摘要：某主机厂车身从滑板转接到自动运行吊具后，吊具定位销是否入车身孔的检测，采用传统的光电式传感器进行检测。然而，光电式传感器处理信息量小、功能单一，导致特定场景下误检的问题时有发生。针对该问题，设计了一种由PLC、照明、工业相机、镜头等构成的基于机器视觉的车身定位检测系统。由PLC触发相机采集车身特定部分的二维数字图像，通过图像处理获取车身的边缘特征，采用边缘检测和直线检测算法，实现吊具定位销是否入车身孔的检测。阐述了图像中灰度值变换确定边缘的原理，研究设计了系统方案，对系统硬件进行选型及对系统软件进行设计。与传统的光电传感器检测相比，采用机器视觉的检测系统能大幅提高检测的精准度。基于机器视觉的车身定位检测系统投产后的数据表明：该系统对吊具定位销是否入车身孔的检测准确率达到100%。

　　关键词：车身定位；光电传感器；机器视觉；边缘检测

　　Design of Vehicle Body Positioning-detection System Based on Machine Vision

　　Wang Zhiyuan，Niu Yan

　　(Beijing Benz Automotive Co.,Ltd.,Beijing 100176,China)

　　Abstract:A certain automobile OEM to detect whether the positioning pin of the hanger enters the body hole after the body is transferred from the skillet to the hanger uses a traditional photoelectric sensor.However,the natural deficiency of photoelectric sensors often leads to the occurrence of false positives in specific scenarios.Vehicle body positioning-detection system based on machine vision consisting of PLC,lighting,industrial camera,lens,etc.was designed to address this issue.The PLC triggers the camera to collect two-dimensional digital images of specific parts of the vehicle body,and obtains the edge features of the vehicle body through image processing.Edge detection and line detection algorithms are used to detect whether the positioning pins of the hanger have entered the vehicle body holes.Elaborated on the principle of determining edges through grayscale value transformation in images,studied and designed a system scheme,selected system hardware,and designed system software.Compared with traditional photoelectric sensor detection,the detection system using machine vision can significantly improve the accuracy of detection.After the machine vision system get into running,the data shows that the accuracy of the system in detecting whether the positioning pins of the hanger enters the vehicle body holes reaches 100%.

　　Key words:body positioning;photoelectric sensor;machine vision;edge detection

　　0引言

　　总装是汽车生产四大工艺的最后一个环节，主要负责总成和部件分装、彩车身存储和排序、整车装配及检测等工作。自从福特汽车首次采用流水化生产线以来，各类自动化输送技术在汽车总装领域得到了广泛应用[1]。汽车机械化输送设备是生产线的重要组成部分，主要用于生产线工序间、生产线间和成品的搬运、储存，以及各种输送线之间的转接。车身输送在各车间不同工艺段采用一致的定位，保证定位准确，实现可靠转接，定位通过定位销及孔实现[2]。因此，准确的定位对于车身输送有着尤为重要的意义，为了确保车身的定位准确，某主机厂采用了光电式传感器对其进行位置检测。

　　光电传感器是采用光电元件作为检测元件的传感器，通过把光强度的变化转换成电信号的变化来实现控制[3]。光电传感器可分为对射型、反射型、镜面反射型[4]。某主机厂光电式传感器采用镜面反射型，传感器安装在车身左前方，反光板安装在车身右后方。当定位孔入定位销后，车身位置降低，遮挡光电传感器发出的光路，此时光电传感器向PLC发送检测通过信号，输送线带着车身被自动放行；反之，当定位孔未入定位销时，车身位置偏高，发光器发出的光被反光板反射回来被收光器收到，此时光电传感器向PLC发送检测未通过信号，输送线停止运行并报警。在日常生产中，光电传感器能有效检测出大部分定位孔未入定位销的情形，这种情形仅限于车身左右两侧的定位孔均入定位销或均未入定位销的情况。然而，这种解决方案对于车身一侧定位孔未入定位销，另一侧定位孔入定位销的情形却不能准确判断。因为，这种情形下，车身姿态是倾斜的，同样能遮挡光电传感器发出的光路，向PLC发送检测通过信号，这样输送设备运载着倾斜的车身驶向下一工位，随时有翻车的风险，给生产带来莫大的隐患，如图1所示。为了消除这种隐患，亟需一种更有效的检测方案。

　　当前人工智能、图像处理等前沿科学方兴未艾，其衍生出的机器视觉技术在自动化领域非接触复杂检测场景中得到了越来越多的应用。龚惠斌[5]等针对圆机针生克片的生产要求，提出了一种利用机器视觉对生产材料中厚薄差很小的双凹料送料位置进行定位的方案；黄南海[6]等针对长尺寸3C产品外壳螺丝孔位置尺寸的测量，采用传统的内径千分尺、卡尺、量规等手动机械工具存在量程有限、主观误差、效率低且容易损伤工件等问题，搭建了一种由机械传动平台、光源、工业相机、计算机等构成的长尺寸3C产品外壳螺丝孔位尺寸机器视觉检测系统；黄志富[7]等设计了一套新型的视觉定位激光打标装置，解决了打标的精度问题。

