汽车供应商系列（二）-机器视觉与Cognex

在现代生产领域，有一种技术规模很小，但非常重要，那就是机器视觉。顾名思义，机器视觉是用机器代替人眼进行测量和判断。机器视觉设备将被摄目标转换为图像信号，传输到特殊的图像处理系统，获取被摄目标的形式信息，并根据像素分布、亮度、颜色等信息转换为数字信号；然后图像系统对这些信号进行各种操作，以提取目标的特征，然后根据判断结果控制现场设备动作，从而进行下一步行动。

在大规模工业生产过程中，人工视觉检验产品质量效率低，精度低。机器视觉系统可以显著提高生产效率和自动化，提高生产灵活性。此外，在一些不适合人工操作的危险工作环境或难以满足人工视觉要求的情况下，常用的机器视觉可以取代人工视觉。随着劳动力成本的增加，它不仅可以加强质量检测，还可以节省人力。

机器视觉可以说是人工智能的一个分支，它在汽车生产中的典型应用包括：

检测缺陷

监控生产线

 指导组装机器人和跟踪

那么，机器视觉是如何实现上述功能的呢？简单地说，我们需要两个步骤，一个是图像采集，另一个是图像处理。在机器视觉系统中，获得高质量的可处理图像至关重要。成功的机器视觉，首先要确保良好的图像质量和明显的特征。机器视觉项目失败的大部分原因是图像质量差，特征不明显。图像采集相关设备包括照明、镜头、高速相机等。图像处理需要相应的硬件和软件。

康耐视在这一领域（Cognex）是行业内技术领先的一家供应商。

Cognex它成立于1981年，总部位于马萨诸塞州内蒂克郡，靠近波士顿。到目前为止，它已经发展成为，在欧洲、日本和亚洲国家都有分支机构。在中国，它在上海设有分支机构，2010年在自由贸易区注册，是外资独资。

Cognex主营业务包括以下几种:

2D视觉

 3D视觉

 视觉软件

读码器

深度学习

In-Sight 2000是Cognex2D视觉系列的产品应用广泛。

它在制造过程中具有很强的辨别装配质量的能力。例如，在较终自动组装之前，通过以下案例2D将橡胶垫圈安装在注塑件上进行视觉确认。

或者可以使用基准标记来验证集成电路是否在正确的方向焊接PCB上。

或者在较终包装前，检查燃料过滤器总成是否安装在正确的位置O 型圈。

或者通过彩色像素计数工具检测轮毂轴承，检查入下一装配前是否有质量控制 (QC) 标记。没有 QC 标记表明轮毂轴承尚未检测，是汽车行业非常常见的操作。

或者通过像素计数工具检查密封圈的孔数，以确认所有孔都被冲出。缺少任何孔都会导致零件故障。

从以上案例可以看出，2D视觉非常容易使用，但它也有其局限性，即无法获得物体的空间坐标信息，因此不支持与形状相关的测量，如物体平面度、表面角度、体积，或区分相同颜色的物体，或具有接触侧的物体 区分之间，2D视觉依赖于测量对象的对比度，这意味着特别依赖于光和颜色/灰度的变化，测量精度容易受到照明条件的影响。

因此，对精度和自动化的要求越来越高，3D在许多情况下，机器视觉变得越来越重要2D视觉照顾不到的应用场景中大显身手。3D机器视觉有几个优点:可以在线检测快速移动的目标，获得形状和对比度；能有效检查对比度低的物体，对照明变化小或环境光不敏感。

在应用方面，如制动片的检测，在制动片装配线的运行过程中，检测制动片的间隙宽度和斜角，以找出有质量问题的制动片。

还有连杆检测和定位，定位皮带上的连杆，测量内径，确保无零件缺陷。

还有电动汽车锂离子电池的生产检测，如火如荼，通过检测EV 电池表面的凹陷、划痕等潜在缺陷降低次品率。

也可以检查车门和车身是否正确对齐，两者之间的间隙和段差是否一致。

在读码器方面，有两种类型：固定式和手持式，基本上以读取条形码或二维码的形式工作。固定读码器在动力总成生产线上很常见，如下图所示；手持式在总装车间较为常见，许多需要防错和可追溯性的零件在组装前需要扫描代码。

为了解决传统规则算法编程过于复杂、耗时、昂贵的问题，越来越多的行业转向深度学习技术。其优点是：

 使以前不可编程的应用自动化

 降低错误率

 减少停机时间

 加快检测速度

 增加产量。