導讀

隨著汽車制造向自動化、信息化、數字化、智能化方向的深入發展，智能視覺系統得到了極大的發展，應用場景越來越多，使用范圍越來越廣泛，涌現了不少實際案例，取得了良好效果。

智能制造離不開機器視覺系統，機器視覺系統的智能化又大幅度地促進了智能制造技術的發展。本文將結合作者的實踐認知，分析智能機器視覺系統在汽車制造過程中的沖、焊、涂、總車間的三類應用場景，即特征識別、視覺引導、尺寸測量，當然可能還有一些應用場景作者未識別到，不盡之處，歡迎補充。

01

特征識別

特征識別是機器視覺最初使用及使用最普遍的應用場景，在各類自動裝配線上用機器視覺拍照與標準樣品的特征，進行比較，用于防止零部件錯裝、漏裝、多裝，或設備/工裝/零件的一致性檢查等。

沖壓車間

1）沖壓鈑金件外觀質量檢查。在沖壓線成品檢測區，安裝機器視覺識別系統，識別零件表面是否有劃痕、是否有較嚴重的變形、皺褶、裂紋、缺肉、鼓包等外觀缺陷，一旦發現可即時報警，便于人工或機器人把有缺陷的零件挑選出來。

2）防錯檢查。通過安裝的視覺系統自動檢查鈑金件上沖孔的數量、孔徑是否符合規格要求，防止發生多品種生產模具更換沖頭時出現生產出的零件不符合規格要求。

3）設備狀態異常監控。自動化沖壓線為了防噪往往需要封閉起來，壓機、模具、機器人、端拾器的工作狀態，可以通過機器視覺系統進行實時監控，一旦發現動態異常即刻報警，并能把異常時的狀態數據記錄保存下來，便于分析防止再發。這種機器視覺系統也可以應用于焊裝、涂裝、總裝的一些重要設備的動態異常監視場景。

焊裝車間

1）焊點質量檢查。通過裝在焊接機器人上高精度視覺系統實時識別焊點的直徑是否符合要求、是否有漏焊、虛焊、過焊等異常焊點。發現缺陷即可報警。

2）涂膠質量檢查。良好的焊接密封膠、結構膠的涂膠質量是車身質量的重要保證，通過安裝在涂膠機器人或其它自動化裝置上的視覺系統，能實時檢測涂膠質量特征，如涂膠面積、長度、軌跡等，以及有無斷膠、氣泡等表面質量問題，可以即時報警及返工。

3）自動上件識別。在焊裝線，采用機器人自動焊接的自動化率很高，下一步采用機器人自動抓料上件的也會越來越多，除需要改善料框外，還需要利用機器視覺系統識別鈑金件特征、準確抓取零件并放到夾具上，同時在多品種生產時能自動識別差異件、防止錯裝。

4）焊接夾具狀態特征檢查。焊接夾具上的定位銷、壓緊裝置、零件支撐等是保障車身焊接精度的第一道屏障，在自動上件、自動焊接過程中，可以通過機器人視覺系統進行實時檢查，確保夾具狀態完好、零件在夾具上的位置正確、壓緊狀態正常才能完成焊接，發現異常后及時報警，以便技術人員及時分析、改善，消除影響焊接尺寸精度風險因素。

5）自動檢查車身上焊接螺柱是否正確。利用機器視覺自動識別車身焊接螺柱的數量、規格是否符合工藝要求，識別焊接螺柱是否歪斜及是否存在焊渣等嚴重質量問題。通過安裝在焊裝質量門的機器視覺自動檢查系統，把焊接質量問題堵在焊裝車間內，及時發現、及時返工，及時分析、防止再發，促使焊裝車身質量提升的良性循環。

