高度自动化的汽车行业如何保证汽车生产过程的高效与安全？本期汽车行业专题我们将带来机器视觉技术在汽车行业的应用。机器视觉产品可有效提升汽车行业中大部分系统和组件的性能，确保汽车零件制造商和汽车装配厂所生产的产品满足汽车行业严苛的质量要求。

海康机器人高品质的机器视觉硬件产品和算法平台为复杂和具有挑战性的汽车行业应用提供解决方案，助力用户快速准确实现汽车关键零部件的读码追溯、类型检测、缺失检测以及字符识别等，进一步提升精益智造水平。

01、读码追溯

挑战

在汽车总成生产中的读码需适应各种工况，二维码工艺包括激光镭射、机械刻印、喷墨等DPM识别；读码环境面临油污、纹理、静区缺失、畸变等干扰且读码率要求极高。

方案案例

方案选用海康ID5000/3000Pro系列智能读码器，产品一体化集成照明、传感器、镜头及解码器；识别性能优异，20%缺损修正、脏污过滤、畸变矫正，智能纠错；高效解码能力，毫秒级定位算法，助力单体解码节拍<60ms；无需外置光源，多路分控，白、红、蓝多色光源适应多个工况，有效提高生产现场的追溯管理水平，实现生产数据、库存管理可视化，大大提升了工作效率。

图为ID5000/3000Pro系列对汽车部件DPM读码

02、类型检测

挑战

汽车制造过程中，轮毂是否正确装配影响生产效率，而轮毂种类繁多，目前许多汽车企业采取人工目测的方法对轮毂类型进行识别和检测，但识别效率低、准确率低。

方案案例

方案选用海康机器人MV-CA050-10GM高分辨率相机，配合大面积中孔面光源，利用深度学习分类工具，对产线轮毂的类型进行识别（约200种），实现轮毂分类。初始模型的训练每类样本收集80-100张，综合识别率可达99%以上，通过现场的迭代，***终识别准确率达99.99%以上。深度学习分类算法利用卷积神经网络和大数据样本优势，提升了识别率和识别容量。

图为500万高分辨率相机利用深度学习工具识别汽车轮毂类型

03、缺失检测

挑战

汽车的生产过程中零件众多，部件缺失会减少产品的使用寿命，人工检测方法效率低、检测错误率较高，产品存在安全质量风险。

方案案例

通过SC2016视觉传感器进行高速图像处理，产品植入了高精度定位与测量算法，利用模板匹配或Blob分析等工具模块，对档位传感器白色胶圈进行缺失检测，识别正确率达99.9%。与人工检测相比，提升了效率且减少了错误发生的概率，以提升产品安全质量并确保生产作业正常有序开展。

图为SC2016视觉传感器识别汽车部件-档位传感器胶圈有无

04、字符识别

挑战

为实现汽车制造和使用过程中的信息可追溯，需要获取车辆识别号码（VIN码），传统机器视觉算法对反光、油漆颜色、不同材质等情况造成的对比度低、成像效果差的字符识别难度大，容易造成误判。

方案案例

SC7060智能相机采用深度学习字符识别工具，训练150张相机读取的样本图片，并测试所得模型，从而实现简单高效的字符识别，识别准确率达99.9%以上，可增加样本量以提高准确率。此外，通过在线标记遗漏字符，方案可确保模型所有字符的准确识别，大大节省了开发时间，提高了效率，适用于复杂有噪声背景等棘手的字符识别应用。

图为SC7060智能相机实现汽车识别（VIN）码检测

此外，海康机器人的机器视觉产品在汽车行业中的应用还包括发动机缸盖表面字符读取、轮胎出厂正反区分、汽车镀铬饰条表面缺陷检测，轮毂读码等。

图1 | 轮毂读码

图2 | 轮胎出厂正反区分图3 | 发动机缸盖表面字符读取

图4 | 缺陷检测系统

客户收益

“海康机器人智能读码器可7*24小时全天候实时读取每辆车架上的二维码信息，实现生产订单信息一致化的应用，改变了工厂原有纸质单据费时、低效的现状，同时提高了准确率和工作效率。”