賈廣躍，韓 磊，馬 力，宋福田

(1.中車青島四方機(jī)車車輛股份有限公司，山東 青島 266111；2.華中科技大學(xué) 無錫研究院，江蘇 無錫 214174)

機(jī)器視覺系統(tǒng)一般由相機(jī)(含光源、鏡頭)、圖像處理模塊、通信模塊組成，其一般的工作過程為光源補(bǔ)光后，相機(jī)拍攝目標(biāo)對(duì)象，采集圖像信息，進(jìn)而通過圖像處理模塊對(duì)所拍攝到的圖像信息進(jìn)行形狀、尺寸、顏色的處理，并根據(jù)預(yù)設(shè)的業(yè)務(wù)判斷邏輯將處理結(jié)果轉(zhuǎn)換成對(duì)現(xiàn)場(chǎng)設(shè)備/系統(tǒng)的控制信息，從而驅(qū)動(dòng)后續(xù)設(shè)備動(dòng)作或業(yè)務(wù)流程[1-4]。

構(gòu)架作為高鐵生產(chǎn)過程中的重要零部件，其生產(chǎn)過程屬于典型的離散型加工模式，存在比較多的人工操作環(huán)節(jié)。為避免人工作業(yè)過程中的隨意性對(duì)于零件加工質(zhì)量的影響，企業(yè)在日常生產(chǎn)管理過程中制定了相應(yīng)的流程制度規(guī)范，同時(shí)也在考慮利用智能制造技術(shù)對(duì)于構(gòu)架生產(chǎn)過程進(jìn)行優(yōu)化。以發(fā)動(dòng)機(jī)制造和整車生產(chǎn)為代表的汽車制造業(yè)，利用設(shè)計(jì)、工藝以及機(jī)器視覺等手段實(shí)現(xiàn)的防錯(cuò)技術(shù)在其中已取得了廣泛應(yīng)用[5-7]。隨著機(jī)器視覺技術(shù)的成熟和高鐵產(chǎn)品標(biāo)準(zhǔn)化與系列化的推進(jìn)，利用該技術(shù)在生產(chǎn)現(xiàn)場(chǎng)進(jìn)行防錯(cuò)成為了一個(gè)實(shí)際的選擇。

構(gòu)架在龍門加工中心進(jìn)行正裝/反裝加工的過程中，在目前已實(shí)現(xiàn)的自動(dòng)掃描無線射頻識(shí)別RFID(radio frequency identification)標(biāo)簽判斷構(gòu)架類型，分布式數(shù)字控制DNC(distributed numerical control)自動(dòng)下載對(duì)應(yīng)數(shù)控加工代碼，并控制設(shè)備自動(dòng)開工的基礎(chǔ)上，如果RFID標(biāo)簽內(nèi)容讀/寫錯(cuò)誤，導(dǎo)致誤下載了其他構(gòu)架的加工程序?qū)⒖赡軙?huì)造成撞刀、設(shè)備損壞等嚴(yán)重后果。因此，在下載數(shù)控加工代碼前，有必要通過視覺技術(shù)判斷當(dāng)前構(gòu)架類型并與RFID的掃描結(jié)果進(jìn)行比對(duì)，從而最終實(shí)現(xiàn)構(gòu)架加工的防錯(cuò)。

1 基于機(jī)器視覺的構(gòu)架模型

1.1 方案架構(gòu)

本系統(tǒng)設(shè)計(jì)采用三層架構(gòu)實(shí)現(xiàn)視覺防錯(cuò)功能，各層的具體組成如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

(1)物理層。由RFID讀寫器、相機(jī)、光源、控制器和網(wǎng)絡(luò)等硬件組成，是構(gòu)成系統(tǒng)的硬件基礎(chǔ)。

(2)邏輯層。系統(tǒng)的核心業(yè)務(wù)邏輯主要由構(gòu)架比對(duì)系統(tǒng)與DNC系統(tǒng)組成，構(gòu)架比對(duì)系統(tǒng)負(fù)責(zé)處理視覺采集數(shù)據(jù)，匹配構(gòu)架信息并將判斷結(jié)果反饋給DNC系統(tǒng)，DNC系統(tǒng)根據(jù)結(jié)果判斷下一步操作。

(3)展示層。由集中控制系統(tǒng)中防錯(cuò)展示及移動(dòng)終端平臺(tái)防錯(cuò)展示模塊組成，將構(gòu)架視覺識(shí)別的結(jié)果展示給用戶。

