汽车涂装自动化中数字图像处理技术的运用论文.docx

汽车涂装自动化中数字图像处理技术的运用论文

汽车涂装自动化中数字图像处理技术的运用论文摘要：数字图像处理在汽车涂装领域的应用,本文介绍了数字图像处理基础和数字图像处理在自动车型识别,易磨损部位检测和预警以及车身表面质量检测的应用。关键词：汽车涂装;数字图像处理;1、引言汽车行业本就是自动化程度较高的产业,但是目前的工业4.0和日益上涨的人力成本给汽车企业提出了更高的要求,数字图像处理在快速、高效的完成汽车涂装生产和涂装生产过程中的缺陷检测方面有显着优势。另外为实现高节奏的生产过程中,高速运转的设备故障预警,数字图像处理也提供了可行的解决方案。2、数字图像处理基础提到数字图像处理,首先要明确什么是数字图像。一幅图像可以定义为一个二维函数(x,y),其中x和y是空间(平面)坐标,而任何一对空间坐标(x,y)处的幅值f称为图像在该点的强度或灰度。当X,Y和灰度值f是有限的离散数值时,我们称该图像为数字图像。有了数字图像,我们可以对数字图像进行处理,对数字图像处理可以分为初级处理、中级处理、高级处理三种方式,初级处理就是对图像进行简单的处理,例如我们平时用的ps和相机美颜功能,都可以理解为对数字图像进行了初级处理,这种处理输入的是图像(原图),输出是处理过的图像(例如PS过的图像)。中级处理,在初级处理的基础上,输入的是图像,输出的则是从图像处理中得到的信息,例如小区停车场的摄像头,拍摄车牌号的图像,在图像中提取出车牌号信息,与数据库中的信息进行比对,从而实现身份进入、停车计时等功能。最后,高级处理就涉及到计算机自主学习的功能,例如对车身表面喷涂质量的检测,就属于对数字图像的高级处理。详细应用将在下文阐述。3、数字图像处理在汽车涂装领域的应用3.1、自动车型的识别在汽车涂装工艺中,针对不同的车型,设备需要设定不同的工艺参数,例如前处理自动加药的加药量,电泳的电压,喷涂机器人的轨迹等等。针对这一应用,目前汽车厂大部分使用光电开关,针对不同车型的特征点进行检测,这种方式的有点在于成本低,一般一到两个光电开关就可以检测2-3种车型,但是这种检测方式的缺点在于它检测的车型必须有明显的特征点或者尺寸差别,这样才能完成车型的识别。而针对尺寸差别不大或者没有明显特征点的车型,光电开关就无能为力了。这时就该数字图像处理出马了。我们在固定位置拍照,我们把目标也就是车身标为1,把背景标为0,我们设定每个车型的1和0边界,通过计算机内部算法对图像进行边界判定,这样就可以根据1和0的边界样式识别出是哪种车型。以上的方法是界定边界法。或者,我们可以使用另一种方法——骨架法。骨架法是界定边界法的简化形式,我们在边界选取一些特征点,然后把特征点按一定顺序连接起来,这样构成的图形,就是这个图形的边界骨架,只要选取的骨架点能反应出不同的车型,这种方法的计算量会小很多,适合运算资源不够的情况。选取的点的数量不同,识别的精度也不相同。3.2、易磨损部位的检测及预警汽车工厂里面的设备需要长时间高负荷运行,有些易磨损部位的检测就成了难题,我们无法经常性的停机检查,那样会严重影响生产,另外我们也很不容易凭借肉眼来观察出细微的磨损,因此在线实时检测易磨损部位的磨损情况就显得十分重要。首先一般我们需要观察的易磨损部位周边情况都比较复杂,或者光线条件不好,无法得到十分清晰的照片,这样就需要我们先对数字图像进行一定程度的变换。首先要对图像进行最简单的灰度变换,例如我们可以把过亮的图像通过把整个图像灰度变小实现图像的变暗,或者把过暗的图像的整个灰度变大实现图像的变量,或者通过函数,把在一个很大范围灰度的图像的大范围灰度映射到一个比较小的灰度范围,这样可以在图像中凸显出目标物体。另外常用的变换还有对数变换、伽马变换、分段线性变换、平滑空间滤波变换、锐化空间滤波变换、混合空间变换等,这些变换都是对图像的灰度进行针对性的处理,以达到预期的效果。我们对灰度变换后的图像,获取他的边界,与正常无磨损的部件边界进行对比,实时进行检测。这样我们还可以根据磨损的程度,设定一个预警机制,可以根据磨损速度,预测该易磨损件的寿命,制定维修计划。在达到预测的寿命时可以直接更换该易损件,或者增加关注度,实时观测磨损程度,在磨损程度达到临界值时再进行更换,这样可以大大节约成本。3.3、车身表面质量检测质量是产品的生命,对于汽车产品来说,好的涂装表面是车质量最直接最外在的体现,所以,每个汽车厂都对汽车车身表面质量检测十分严格,目前大部分汽车厂都采用人工检测,通过在线人员的眼看、手摸来发现汽车车身表面存在的质量问题。但是首先这种传统的方式对在线的工人要求很高,工人必须有丰富的经验才能应对形形色色的车身质量问题,培养一个经验丰富的工人需要很长的时间,由经验不丰富的工人进行检查可能造成错检。其次,工人很难在高负荷的连续生产