134
AUTO TIME
MANUFACTURING AND PROCESS | 制造与工艺
1　前言与背景
Atline 在线绝对测量技术于2019年在上汽大众MEB 工厂首次投入使用，该技术的最大技术突破是首次将光学绝对测量技术用于白车身尺寸在线智能检测，该检测系统的核心部件采用德国GOM 公司生产的Atos 测头，该产品是拍照式尺寸检测产品，主要通过自带专用相机对待检测部分进行单角度或多角度拍照，如图1所示，利用自带软件及算法，从照片中提取尺寸信息，最终完成全车身的尺寸检测工作。
在线检测过程中，为了监控测量方案中的所有尺寸，每台白车身从内至外要拍摄约
几百张照片，照片幅面为1000mm*750mm ，分别率为1200万像素，如图2所示，该照片为尺寸检测中的过程产物，目前只是从中提取尺寸信息。但由于其高分辨率和大幅面特性，其中可以清晰的分辨出车身表面的各种
目测缺陷，例如焊点，油污，孔错位，多层钣金叠加时的切边错位等缺陷问题，此类问题传统的解决方
法主要是通过人工目视抽检完成，基于图像识别技术的发展，本文主要介绍利用在线光学测量的过程产物-高清图像，进行二次数据利用及挖掘的一种白车身缺陷检测的新方案。
2　缺陷类型及传统解决方法介绍
在白车身总拼生产过程中，由于生产工艺，来料质量，人工等不确定因素的影响，很多车身质量缺陷无法避免，目前只能通过后续人工返修来修复类似缺陷，如未能及时
白云亮　戴宏骏　黄萃蔚　梁秀
上汽大众汽车有限公司　上海市　201804
摘 要： 在白车身总拼生产过程中，由于生产工艺，来料质量，人工等不确定因素的影响，很多车身质量缺陷
无法避免，目前只能通过后续人工返修来修复类似缺陷，如未能及时发现缺陷，带有缺陷的白车身就会流入油漆、总装车间，造成重大影响或经济损失。然而，现在很多车身制造产线中的在线测量设备是拍照式测量，此过程中会产生大量的白车身图像，图像中会携带大量白车身信息。本文就是提供了将现有车身图像数据在图像处理软件中进行自动化缺陷识别并实时报警的一种解决方案，该方法不仅有效提升了现有数据的利用率，同时可代替人工目视进行自动缺陷检测，提升了准确率和检测效率。
关键词：白车身　图像识别　车身缺陷　在线检测　智能化
Application of image recognition technology in the field of in-line inspection of body-in-white
Bai Yunliang ，Dai Hongjun ，Huang Cuiwei ，Liang Xiu
Abstract ：
I n the production process of body-in-white assembly, due to the influence of uncertain factors such as production process, incoming material quality, labor, etc., many body quality defects cannot be avoided, and similar defects can only be repaired through subsequent manual repair. If the defect is not found in time, the body-in-white with defects will flow into the paint, assembly workshop, causing major impact or economic losses. However, many online measurement devices in body manufacturing lines are now photographic measurements, which generate a large number of body-in-white images that carry a lot of body-in-white information in the image. This paper provides a solution for automatic defect identification and real-time alarm of existing body image data in image processing software, which not only effectively improves the utilization rate of existing data, but also replaces manual visual automatic defect detection, improving accuracy and detection efficiency.Key words ：
b ody-in-white, image recognition, body defects, online detection, intelligence
图像识别技术在白车身在线检测领域的应用
图1　覆盖全车身的多角度的照片示意图
AUTO TIME
135
MANUFACTURING AND PROCESS | 制造与工艺
 时代汽车  wwwautotime
发现缺陷，带有缺陷的白车身就会流入油漆、总装车间，会对最终的产品车造成重大影响或经济损失。
如图3所示，列举了常见的白车身缺陷类型，分别是焊点数量、位置及质量检测，如图3a 所示；冲压件表面是否有楼冲孔情况检测，如图3b 所示；双层或多层钣金叠加时孔错位如图3c 所示；以及双层钣金切边止口错位检测如图3d 所示等。目前各大汽车制造厂商检测类似缺陷的方式主要以人工目视为主，目视发现问题进行返修。但存在人工成
