?？抵悄茏x碼器機器視覺系統工業相機為汽車制造品質管控助力

高度自動化的汽車行業如何保證汽車生產過程的高效與安全？本期汽車行業專題我們將帶來機器視覺技術在汽車行業的應用。機器視覺產品可有效提升汽車行業中大部分系統和組件的性能，確保汽車零件制造商和汽車裝配廠所生產的產品滿足汽車行業嚴苛的質量要求。

?？禉C器人高品質的機器視覺硬件產品和算法平臺為復雜和具有挑戰性的汽車行業應用提供解決方案，助力用戶快速準確實現汽車關鍵零部件的讀碼追溯、類型檢測、缺失檢測以及字符識別等，進一步提升精益智造水平。

01、讀碼追溯

挑戰

在汽車總成生產中的讀碼需適應各種工況，二維碼工藝包括激光鐳射、機械刻印、噴墨等DPM識別；讀碼環境面臨油污、紋理、靜區缺失、畸變等干擾且讀碼率要求很高。

方案案例

方案選用?？礗D5000/3000Pro系列智能讀碼器，產品一體化集成照明、傳感器、鏡頭及解碼器；識別性能優異，20%缺損修正、臟污過濾、畸變矯正，智能糾錯；高效解碼能力，毫秒級定位算法，助力單體解碼節拍<60ms；無需外置光源，多路分控，白、紅、藍多色光源適應多個工況，有效提高生產現場的追溯管理水平，實現生產數據、庫存管理可視化，大大提升了工作效率。

圖為ID5000/3000Pro系列對汽車部件DPM讀碼

02、類型檢測

挑戰

汽車制造過程中，輪轂是否正確裝配影響生產效率，而輪轂種類繁多，目前許多汽車企業采取人工目測的方法對輪轂類型進行識別和檢測，但識別效率低、準確率低。

方案案例

方案選用?？禉C器人MV-CA050-10GM高分辨率相機，配合大面積中孔面光源，利用深度學習分類工具，對產線輪轂的類型進行識別（約200種），實現輪轂分類。初始模型的訓練每類樣本收集80-100張，綜合識別率可達99%以上，通過現場的迭代，*終識別準確率達99.99%以上。深度學習分類算法利用卷積神經網絡和大數據樣本優勢，提升了識別率和識別容量。

圖為500萬高分辨率相機利用深度學習工具識別汽車輪轂類型

03、缺失檢測

挑戰

汽車的生產過程中零件眾多，部件缺失會減少產品的使用壽命，人工檢測方法效率低、檢測錯誤率較高，產品存在安全質量風險。

方案案例

通過SC2016視覺傳感器進行高速圖像處理，產品植入了高精度定位與測量算法，利用模板匹配或Blob分析等工具模塊，對檔位傳感器白色膠圈進行缺失檢測，識別正確率達99.9%。與人工檢測相比，提升了效率且減少了錯誤發生的概率，以提升產品安全質量并確保生產作業正常有序開展。

圖為SC2016視覺傳感器識別汽車部件-檔位傳感器膠圈有無

04、字符識別

挑戰

為實現汽車制造和使用過程中的信息可追溯，需要獲取車輛識別號碼（VIN碼），傳統機器視覺算法對反光、油漆顏色、不同材質等情況造成的對比度低、成像效果差的字符識別難度大，容易造成誤判。

方案案例

SC7060智能相機采用深度學習字符識別工具，訓練150張相機讀取的樣本圖片，并測試所得模型，從而實現簡單高效的字符識別，識別準確率達99.9%以上，可增加樣本量以提高準確率。此外，通過在線標記遺漏字符，方案可確保模型所有字符的準確識別，大大節省了開發時間，提高了效率，適用于復雜有噪聲背景等棘手的字符識別應用。

圖為SC7060智能相機實現汽車識別（VIN）碼檢測

此外，?？禉C器人的機器視覺產品在汽車行業中的應用還包括發動機缸蓋表面字符讀取、輪胎出廠正反區分、汽車鍍鉻飾條表面缺陷檢測，輪轂讀碼等。

圖1 | 輪轂讀碼    

圖2 | 輪胎出廠正反區分
圖3 | 發動機缸蓋表面字符讀取   

圖4 | 缺陷檢測系統

客戶收益

“?？禉C器人智能讀碼器可7*24小時全天候實時讀取每輛車架上的二維碼信息，實現生產訂單信息一致化的應用，改變了工廠原有紙質單據費時、低效的現狀，同時提高了準確率和工作效率?！?/p>