基于机器视觉的缺陷检测（机器视觉在汽车行业外观缺陷检测的应用研究）

随着汽车加工技术的提高和模块化趋势的出现，现在的汽车程序更加复杂，外观更加多样化，性能更加强大。

传统的汽车零部件检测方法采用手工方法。但由于汽车零部件的结构非常复杂，一个产品上通常有几十个检验点，需要花费大量的时间。而且，这种检查模式需要自动化。度低、测量效率低、采样频率低、精度低、产品质量缺乏数据支撑等问题。

同时，这种测量方式已经不适应现代化管理，已经不能满足当今高效率、高速生产的要求。因此，汽车零部件检测逐渐采用机器视觉代替人工检测，提高工作效率、准确性，降低人工成本。

机器视觉系统应用于模压汽车零部件产品的内径测量、外径测量、外观缺陷检测等。工业相机与工业镜头的完美结合带来了高精度、高稳定性、高通用性。提高工作效率，帮助用户缩短产品测试时间，提高测试结果的准确性。

零件外观缺陷检测

「项目背景」

汽车零部件，共2款，结构完全对称，复杂异型结构件

《缺陷与困难》

准确检测360度凹凸、裂纹、凹痕等。

特定位置的字符是否存在外观缺陷

系统检测精度高于0.5mm，可确保1mm以上尺寸的缺陷清晰识别。

“解决方案”

摄像头布局：摄像头固定在机械臂上，摄像头用于拍照。预先示教检测到的点和运动轨迹，确保运动过程平稳，并且拍摄每个点时的工作距离在景深范围内。

光源安装位置：条形光源，安装在摄像机左右两侧用于补光，位置和角度可调节。

该检测方法采用Momentview的智能低代码平台和目标定位算法模块，支持静态或动态拍照。收集包含不同类型缺陷的产品图像进行分类、标注和训练。测试检测结果后，下载模型进行本地部署。如果后续添加新的缺陷样本，可以采集图像样本来优化和升级模型。

检测效果如图：

裂纹

凹凸

性格缺陷

刮擦

抑郁症

磨损

冲压产品缺陷检测

「项目背景」

在汽车生产制造中，很大一部分金属零件是通过冲压获得的。冲压工序是汽车生产的重要工序。冲压加工具有生产效率高、成本低、精度和一致性好、材料利用率高的特点。

汽车车身上的各种覆盖件、内饰支撑件等大量汽车零部件都是采用冲压工艺制造的。冲压件在汽车零部件中占有很大的比重，因此冲压加工方法的水平和能力在很大程度上决定了我国汽车制造的成本和质量，也影响着包括其他行业在内的其他行业的技术进步。冲压生产。

汽车冲压件在冲压成形过程中，常因模具配合、振动等原因而产生表面皱纹、表面扭曲、局部凹陷和凸起，导致汽车冲压件表面形状误差较大，甚至成为废品。

《缺陷与困难》

冲压件作为汽车制造业中广泛使用的零部件，其表面缺陷的产生机理和类型与其他金属加工方法不同。

1）压痕：压痕缺陷的发生过程是不确定的，多是冲压异物挤压表面造成的。大多数情况下，拉丝过程中材料不能顺利排出，使剩余的废料落入模具中，导致后续工序受到挤压，产生压痕缺陷。

2）划伤：此类缺陷产生的原因主要有以下几个方面，如工件本身原材料的缺陷、零件运输过程中接触干涉造成的缺陷、成品包装造成的接触划伤以及需要转移等。加工站。发生摩擦、碰撞；

3）孔少：造成此类缺陷的原因包括冲头缺失或折断。冲压件上有少数孔是产品设计和要求不允许的；

4）缺边：冲压件在拉深过程中出现缺边缺陷。主要原因是由于模具和冲压件的定位误差，冲压位置不准确，或材料流动速度过快，造成缺货缺陷。

“解决方案”

Momentview智能低代码平台对上传的图像标注缺陷特征，利用深度学习技术完成模型训练任务，实现对标记特征缺陷的定向识别和检测。操作简单，无需编码。

使用Momentview的智能低代码平台——像素分割快速实现数据标注和模型训练。

同一模型下，平台支持多个缺陷标记，可以同时检测一张图片中的多个缺陷，并对缺陷进行分类，并根据缺陷类型创建相应的标签并进行标记。

可实时显示缺陷检测结果并及时记录结果，大大提高了冲压件缺陷识别的效率。

轴承外观缺陷检测

「项目背景」

轴承作为现代机械设备中的重要部件，其主要作用是支撑机械旋转体，降低运动时的摩擦系数，保证其旋转精度。

在生产中，质量检验是重要的一环。通常，质检人员采用人工目视检查、指转轴承等质量检查方法来挑选出表面有油污、划伤等缺陷的轴承。

但质量检验结果易受人为因素影响，检验标准难以保持一致，稳定性差且容易漏检，良率不能始终达到100%。就汽车而言，汽车的动力性、可靠性、安全性和舒适性与其密切相关。

因此，保证工厂轴承的良品率至关重要。

《缺陷与困难》

1）滚动体数量和位置的识别和确定。

2）印章的标记内容、形状、外观的识别和判断。

3）环、滚子表面宏观裂纹、凸块等缺陷的识别与判定。

“解决方案”

Matrix Intelligence是一个面向企业的零门槛人工智能开发平台。在提高准确度方面，Matrix Intelligence低代码平台增加了人工智能算法。通过深度学习，积累了上百种缺陷样式，对图像缺陷更加敏感。更高。

矩阵智能从机器视觉出发，通过图像采集、识别、计算、测试等基本流程完成整个检测。

从检验结果可以看出，可以24小时不间断检验，不会出现疲劳问题，100%的检验率可以更好的控制产品质量。也可用于所有轴承产品，甚至其他机械零件（如齿轮、螺栓等），有效解决轴承检测过程中效率低、精度低、速度慢、人工成本高等问题。

除此之外，还有很多案例，比如：

复杂环境下精准识别——仪表板外观检测

准确识别复杂材料中的缺陷——零部件外观检查

准确识别反光材料缺陷——车灯外观检测

审稿人：李茜