本高，技术有门槛等通用问题，与此同时，人工目视检查有一定的主观性，易疲劳、只能进行抽检等不足之处。
基于如上生产需求及现有方法的不足之处，本文将现有图像数据在图像处理软件中进行自动化缺陷识别并实时报警，提升了现有数据利用率和缺陷检测准确率。
3　图像识别技术在白车身应用流程介绍
图像识别技术是人工智能的一个主要构
成部分，从属于机器视觉领域，它是指根据图像像素特征信息对图像进行数字化处理及分析，从而获取所需信息或特征进而进行判断，达到设计目标的过程。该技术在电子元器件的生产，交通违规，考勤支付等领域已经成熟应用，但在白车身缺陷检测领域还较少。
Atline 在线光学测量技术主要是通过自动程序控制的机械臂驱动测量头对白车身进行尺寸监控的一种手段，该技术主要通过在特定角度拍摄车身照片，从照片中完成尺寸信
息获取的测量技术。由于该技术在产线中的应用，所以在生产过程中每天会生成大量的白车身高清图像，由于自动程序控制，所以这些图像在不同车身上的拍摄位置具有高度的位置一致性，因此，为批量自动的图像识别缺陷检测提供了实施的数据基础和可能性。
如图4所示，为图像识别技术在Atline
在线光学绝对测量工位的应用流程。首先，根据现场质量检测要求，确认适合图像识别监控的缺陷类型。确认依据主要是在日常生产过程中，需要人工目测检查的白车身缺陷，例如钣金表面开裂，划伤以及一些功能性的缺陷等。
其次，根据确认好的缺陷类型以及该缺陷在白车身的位置分布情况，在测量项目中选取最佳角度及曝
光参数的图像，将该图像导出后在图像识别软件中进行缺陷的识别以及特征提取，确认可清晰有效进行缺陷检测后开始进行数据收集，为后续模型制作及优化做数据准备。本文是基于HALCON 软件平台进行的缺陷模型制作。
最后模型完成离线制作和优化后将其部署在待监控的工位，对后续车型进行批
量缺陷监控，在此过程中需将含有缺陷的图像从测量程序中导出并进行重命名，命名方式需至少包含车辆ID ，检测时间和缺陷位置信息，为报警车辆的返修提供快速车辆定位。
4　图像识别技术在白车身应用案例介绍
图5为白车身中常见的缺席类型以及在线测量工位中的图像信息，在图像识别软件中，通过不同算子的组合应用，可快速的对正常图像和缺陷图像进行判断和区分，进而完成自动报警。如图5a/e 关于焊点的检测，
由于焊接工艺的不确定性和目前很多产线还有大量的人工焊，时常会出现漏焊或焊点错位情况，尤其在车身关键部位，如出现漏
焊或焊点位置偏差会影响车身强度，在后续使用过程中会存有安全隐患，传统的检测方式主要是通过人工目测抽检的形式对白车身进行焊点数量和位置进行检测；图5b/f 为漏
冲孔缺陷，该缺陷是由于在冲孔工艺中某个
图3　白车身常见缺陷类型示意图
（a ）焊点检测（b ）漏冲孔（c ）层叠孔错位（d ）切边止口倒高
图4　图像识别技术在Atline 在线光学绝对测量工位的应用流程图
图2　检测过程中生成的过程照片示意图
MANUFACTURING AND PROCESS | 制造与工艺
正常图片
类型（a）焊点数量（b）焊点数量（c）焊点数量（d）焊点数量
缺陷图片
类型（e）漏焊（f）漏冲孔（g）止口倒高（h）孔错位
图5　正常图像及缺陷图像对比示意图
冲头失效，一旦产生会导致后续工序无法安
装；图5c/g为层叠钣金止口倒高缺陷，该缺
陷主要存在车门及前后风窗密封条安装处，
会导致密封条无法正确安装，造成最终产品
德国大众汽车车漏水、噪音大等抱怨；图5d/h孔错位缺陷，
这种缺陷主要都是由于钣金在焊接匹配过程
中存在误差，导致设计上的同心孔出现错位
遮孔，该缺陷会导致后续工位零件无法正常
安装或某些线束无法正常穿过，造成产品存
在缺陷或产品报废风险等后果。
通过图像识别技术在在线测量工位应用，
无需再在产线上安装和部署额外的图像采集
设备，利用现有过程数据即可快速准确的识
别出车身缺陷，并自动发出警报，如单台报
警可将报警信息发往返修工位并可视化显示，
后续返修工人可提前快速准确定位缺陷类型
和位置。如连续多台同一缺陷报警则可能为
批量问题，可将报警信息同时发往相关负责
人员和前道相关工位，进行工装夹具调整或
来料复测。
5　总结与展望
通过图像识别技术在在线测量工位的拓
展应用，可有效避免个人主观性，工作人员
的易疲劳等弊端，不仅提高了现有数据的利
用率，同时也提高了检测效率和精度，为未
来数字化智能化工厂提供了更多的可能性。
随着国家数字化战略的推进和机器视觉技术
在工业生产中的深入应用，人工智能取代部
分人工重复性工作的趋势日趋成熟，但图像
识别技术在白车身缺陷检测领域的应用还尚
未全面展开，本文初步介绍了图像识别技术
在在线绝对测量检测系统的中应用，重点是
对现有图像数据二次应用方面的开发尝试，
但该方法不局限于现有数据的开发，也不局
限于当前的在线测量工位，各大主机厂白车
身的inline检测系统以及离线测量室的Offline
测量系统，只要是拍照时测量设备，都可以
尝试运用本文中提到的解决方案，更有效，
更精准，更全面的自动检测车身缺陷，如有
必要也可在线集成或改造专有硬件，建立关
键缺陷的在线检测工位，如涂胶，匹配，车
型配置等。
参考文献：
[1]白云亮等.Atline光学在线绝对测量技术
在白车身尺寸测量及监控领域的研究与应
用.时代汽车.2020（09）：138-140.
[2]詹志明.基于图像处理的金属机械零件
表面微缺陷检测方法.湖南文理学院学
报.2022（06）19-24.
[3]胡丹等.焊缝表面缺陷激光视觉传感HOG-
SVM的检测方法.焊接学报.2023（07）：
57-62，70.
[4]王健等.基于图像分割的钢板表面缺陷
识别.北京交通大学学报.2016（06）：
47-52.
[5]胡亮等.基于线阵CCD钢板表面缺陷在线
检测系统的研究.计量学报.2005（04）：
200-203.
136AUTO TIME