1.2 網(wǎng)絡(luò)拓?fù)?/h3>

在視覺處理的業(yè)務(wù)場(chǎng)景中，由于其中存在大數(shù)據(jù)量的圖像傳輸需求，為保證遠(yuǎn)距離圖像傳輸性能，降低線纜成本，以Gigabit Ethernet協(xié)議為標(biāo)準(zhǔn)的GigE接口成為工業(yè)應(yīng)用場(chǎng)景中的一種新型圖像接口，其可支持通過一臺(tái)服務(wù)器對(duì)多臺(tái)工業(yè)相機(jī)進(jìn)行圖像采集。因此在車間現(xiàn)場(chǎng)構(gòu)建了如圖2所示的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。其中，視覺識(shí)別系統(tǒng)部署在服務(wù)器上，而服務(wù)器通過其千兆位網(wǎng)卡與交換機(jī)連接，各個(gè)工位上相機(jī)的網(wǎng)絡(luò)接口通過6類網(wǎng)線與交換機(jī)連接，通過這種千兆位工業(yè)以太網(wǎng)的方式實(shí)現(xiàn)服務(wù)器與各個(gè)相機(jī)的控制與數(shù)據(jù)傳輸。其中需特別注意的是，相機(jī)與服務(wù)器應(yīng)處于同一網(wǎng)段內(nèi)。

圖2 網(wǎng)絡(luò)拓?fù)鋱D

1.3 構(gòu)架識(shí)別特征點(diǎn)及硬件布置

典型的構(gòu)架零件均符合對(duì)稱布置的工藝特征，不同類型的產(chǎn)品具有明顯的識(shí)別特征點(diǎn)。例如，標(biāo)準(zhǔn)動(dòng)車組與城際列車組構(gòu)架的主要區(qū)別在于橫梁突出側(cè)梁部分；動(dòng)車與拖車構(gòu)架的主要區(qū)別在于拖車的踏面清掃器與動(dòng)車的制動(dòng)吊座部分。獲取這些位置的特征數(shù)據(jù)并與標(biāo)準(zhǔn)模板進(jìn)行對(duì)比，即能判斷當(dāng)前構(gòu)架類型。

結(jié)合現(xiàn)場(chǎng)工況與零件裝夾特征，若以進(jìn)加工位方向?yàn)榍胺剑瑒t相機(jī)放置于待加工位構(gòu)架上方高2.6 m，取構(gòu)架左側(cè)1/4區(qū)域俯視照片，如圖3方框1區(qū)域所示，方框2為光源位置，方框3為相機(jī)所在位置。

圖3 特征識(shí)別區(qū)域(俯視圖)

1.4 硬件安裝方案

因設(shè)備與零件間的相對(duì)位置關(guān)系固定，使用鋁合金型材搭建防錯(cuò)相機(jī)光源支架，同時(shí)使用專用杯型地腳，利用膨脹螺栓使其與地面連接，如圖4所示。此方案在Z軸方向上可以實(shí)現(xiàn)一定范圍內(nèi)安裝高度的調(diào)節(jié)，通過調(diào)整相機(jī)鏡頭的安裝高度以及鏡頭焦距共同完成視覺系統(tǒng)標(biāo)定。

圖4 硬件安裝支架設(shè)計(jì)示意圖

2 現(xiàn)場(chǎng)應(yīng)用流程

2.1 構(gòu)架類型自動(dòng)獲取

每一個(gè)構(gòu)架零件的類型信息以及生產(chǎn)計(jì)劃相關(guān)其他信息在構(gòu)架上線前，已通過RFID發(fā)卡器寫入了構(gòu)架RFID螺釘標(biāo)簽中，而標(biāo)簽通過構(gòu)架上的工藝孔實(shí)現(xiàn)了物料標(biāo)識(shí)與待加工工件的唯一對(duì)應(yīng)關(guān)系綁定。構(gòu)架在車間流轉(zhuǎn)的過程中，RFID讀寫器可自動(dòng)讀取到附著在構(gòu)架上的標(biāo)簽中的信息。DNC系統(tǒng)則根據(jù)RFID讀寫器所讀取的構(gòu)架螺釘標(biāo)簽數(shù)據(jù)，解析并存儲(chǔ)到數(shù)據(jù)庫(kù)中，從而實(shí)現(xiàn)構(gòu)架類型的自動(dòng)獲取。

