机器视觉在汽车智造过程的应用场景分析

导读

随着汽车制造向自动化、信息化、数字化、智能化方向的深入发展，智能视觉系统得到了极大的发展，应用场景越来越多，使用范围越来越广泛，涌现了不少实际案例，取得了良好效果。

智能制造离不开机器视觉系统，机器视觉系统的智能化又大幅度地促进了智能制造技术的发展。本文将结合作者的实践认知，分析智能机器视觉系统在汽车制造过程中的冲、焊、涂、总车间的三类应用场景，即特征识别、视觉引导、尺寸测量，当然可能还有一些应用场景作者未识别到，不尽之处，欢迎补充。

01

特征识别

特征识别是机器视觉最初使用及使用最普遍的应用场景，在各类自动装配线上用机器视觉拍照与标准样品的特征，进行比较，用于防止零部件错装、漏装、多装，或设备/工装/零件的一致性检查等。

冲压车间

1）冲压钣金件外观质量检查。在冲压线成品检测区，安装机器视觉识别系统，识别零件表面是否有划痕、是否有较严重的变形、皱褶、裂纹、缺肉、鼓包等外观缺陷，一旦发现可即时报警，便于人工或机器人把有缺陷的零件挑选出来。

2）防错检查。通过安装的视觉系统自动检查钣金件上冲孔的数量、孔径是否符合规格要求，防止发生多品种生产模具更换冲头时出现生产出的零件不符合规格要求。

3）设备状态异常监控。自动化冲压线为了防噪往往需要封闭起来，压机、模具、机器人、端拾器的工作状态，可以通过机器视觉系统进行实时监控，一旦发现动态异常即刻报警，并能把异常时的状态数据记录保存下来，便于分析防止再发。这种机器视觉系统也可以应用于焊装、涂装、总装的一些重要设备的动态异常监视场景。

焊装车间

1）焊点质量检查。通过装在焊接机器人上高精度视觉系统实时识别焊点的直径是否符合要求、是否有漏焊、虚焊、过焊等异常焊点。发现缺陷即可报警。

2）涂胶质量检查。良好的焊接密封胶、结构胶的涂胶质量是车身质量的重要保证，通过安装在涂胶机器人或其它自动化装置上的视觉系统，能实时检测涂胶质量特征，如涂胶面积、长度、轨迹等，以及有无断胶、气泡等表面质量问题，可以即时报警及返工。

3）自动上件识别。在焊装线，采用机器人自动焊接的自动化率很高，下一步采用机器人自动抓料上件的也会越来越多，除需要改善料框外，还需要利用机器视觉系统识别钣金件特征、准确抓取零件并放到夹具上，同时在多品种生产时能自动识别差异件、防止错装。

4）焊接夹具状态特征检查。焊接夹具上的定位销、压紧装置、零件支撑等是保障车身焊接精度的第一道屏障，在自动上件、自动焊接过程中，可以通过机器人视觉系统进行实时检查，确保夹具状态完好、零件在夹具上的位置正确、压紧状态正常才能完成焊接，发现异常后及时报警，以便技术人员及时分析、改善，消除影响焊接尺寸精度风险因素。

5）自动检查车身上焊接螺柱是否正确。利用机器视觉自动识别车身焊接螺柱的数量、规格是否符合工艺要求，识别焊接螺柱是否歪斜及是否存在焊渣等严重质量问题。通过安装在焊装质量门的机器视觉自动检查系统，把焊接质量问题堵在焊装车间内，及时发现、及时返工，及时分析、防止再发，促使焊装车身质量提升的良性循环。