　　1设计方法原理

　　机器视觉技术，即用机器代替人眼来做测量和判断。机器视觉技术是一门涉及人工智能、计算机科学、图像处理、模式识别等诸多领域的交叉学科，主要用计算机软件来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并最终用于实际检测、测量和控制[8]。机器视觉系统以光学检测原理为基础，通过相机采集观察对象的图像，将图像信息以2D或3D图像信号形式传输至图像处理系统，图像处理系统从图像的像素、亮度、颜色等因素入手，抽取观察对象的图像特征，视觉识别技术在工业电气自动化控制中的运用由机器视觉系统实现[9]。

　　人类通常通过边缘轮廓实现对物体的识别，同理机器视觉系统在一幅图像中也需要获得目标的边缘轮廓以完成对目标的识别，边缘检测理论与方法应运而生[10]。图像被划分为若干称为像素的正方形图像元素网格，每个像素由图像内的位置(X/Y坐标)和光强度值组成。单色相机中的光强度用从0~255的值表示，0表示黑色，255表示白色。在机器视觉术语中，边缘被定义为具有不同灰度值的两个相邻像素组之间的边界(线、弧或圆)。在车身正常姿态下(即两侧定位孔均入销的状态)，定义关注区域(Region of Interest,ROI)，在该区域内对车身某特定部位进行边缘检测，如果边缘被检测到，则判定为定位孔成功入销；反之，判定为定位孔未入销。

　　2硬件设计

　　针对车身定位检测识别的机器视觉系统由单色相机、镜头、照明组成[11]。需求分析是自动化项目开发的重要输入，一项完善的需求分析可以有效规避项目后期开发风险[12]。根据车间现场视觉设备安装距离，产品车检测区域面积及系统总线类型等参数，得到视觉系统需求表，如表1所示。工业视觉系统对坚固性、可靠性和稳定性有着较高的需求。康耐视是机器视觉行业的全球性领导者，该公司硬件产品性能可靠，软件In-Sight Explorer的开发环境用户友好，能够用于组建视觉传感器网络并通过整合的以太网接口把它们整合到自动化流程以及公司的通讯系统中[13]。因此，本案例采用康耐视的视觉产品作为解决方案。

　　2.1相机设计

　　机器视觉相机的作用是将通过镜头投影到传感器的光信号转换为数字图像，然后将其发送至处理器进行分析。相机图像传感器通常使用电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)技术将光(光子)转换为电气信号(电子)。图像传感器的任务本质上就是采集光源并将其转换为平衡噪音、灵敏度和动态范围的数字图像。图像是像素的集合，暗光产生暗像素，亮光产生较亮的像素。确保相机具有正确的传感器分辨率以适合应用，这一点是至关重要的。分辨率越高，图像细节越高，则测量准确度越高。零件大小、检测公差和其他参数可以指明需要的分辨率[14]。由表1知，相机需要采集图像的视场为500 mm×100 mm，精度为0.5 mm，由此可计算出相机分辨率为20万像素。

　　据此选康耐视5705相机，其规格参数如表2所示[15]。

　　2.2镜头设计

　　镜头采集图像并将其传送到相机中的图像传感器，其决定了采集图像的质量和分辨率。大部分视觉系统相机提供了两种主要类型的镜头：可更换镜头和固定镜头，可更换镜头通常是C型接口或CS型接口。进行镜头选型时，三个相关的参数尤为重要，分别是：焦距、视场和工作距离。根据表1和表2，最终选康耐视镜头LFC-50HR，它的焦距为50 mm、工作距离3 m、视场为500 mm×418 mm，C型接口。

　　2.3照明设计

　　照明包括了光源及其相对零件和相机的放置方式，它可以帮助相机忽略图像上无关特征的同时，突出图像中相关的部分。比如忽略图像表面细节的同时进行边缘测量。按照照明方式划分，可分为背光照明、条形照明、弥散性轴上照明、覆盖式照明、暗面照明等。各个照明方式突出的图像细节不同，结合某主机厂车身定位的应用场景及视觉识别检测应用的原理，本案例采用暗面照明方式。该种方式以小角度光照明目标，使边缘功能特征显得明亮，而表面上的其余部分则显暗，非常适用于边缘检测的场景。

　　2.4硬件系统集成

　　按上文分项设计完成后，在转接工位两侧分别安装一套机器视觉系统检测定位销入孔的情况，系统总体设计如图2所示[16]。根据图例③为视觉系统供电，根据图例②用M12-RJ45网线连接相机集成的以太网接口和现场以太网交换机，从而将视觉系统整合到当前自动化网络中。PC用于运行视觉软件In-sight explorer对视觉系统进行配置及开发；PLC软件step7管理器对相机进行系统集成及I/O控制。