涂裝車間

1）涂膠質量檢查。機器視覺系統可以用于車身上涂裝密封膠檢查，包括涂膠軌跡、漏膠、多膠、溢膠等涂膠質量問題，并借此精細化優化涂膠操作工序。

2）堵蓋數量檢查。在涂裝車間需要裝配一些車身堵蓋，可采用機器視覺系統檢查這些堵蓋裝配的是否符合工藝要求，是否有漏裝、多裝、裝錯堵蓋等。

3）漆面質量檢查。可以利用機器視覺自動檢查車身內腔部位是否有漏噴、薄噴色漆，以及外觀漆面是否有漆瘤、流掛、顏色不均、劃痕等漆面質量問題。

總裝車間

1）自動裝配零件防錯。通過機器視覺識別輪輞規格、輪胎上標記等，確認車輪總成規格是否符合車型要求；通過拍照快速識別風窗玻璃的規格（標記、特征）、底涂質量、玻璃膠軌跡及其表面質量狀態（斷膠、氣泡、搭接不充分、膠型尺寸不符合工藝等異常情況）；動力總成姿態檢查，在動力總成自動合裝前道工序，利用視覺系統對動力總成姿態進行檢查（可檢查動力總成型號、在托盤上的姿態等），以便能順利完成自動合裝。

2）底盤裝配質量檢查。機器視覺系統可代替人進行底盤裝配質量檢查，檢查內容包含車身底部是否有漏裝零件（螺栓、螺母）、是否有未安裝到位的標準件、安全項螺栓上是否有擰緊合格標記、底盤零件表面是否有劃傷缺陷等。

3）SPS集配/排序揀件識別。在SPS集配區或在倉庫零件排序區，采用機器視覺系統實現集配零件的自動挑揀識別，引導機器人完成零件的揀選及排序，如選電池自動排序、天窗總成的自動排序等。

4）汽車制動液/冷卻液液位檢查。通過機器人帶視覺系統檢查識別制動液液面、冷卻液液面是否在規定的刻度線內，同時還可以檢查冷卻液的顏色是否符合工藝要求液體規格，特別是有些插電混動電動汽車，其發動機冷卻液、動力電池冷卻液不是同樣規格的液體，往往采用顏色進行區分，機器人視覺系統在正確識別車型后，可通過檢查液體顏色判斷加注是否正確。

5）汽車銘牌核對檢查。機器視覺可以很容易自動檢查核對汽車名牌上的文字、參數、VIN號等信息是否與所粘貼的車型一致，與檢查人員相比，機器視覺更快、更準確，檢測數據更容易建立數字化檔案。

6）車身表面劃傷檢查。由于總裝工序多、人員多、工具工裝多，如果工藝及管理跟不上，很容易導致車身漆面磕碰傷、劃痕等低級質量問題，可以建立一個機器視覺檢查通廊，自動檢查這些油漆質量問題，并通過信息系統傳輸到車間電子質量門和隨車電子檔案中，有表面油漆質量問題的車開到返修區，尤其返修人員通過電子檔案終端很容易讀到這些質量問題，并進行返工處理及銷項，全部返修合格的車輛才能通過總裝車間電子質量門。

02

機器人視覺引導

沖壓車間

機器視覺可以引導機器人進行沖壓件自動裝箱，裝滿沖壓件的料框由AGV自動轉運至沖壓件倉庫，實現鈑金件從沖壓-檢查-裝箱-轉運全流程自動化作業。

焊裝車間

帶有機器視覺的AGV 穿梭在線邊，引導AGV將鈑金件準確送到需要的工位，這種帶有機器視覺的AGV能自己規劃路徑、準確避障、定位料架等功能；

另外在設計有焊接夾具庫的焊裝線，機器人視覺還能引導自動化設備自動完成夾具出入庫、檢查夾具庫位是否有障礙物，提升出入庫作業安全。

涂裝車間

也許機器視覺未來能引導機器人完成自動車身表面特定區域的打磨工作。

總裝車間

1）視覺導航式AGV。總裝車間智能物流使用了大量AGV，而視覺導航式AGV的發展很快，在視覺系統成本進一步降低后，這種視覺導航AGV應用數量會大量增加。

2）帶有視覺系統的立體庫移動式軌道堆垛機。立體車身庫和立體零件庫得到了很大的發展，而堆垛機是必不可少的設備，給堆垛機裝上視覺系統，可以有效識別庫位上是否有障礙物、移栽時是否放到了位、取貨時伸縮叉是否叉到了正確的部位等，增加堆垛機作業安全。