涂装车间

1）涂胶质量检查。机器视觉系统可以用于车身上涂装密封胶检查，包括涂胶轨迹、漏胶、多胶、溢胶等涂胶质量问题，并借此精细化优化涂胶操作工序。

2）堵盖数量检查。在涂装车间需要装配一些车身堵盖，可采用机器视觉系统检查这些堵盖装配的是否符合工艺要求，是否有漏装、多装、装错堵盖等。

3）漆面质量检查。可以利用机器视觉自动检查车身内腔部位是否有漏喷、薄喷色漆，以及外观漆面是否有漆瘤、流挂、颜色不均、划痕等漆面质量问题。

总装车间

1）自动装配零件防错。通过机器视觉识别轮辋规格、轮胎上标记等，确认车轮总成规格是否符合车型要求；通过拍照快速识别风窗玻璃的规格（标记、特征）、底涂质量、玻璃胶轨迹及其表面质量状态（断胶、气泡、搭接不充分、胶型尺寸不符合工艺等异常情况）；动力总成姿态检查，在动力总成自动合装前道工序，利用视觉系统对动力总成姿态进行检查（可检查动力总成型号、在托盘上的姿态等），以便能顺利完成自动合装。

2）底盘装配质量检查。机器视觉系统可代替人进行底盘装配质量检查，检查内容包含车身底部是否有漏装零件（螺栓、螺母）、是否有未安装到位的标准件、安全项螺栓上是否有拧紧合格标记、底盘零件表面是否有划伤缺陷等。

3）SPS集配/排序拣件识别。在SPS集配区或在仓库零件排序区，采用机器视觉系统实现集配零件的自动挑拣识别，引导机器人完成零件的拣选及排序，如选电池自动排序、天窗总成的自动排序等。

4）汽车制动液/冷却液液位检查。通过机器人带视觉系统检查识别制动液液面、冷却液液面是否在规定的刻度线内，同时还可以检查冷却液的颜色是否符合工艺要求液体规格，特别是有些插电混动电动汽车，其发动机冷却液、动力电池冷却液不是同样规格的液体，往往采用颜色进行区分，机器人视觉系统在正确识别车型后，可通过检查液体颜色判断加注是否正确。

5）汽车铭牌核对检查。机器视觉可以很容易自动检查核对汽车名牌上的文字、参数、VIN号等信息是否与所粘贴的车型一致，与检查人员相比，机器视觉更快、更准确，检测数据更容易建立数字化档案。

6）车身表面划伤检查。由于总装工序多、人员多、工具工装多，如果工艺及管理跟不上，很容易导致车身漆面磕碰伤、划痕等低级质量问题，可以建立一个机器视觉检查通廊，自动检查这些油漆质量问题，并通过信息系统传输到车间电子质量门和随车电子档案中，有表面油漆质量问题的车开到返修区，尤其返修人员通过电子档案终端很容易读到这些质量问题，并进行返工处理及销项，全部返修合格的车辆才能通过总装车间电子质量门。

02

机器人视觉引导

冲压车间

机器视觉可以引导机器人进行冲压件自动装箱，装满冲压件的料框由AGV自动转运至冲压件仓库，实现钣金件从冲压-检查-装箱-转运全流程自动化作业。

焊装车间

带有机器视觉的AGV 穿梭在线边，引导AGV将钣金件准确送到需要的工位，这种带有机器视觉的AGV能自己规划路径、准确避障、定位料架等功能；

另外在设计有焊接夹具库的焊装线，机器人视觉还能引导自动化设备自动完成夹具出入库、检查夹具库位是否有障碍物，提升出入库作业安全。

涂装车间

也许机器视觉未来能引导机器人完成自动车身表面特定区域的打磨工作。

总装车间

1）视觉导航式AGV。总装车间智能物流使用了大量AGV，而视觉导航式AGV的发展很快，在视觉系统成本进一步降低后，这种视觉导航AGV应用数量会大量增加。

2）带有视觉系统的立体库移动式轨道堆垛机。立体车身库和立体零件库得到了很大的发展，而堆垛机是必不可少的设备，给堆垛机装上视觉系统，可以有效识别库位上是否有障碍物、移栽时是否放到了位、取货时伸缩叉是否叉到了正确的部位等，增加堆垛机作业安全。

