连接器，板卡采用 16 针的接头提供 I/O 口的 13 条 TTL 信号通道，可以配置其中一个端口作为采集触发线，其它的 端口则可以用来对外部设备的控制【14-17】。

第三章 总结与展望

3.1论文的总结

本文主要从检测系统来阐述机器视觉系统的原理与构成，中间以汽车仪表盘的测量与检测来具体地说明机器视觉检测系统在汽车工业生产中的应用，以汽车换热器和稳定杆的测量来说明了机器视觉的优势所在。总体来说较为简略，也较为说理。因为自己没有亲手做过有关的实验及研究，大多为借鉴与引用。其中若有不对之处，还望谅解。

3.2论文的展望

从我查的资料与看的论文可以看出，机器视觉系统正在飞速发展，可也正是因为他发展的多方向性和快速性，导致很多地方没有被普及，运用还不够深入。除了对某些工件的测量和检测外，我认为机器视觉系统还可以为许多精密的技术做“眼睛”，帮助他们看到人眼看不到的危害，避免凭感觉而造成的损失。机器视觉系统还可以对地形，天气等进行分析，运用出色的图像分析处理系统可以根据颜色，形状等得到我们想要的数据。由此可见，在未来，机器视觉必将在很多领域都展现光彩。

参考文献

1. 人工智能、深度学习、机器视觉，你需要弄清的概念 ．深度学习世界[引用日期2016-05-03]

2. 机器视觉检测技术 ．工业机器人网 [引用日期2016-04-08]

3 现在谈机器视觉还早了点？ ．深度学习世界[引用日期2016-05-04]

4. Boolos George; Richard Jeffrey (1989 1999). Computability and Logic (3rd ed.). Cambridge UK: Cambridge University Press。

5. David Lorge Parnas Software aspects of strategic defense systems Communications of the ACM Dec 1985 Vol.28 Num.12 p 1326-1335

6. 史言 基于机器视觉的仪表自动检测系统设计与实现。 【2009.6】

7. 卜令骏 基于机器视觉的汽车仪表自动校验系统设计与实现 【2011.2】

8. 韩九强．机器视觉技术与应用[M】．高等教育出版社，2009

9. 傅骏 基于机器视觉的汽车换热器尺寸测量和外观检测系统设计 【2014.3】

10. 王平 基于机器视觉的汽车稳定杆检测系统设计和关键技术研究 【2014.3】

11. 贺雅琴.基于机器视觉的零件尺寸检测的研究[J]煤矿机械，2010.31（6）：102-104.

12. Guo YingyingWang XinjieZhai YushengWang CaidongWang Liangwenet al.A novel

13. method for identification of cotton contaminants based on machine vision [J].Optik2014125(6):1707-1710

14. 王晓东，宋洪侠，刘超，罗怡.基于汽车视觉的微小型零件测量与装配控制[J].哈尔滨工程学大学学报，201132（9）：1117-1122.

15. Wu H Cai Z Wang Y. Vison-based auxiliary navigation method using augmented reality for unmanned aerial vehicles [C].Industrial Informatics (INDIN) 2012 10th IEEE International Conference on IEEE 2012: 520-525.

16. Foo K Y. A vision on the role of environmental higher education contributing to the sustainable development in Malaysia [J]. Journal of Cleaner Production 2013 61: 6-12.

17. Kelber A Henze M J. Colour Vision: Parallel Pathways Intersect in Drosophila [J]. Current Biology 2013 23(23): 1043-1045

致谢

致谢机械工程概论的陈忠和邝泳聪老师，感谢他们带领我走向新的机器世界，让我了解了很多新的机械技术和成果。

对于文中引用文献的作者，在此表示深深的敬意。

2019.5