2.2 DNC與視覺模塊的協(xié)同

DNC系統(tǒng)根據(jù)標(biāo)簽所對(duì)應(yīng)設(shè)備信息給指定位置的相機(jī)傳遞電信號(hào)，控制相機(jī)與光源攝取構(gòu)架照片。由于構(gòu)架逐步由裝夾位、待加工位、直至加工位的移動(dòng)速度較慢，且在待加工位會(huì)因等待上一構(gòu)架的加工完成而停留十余分鐘。因此，在控制DNC與視覺模塊的協(xié)同時(shí)，DNC系統(tǒng)每隔30 s查詢數(shù)據(jù)庫(kù)中對(duì)應(yīng)設(shè)備位置的識(shí)別信息，沒有數(shù)據(jù)則繼續(xù)下一周期的查詢動(dòng)作，有數(shù)據(jù)則控制拍照。

2.3 視覺識(shí)別防錯(cuò)過程

由于構(gòu)架本身存在一定差異，因此一致性判斷中最為常見的方法是平均絕對(duì)差異值法(mean absolute difference, MAD)[8]，即將待分析的對(duì)象與模板進(jìn)行比較，二者各像素灰度值的差異小于設(shè)定的閾值時(shí)認(rèn)為一致。為了避免求和計(jì)算時(shí)圖像區(qū)域越大，則差異值越大的情況，因此需要將計(jì)算出來的總和除以像素個(gè)數(shù)，如式(1)所示。

T(s,t)|；1≤i≤m-M+1，1≤j≤n-N+1

(1)

式(1)表示在搜索圖S中，以(i,j)為左上角，取M×N大小的子圖，計(jì)算其與模板的相似度；遍歷整個(gè)搜索圖，在所有能夠取到的子圖中，找到與模板圖最相似的子圖作為最終匹配結(jié)果。在做構(gòu)架一致性判斷時(shí)，選取出足夠包含構(gòu)架特征的區(qū)域作為模板，找到最相似子圖后，判斷平均絕對(duì)偏差的大小。顯然，平均絕對(duì)差D(i,j)越小，表明越相似，故根據(jù)找到最小的D(i,j)值即可確定當(dāng)前構(gòu)架是否與模板的構(gòu)架相一致。

本項(xiàng)目基于Halcon視覺分析平臺(tái)開發(fā)，相較于其他視覺開發(fā)包，Halcon內(nèi)置的函數(shù)以及數(shù)據(jù)管理功能，可以提高開發(fā)效率，快速輸出結(jié)果[9]。構(gòu)架模板的設(shè)置如圖5所示，在視覺識(shí)別模塊中，可針對(duì)不同零件類型配置相應(yīng)的產(chǎn)品模板照片，模板中各方框處即為零件特征。

圖5 構(gòu)架模板的設(shè)置

在采集到新的構(gòu)架照片后(如圖6所示，各十字標(biāo)識(shí)即為所識(shí)別出的零件特征)，通過對(duì)特征點(diǎn)相似度分析評(píng)分，在Halcon中，代表各點(diǎn)匹配質(zhì)量的值Score是一個(gè)0～1之間的小數(shù)。圖例中4個(gè)特征的匹配質(zhì)量分別是0.790，0.708，0.712，0.800。進(jìn)而綜合判斷出防錯(cuò)結(jié)果，保存到數(shù)據(jù)庫(kù)，供DNC系統(tǒng)調(diào)用。根據(jù)一段時(shí)間的運(yùn)行狀態(tài)跟蹤，利用本方法共識(shí)別、判斷了153個(gè)構(gòu)架產(chǎn)品，其中誤報(bào)2次，無漏報(bào)現(xiàn)象，系統(tǒng)識(shí)別準(zhǔn)確率達(dá)到了98.7%,基本取代了人工判斷的過程。

圖6 實(shí)際拍攝照片識(shí)別結(jié)果

DNC系統(tǒng)根據(jù)防錯(cuò)結(jié)果與RFID讀取結(jié)果進(jìn)行比對(duì)，如果一致則下載程序并加工，不一致則通過車間現(xiàn)場(chǎng)的集中控制系統(tǒng)、移動(dòng)平臺(tái)控制系統(tǒng)等提示異常，鎖死設(shè)備，由人工介入消除異常。

3 結(jié)論

通過機(jī)器視覺技術(shù)的應(yīng)用，在高鐵構(gòu)架加工過程中實(shí)現(xiàn)了對(duì)構(gòu)架類型的自動(dòng)識(shí)別與防錯(cuò)，從而提升了構(gòu)架加工過程的自動(dòng)化水平，降低了人員在構(gòu)架加工過程中的參與度。

機(jī)器視覺隨著人工智能技術(shù)的發(fā)展，其識(shí)別精度、速度以及靈活性都在不斷提升[10]，在零件加工過程中的定位、識(shí)別以及質(zhì)量檢驗(yàn)等場(chǎng)景中，機(jī)器視覺技術(shù)正得到越來越廣泛的應(yīng)用。