3）机器视觉引导自动拧紧。在总装线上，自动拧紧站发展很快，比如底盘固定螺栓自动拧紧站、动力电池固定螺栓自动拧紧站、后桥总成螺栓自动拧紧站等，机器视觉系统引导机器人臂带着拧紧机完成一个或多个螺栓的自动拧紧工作。

03

尺寸测量

冲压车间

未来有可能会利用高精度机器视觉系统在线快速测量冲压件的关键尺寸及形状，在人工智能技术的赋能下，实现在线快速检测、快速判断，使冲压件的首件检测、中间抽检、末件检测实现数字化和智能化。

焊装车间

人工智能与机器视觉的融合，促进了机器视觉技术的发展，机器视觉测量精度得到了大幅度提升。在焊装车间可以利用机器视觉技术在线测量前后风窗的尺寸及形状是否合格，防止不合格的车身流入总装车间影响风挡玻璃的自动安装。另外也有可能能够在线快速检测车身上用于安装前/后保险杠、前/后大灯固定点位的尺寸是否在要求的公差之内，为骨骼精度在线快速检测控制提供技术支撑。

总装车间

1）外廓尺寸检查。一款新车型投产后，该车型的外廓尺寸需要进行抽检，监控其变化。机器视觉可以很好地承担这个在线快速检测的任务，代替人工对汽车的长、宽、高等外廓尺寸进行在线测量，记录数据，形成测量大数据监控报告。

2）间隙面差测量。在人工智能、边缘计算、点云匹配、三维数模重建、AI深度学习、高级算法等技术高度赋能下开发的AI机器视觉测量系统，通过在特定排除杂光干扰的工位，由多台机器人+高精度3D相机+计算机三维视觉测量系统软件实现整车间隙面差的快速在线测量，尺寸精度0.1mm，机器人柔性控制、三维数模重建、点云匹配等技术为一体，可应用于焊装、总装车间对车身间隙面差进行100%全检。专业的在线检测软件和独有的倾斜偏转矫正算法配合高性能处理器，能够保证测量结果精确的同时实现整车快速测量。机器人视觉间隙面差测量系统的应用，不仅实现了机器代替人工检测，更重要的是间隙面差数据的实时获取、分析、判断、预警，通过在线指示系统引导返修工进行在线调整，而且还可以通过大量检测数据的分析，可以提前从源头采取预控措施防止间隙面差超出合格范围。

3）机器人装配定位坐标测量。在总装自动化智能装配站，需要采用3D机器视觉对装配部位进行精确3D坐标定位，以便机器人准确安装零部件。比如安装车轮总成，机器人带着3D视觉事前对轮毂上的安装孔或螺栓头进行快速拍照，准确测定每个螺栓孔或螺栓头的3D坐标，定位精度可以达到0.1mm，把测得的3D坐标值传给机器人后实现定位安装；再比如在安装风窗玻璃时，也要事前测得风窗边框的3D坐标值，以及一些特征点的3D值（如定位销孔等），机器人再接到风窗边框的这些定位数据后，引导机械臂快速安装风窗，并保证安装后风窗与四周的间隙均匀。机器视觉在总装零件实现自动化装配中应用案例还有很多，不一一列举，可以说，有了机器视觉，总装零部件的自动装配将变得更容易实现了。

总之，机器视觉技术将改变汽车制造过程的许多方面，为汽车生产的自动化、数字化、智能化制造提供许多应用场景，取代许多人们不愿意从事的工作岗位或简单重复的工作，不管你愿不愿意，但这都是一个趋势。

本文所列举的应用场景中一些场景已经实现了实际应用，另一些场景的应用正在研究实施中，也有一些应用场景现在还未实现，更有许多应用场景需要广大从业者去发现、去开发应用案例。随着国产的视觉系统、技术水平、运算速度、定位精度、图像处理、深度学习能力的提升，以及3D视觉成本价格的大幅度降低，机器视觉技术在汽车制造中将得到更广泛、更深入的应用。

审核编辑 ：李倩