　　3软件设计

　　In-Sight Explorer通过一个软件包为视觉系统的开发提供强大完整的配置、管理和操作界面等工具，包括了两个开发环境：Easybuilder和Spreadsheet。启用In-Sight Vision System的PROFINET通讯功能，并进行网络设置。将相机的触发方式改为“外部”，这使得PLC控制相机的拍照。在Spreadsheet中调用FindLine工具，定义ROI，在该区域内进行边缘检测，本案例定义了3个ROI，当3个区域内的边缘被检测到后，则可判定车身定位销入孔成功。最后调用FormatOutputBuffer工具对判定结果数据格式化后，调用WriteResultsBuffer工具将结果发送给PLC。

　　STEP7软件是用于SIMATIC S7-300 PLC的标准工具软件，利用该软件对康耐视5705相机进行硬件配置，建立其硬件的实际安装与软件中的地址、管理数据的对应关系[17]。配置网络与通信，这些参数要与In-Sight Ex⁃plorer中所配置的一致。在符号编辑器中定义程序中相机的命令字和状态字，并注释。在程序编辑器中根据工艺编写对相机的触发，数据采集及定位销入孔的不同状态下输送线的控制等程序。

　　4测试验证与结果分析

　　在转接工位当车身从滑板转接到吊具动作完成后，PLC触发相机采集车身特定部分的二维数字图像，通过图像处理获取车身的边缘特征，采用边缘检测和直线检测算法对定位销是否入孔进行判断。在定义的3个ROI中，如果其边缘直线均被检测到，则判定定位销入孔成功，如图3左侧图片所示；反之判定定位销未入孔，如图3右侧图片所示。

　　5结束语

　　本文基于机器视觉对车身定位检测系统进行了设计。首先针对应用场景论述了设计方法原理，得出机器视觉技术在该案例工况下的可行性；其次结合车间工况、产品车特征及机器视觉系统关键参数等要素进行了系统硬件设计；最后基于In-Sight Explorer及STEP7开发环境对系统软件进行了设计，包括网络配置、定义ROI、调用相关工具进行边缘检测，数据处理、定位销未入孔概率统计等。本系统投产运行后结果表明机器视觉技术突破了光电传感器的局限性，能够有效地检测出车身单侧定位孔未入定位销的情形，检测准确率达到100%，完全可以满足预期的检测需求。

　　[1]董欣阳.汽车总装输送技术与应用综述[J].现代制造技术与装备,2021,57(11):50-52.

　　[2]高春生,袁喜报.汽车车身输送线改造与定位一致性的探讨[J].汽车工艺与材料,2016(9):65-67.

　　[3]闫营阁.光电传感器初探[J].硅谷,2012,5(20):38.

　　[4]光电传感器简介[J].电子测试,2007,149(1):46.

　　[5]龚惠斌,朱秀球,方军华.双凹料自动送料装置的视觉定位系统设计[J].机电工程技术,2019,48(10):32-33.

　　[6]黄南海,汪志成,周显恩.基于机器视觉的3C外壳工件螺孔位置尺寸测量系统[J].机电工程技术,2022,51(5):78-83.

　　[7]黄志富,黄俊彬,陈朝大,颜士朋,梁莉,李晋东.视觉定位激光打标装置的设计[J].机电工程技术,2022,51(8):141-143.

　　[8]赵巧敏.机器视觉行业投资分析报告[J].机器人技术与应用,2015(5):12-24.

　　[9]梁振,吴庆华.视觉识别技术在工业电气自动化控制中的运用分析[J].中国高新科技,2021(23):47-48.

　　[10]朱红高.图像边缘检测技术研究现状[J].制造业自动化,2010

　　[11]范振辉.机械手自动上料的视觉识别定位系统研究[D].广州:华南理工大学,2021.

　　[12]邹楠,厉志成.基于统一建模语言的软件需求分析应用研究[J].电脑知识与技术,2022,18(35):22-24.

　　[13]康耐视的视觉系统成为汽车流水线上的标准解决方案[J].汽车工艺与材料,2007(12):25-26.

　　[14]Cognex Corporation.机器视觉图像传感器[EB/OL].[2023-03-20].https://www.cognex.cn/zh-cn/what-is/machine-vision/com⁃ponents/image-sensor.

　　[15]Cognex Corporation.In-Sight®5000系列视觉系统安装手册[EB/OL].[2023-03-20].https://support.cognex.com/docs/is_ 631/ISE/ZH/Manuals/is5000instZH.pdf.

　　[16]Cognex Corporation.In-Sight®5000 Series Vision System Manual[EB/OL].[2023-03-20].https://support.cognex.com/docs/is_631/support/is5000manual.pdf.

　　[17]龚仲华.S7-300/400系列PLC应用技术[M].北京:人民邮电出版社,2011.