自動檢測技術在汽車涂裝表面質量檢測中的應用

  車身噴涂是汽車生產過程中的重要步驟，在自動化技術、機器視覺技術等新型技術的全面發展應用之下，針對鋼材、PCB板以及織物表面質量檢測的技術得到了進一步升級，目前其相關技術在國外大型汽車公司已經開始測試使用，本文即通過深入研究與探討為國內的普及應用提供參考。

  1 汽車涂裝自動檢測技術原理分析

  汽車涂裝自動檢測技術以先進機器視覺系統為基礎，針對汽車涂膜表面的質量進行自動檢測，在車身行進的同時，識別汽車表面涂裝存在的各類缺陷，并將其結果參數傳輸到報交線上，進而自動指示出需要返修的準確位置和區域。該技術主要依靠機器視覺系統完成運作，其中安裝了數據處理計算機核心，通過對汽車表面涂裝圖像的獲取、處理與分析，進而輸出檢測結果。具體來說，該技術的機器視覺系統是核心部件，將39個工業視覺傳感器固定于車身周圍，進行涂裝表面圖像獲取，保證每個傳感器都能固定獲取并檢測對應的區域范圍，并通過所有傳感器的合理分布，使得檢測的總區域將車身表面全覆蓋。系統以LED紅色高亮光帶為光源，在車身行進的同時，對車身涂膜表面進行高清掃描，從每輛車上可以獲取3萬張以上的高清圖像，而后通過高性能計算機處理中心對圖像數據進行處理，進而根據算法分析出接測結果，并通過數據輸出，自動指出其缺陷位置。

  該技術對于車身涂裝缺陷的檢測與識別主要依靠缺陷表面與正常涂裝表面的反射光差異，在光的反射定律下，車身涂裝平面形成的反射光具有典型特征，當視覺傳感器接收到與預設光線不同的信號時，就可以大概判斷其存在缺陷問題，而后將傳感器圖像進行智能處理，進而分析得出結果。

  汽車涂裝自動檢測技術的系統結構主要包括編碼器、視覺傳感器、通訊I/O模塊、光電開關傳感器、PLC、光源、處理器等。該系統結構具有占地面積小，應用靈活的特征。主檢測系統占地3.0×3.6米，后蓋檢測結構占地1.0×1.5米，可以靈活安裝在面漆存儲線內，進而在車間改動時較為簡單。在具體的系統結構中，系統編碼器直接連接輸送滾床，檢測系統根據輸送轉速控制拍照的頻率。在檢測時計算機系統需要處理大量圖像，因此需要更優的計算機處理器。在車身檢測過程中，則分為五部分展開，分別為車身前蓋、車頂、左邊、右邊和后蓋，其中各自安裝一臺計算機處理器，通過通訊主機實現交互通信，進而得出總體檢測結果。檢測系統的視覺傳感器則分別固定在車身的周邊位置，通過設置一定的掃描重疊區，保證檢測區域能夠完全覆蓋車輛表面。

  2 自動檢測技術在汽車涂裝質量檢測中的應用流程

  車輛在達到檢測站之前，車身信息讀寫站會將目標車輛的相關數據進行統計并發送給檢測系統，主要信息包括車身的基本型號、車身表面的噴漆顏色、車頂的特殊形式、是否存在天線孔等。檢測系統在收到型號信息后，可以根據對應型號加載數據參數。當車輛行進觸發光電開關傳感器后，檢測系統正式開始工作，由編碼器發出的脈沖信號進行圖像采集工作，直到完成檢測任務。

  2.1 圖像采集

  圖像采集是自動檢測的第一個環節，每一個傳感器通過掃描車身的特定區域，采集800-1000張高清晰度圖像，根據車輛表面的面積大小，所采集的圖像個數有一定浮動空間，但其圖像會完整覆蓋車身表面，保證檢測目標不出現任何遺漏。在車身通過檢測系統時，視覺傳感器會一直根據編碼器生成的信號記錄對應圖像。但是所采集的圖像信息并不是全部用于檢測提示，比如車頂天窗、天線孔等位置，同樣會生成非預設參數，但這些區域會自動去除在缺陷檢測之中。在該環節中，系統主要通過感興趣區域ROI機制進行控制，通過該機制可以讓系統分辨出采集圖像中可以忽略的信息內容，進而保證檢測具有更高的針對性與精確性。對于不同顏色的車身，檢測系統也會建立智能學習體系，針對不同的顏色建立檢測參數庫，進而以更精確的數據檢測其光線范圍，保證圖像采集的高質量標準，從而保證檢測系統不會受到因顏色而帶來的反射光光線差異影響。