3）機器視覺引導自動擰緊。在總裝線上，自動擰緊站發展很快，比如底盤固定螺栓自動擰緊站、動力電池固定螺栓自動擰緊站、后橋總成螺栓自動擰緊站等，機器視覺系統引導機器人臂帶著擰緊機完成一個或多個螺栓的自動擰緊工作。

03

尺寸測量

沖壓車間

未來有可能會利用高精度機器視覺系統在線快速測量沖壓件的關鍵尺寸及形狀，在人工智能技術的賦能下，實現在線快速檢測、快速判斷，使沖壓件的首件檢測、中間抽檢、末件檢測實現數字化和智能化。

焊裝車間

人工智能與機器視覺的融合，促進了機器視覺技術的發展，機器視覺測量精度得到了大幅度提升。在焊裝車間可以利用機器視覺技術在線測量前后風窗的尺寸及形狀是否合格，防止不合格的車身流入總裝車間影響風擋玻璃的自動安裝。另外也有可能能夠在線快速檢測車身上用于安裝前/后保險杠、前/后大燈固定點位的尺寸是否在要求的公差之內，為骨骼精度在線快速檢測控制提供技術支撐。

總裝車間

1）外廓尺寸檢查。一款新車型投產后，該車型的外廓尺寸需要進行抽檢，監控其變化。機器視覺可以很好地承擔這個在線快速檢測的任務，代替人工對汽車的長、寬、高等外廓尺寸進行在線測量，記錄數據，形成測量大數據監控報告。

2）間隙面差測量。在人工智能、邊緣計算、點云匹配、三維數模重建、AI深度學習、高級算法等技術高度賦能下開發的AI機器視覺測量系統，通過在特定排除雜光干擾的工位，由多臺機器人+高精度3D相機+計算機三維視覺測量系統軟件實現整車間隙面差的快速在線測量，尺寸精度0.1mm，機器人柔性控制、三維數模重建、點云匹配等技術為一體，可應用于焊裝、總裝車間對車身間隙面差進行100%全檢。專業的在線檢測軟件和獨有的傾斜偏轉矯正算法配合高性能處理器，能夠保證測量結果精確的同時實現整車快速測量。機器人視覺間隙面差測量系統的應用，不僅實現了機器代替人工檢測，更重要的是間隙面差數據的實時獲取、分析、判斷、預警，通過在線指示系統引導返修工進行在線調整，而且還可以通過大量檢測數據的分析，可以提前從源頭采取預控措施防止間隙面差超出合格范圍。

3）機器人裝配定位坐標測量。在總裝自動化智能裝配站，需要采用3D機器視覺對裝配部位進行精確3D坐標定位，以便機器人準確安裝零部件。比如安裝車輪總成，機器人帶著3D視覺事前對輪轂上的安裝孔或螺栓頭進行快速拍照，準確測定每個螺栓孔或螺栓頭的3D坐標，定位精度可以達到0.1mm，把測得的3D坐標值傳給機器人后實現定位安裝；再比如在安裝風窗玻璃時，也要事前測得風窗邊框的3D坐標值，以及一些特征點的3D值（如定位銷孔等），機器人再接到風窗邊框的這些定位數據后，引導機械臂快速安裝風窗，并保證安裝后風窗與四周的間隙均勻。機器視覺在總裝零件實現自動化裝配中應用案例還有很多，不一一列舉，可以說，有了機器視覺，總裝零部件的自動裝配將變得更容易實現了。

總之，機器視覺技術將改變汽車制造過程的許多方面，為汽車生產的自動化、數字化、智能化制造提供許多應用場景，取代許多人們不愿意從事的工作崗位或簡單重復的工作，不管你愿不愿意，但這都是一個趨勢。

本文所列舉的應用場景中一些場景已經實現了實際應用，另一些場景的應用正在研究實施中，也有一些應用場景現在還未實現，更有許多應用場景需要廣大從業者去發現、去開發應用案例。隨著國產的視覺系統、技術水平、運算速度、定位精度、圖像處理、深度學習能力的提升，以及3D視覺成本價格的大幅度降低，機器視覺技術在汽車制造中將得到更廣泛、更深入的應用。

審核編輯 ：李倩