  2.2 圖像處理

  自動檢測系統在得到傳感器采集的諸多圖像之后，則要對高清圖片進行圖像二值化算法處理，進而通過算法疊加擬合，模擬生成對應車型的檢測模板。在實際檢測過程中，系統可以根據車型自動設置主模板視覺傳感器，其他傳感器則會根據算法進行區域整合，進而保證檢測范圍完整化。而后系統會建立預設標準，并根據定點圖案搜索智能識別檢測區域中的區域形狀，以此辨識缺陷存在的位置以及大小范圍。

  2.3 結果輸出

  在車身返修線上設有人工返修工位，并配備了液晶顯示器，當自動檢測系統檢測完畢后，其結果信息會即時存儲到系統的數據庫之中，并且在車上運行到返修線時，其結果信息會通過液晶顯示屏進行明確展示，工人可以直接根據顯示器指示的位置、顏色、等級進行修補，比如紅色、橙色、藍色就分別表示了B、C1和C級等不同的缺陷。

  3 自動檢測技術的評價結果分析

  相比較人工檢測，自動檢測系統在缺陷檢出率上有著顯著提升，這得益于自動檢測技術中機器視覺系統的高精度識別能力。同時，在不同顏色車輛的檢測過程中，人工檢測會更容易受到顏色的影響，在淺色系車身涂裝的檢測中往往檢出率會大幅下降，而自動檢測技術同樣在機器視覺的智能調節系統下，保證了不同顏色油漆下的穩定缺陷檢測。

  為進一步對比自動檢測系統的檢測效果，車輛質保專業部門可以針對自動檢測與人工檢測的結果進行統計分析，如圖1中顯示，在缺陷漏檢統計方面，人工檢測的漏檢情況更多，而自動檢測技術的檢測精度明顯更高。

  為進一步建立自動檢測系統準確性的定量分析指標，需要對自動檢測系統的評價指標量進行深化，即通過缺陷檢出率明確實際檢測效能，通過系統單車誤報結果展示檢測系統的精確度。其中檢出率主要表現系統的缺陷識別能力，單車誤報則主要表現其檢測精確度，即當系統檢測存在缺陷時，實際查看時卻并無缺陷的情況。由此可以建立如下公式進行計算，由此即可形成更加直觀且定量的自動檢測系統缺陷檢出率和單車誤報的評價指標。

    缺陷檢出率=檢出缺陷/檢出缺陷+未檢出缺陷×100%;

    系統單車誤報=總誤報缺陷個數/總檢查車輛數量。

  為了進一步驗證自動檢測系統的檢測成效，還應建立相應的工作組，由規劃、質保和涂裝車間進行有效結合，一方面保證每日生產線上有效落實Audit查驗車身的方式，另一方面就要在每日生產的過程中，進行一定數量的自動檢測系統車身檢驗，并將自動檢測結果與Audit檢查結果進行對照，由此獲悉檢出缺陷、未檢測出缺陷和誤報缺陷等相關的數據。此外，針對不同車身顏色的情況，還可以建立檢出率和單車誤報的統計表。

  自動檢測系統在檢測過程中受到顏色的影響相對較小，其檢出率與單車誤報缺陷次數相對穩定，雖然存在個別波動情況，但總體而言并沒有出現較大差異，且很大程度上其差異原因在于系統設置的敏感性不同。在出現誤報缺陷的情況下，人工查看后確認無缺陷則可以不做返修處理工作。而自動檢測系統在批量生產運行過程中，還表現出額外的效果與優勢，比如減少了人工勞動力，降低了人力標準，提高了生產的自動化效果等。

  在傳統的報交線上，工人需要負責兩方面的工作，既要負責對缺陷的檢測，又要在發現缺陷后及時進行處理，因而導致在檢查與處理過程中需要消耗更多的時間。與此同時，由于人工檢測還存在較多的缺陷漏檢情況，因此在正常的生產流程中，還容易造成二次返修缺陷的問題。但是上述情況在自動檢測系統應用下可以有效避免，返修工人不需要進行檢測的工作，而只需要對缺陷進行處理即可，由此實現了更精細化的分工，可以實現降低缺陷漏檢、提升檢測質量的目標。

  隨著工業科技的進一步發展，汽車涂裝生產技術與檢測流程也會持續升級，逐步向高智能化與全自動化發展。因此在機器視覺輔助下，汽車車身涂膜表面質量的自動化檢測技術展現出重要的應用價值，其通過機器功能代替了人工檢測的過程，不僅可以進一步防止缺陷遺漏，而且還能有效提升車身的油漆質量，甚至還通過降低勞動強度，提升了生產線的自動化率，是全面促進汽車質量檢測過程工作效率的重要支持，也必將成為未來車廠的重要發展趨勢。