基于遺傳算法的汽車涂膠工藝視覺(jué)檢測(cè)標(biāo)定技術(shù)研究*

唐國(guó)寶，廉迎戰(zhàn)，張 俊，劉 益，戴作林

（1.廣州瑞松智能科技股份有限公司，廣州 510535；2.廣東工業(yè)大學(xué)，廣州 51006）

0 引言

由于目前行業(yè)內(nèi)的涂膠檢測(cè)大多是依靠人工進(jìn)行檢測(cè)的，以及設(shè)備環(huán)境、光照、噪聲等多種不可控因素影響，會(huì)造成生產(chǎn)效率低、質(zhì)量可靠性較差等后果。當(dāng)前汽車制造行業(yè)正在隨著自動(dòng)化、智能化的潮流前行，機(jī)器視覺(jué)也將會(huì)被廣泛地被應(yīng)用在汽車產(chǎn)業(yè)鏈中。

機(jī)器視覺(jué)是一種從檢測(cè)對(duì)象的圖像中采集有利信息以此達(dá)到測(cè)量目的的技術(shù)。它具備精確性高、速度快、采集范圍廣、采集信息量大等優(yōu)勢(shì)。它結(jié)合CCD 攝像頭、光學(xué)系統(tǒng)和數(shù)字系統(tǒng)，來(lái)滿足各種檢測(cè)的要求。當(dāng)今汽車制造行業(yè)正在向自動(dòng)化、智能化的潮流前行，機(jī)器視覺(jué)這項(xiàng)技術(shù)也會(huì)被廣泛地應(yīng)用在汽車產(chǎn)業(yè)鏈中。作為一種新穎而又實(shí)用的傳感技術(shù)，圖像檢測(cè)單元近年已實(shí)現(xiàn)產(chǎn)品化，如Congnex、Keyence、Omron 等廠家都已向市場(chǎng)推出一系列功能齊全的產(chǎn)品。對(duì)比而言，國(guó)內(nèi)的發(fā)展較為緩慢。當(dāng)前汽車涂膠工藝品質(zhì)檢測(cè)都是使用人工目測(cè)，該方式不僅效率低，人工成本高，準(zhǔn)確率低，而且很難實(shí)現(xiàn)工藝標(biāo)準(zhǔn)中規(guī)定的定量評(píng)定要求，從而影響對(duì)產(chǎn)品質(zhì)量的有效監(jiān)控。為了減少汽車總裝廠工人勞動(dòng)強(qiáng)度，提高產(chǎn)品質(zhì)量，針對(duì)汽車零部件機(jī)器人涂膠質(zhì)量控制需求，研究汽車車身工業(yè)機(jī)器人涂膠在線視覺(jué)檢測(cè)標(biāo)定的方法。

1 技術(shù)方案

1.1 存在問(wèn)題

目前，在汽車制造過(guò)程中，涂膠品質(zhì)的視覺(jué)在線檢測(cè)應(yīng)用越來(lái)越廣泛，但是，由于視覺(jué)檢測(cè)的汽車零部件對(duì)象存在著種類多樣性、表面瑕疵復(fù)雜性、涂膠曲線的非線性等特點(diǎn)，因此要獲得瑕疵的類型、產(chǎn)生的原因以及其外在表現(xiàn)形式之間的關(guān)系，需要收集和分析大量的相關(guān)實(shí)驗(yàn)數(shù)據(jù)才能確定。并且視覺(jué)在線檢測(cè)產(chǎn)生的信息量巨大，其中無(wú)關(guān)信息繁多、特征空間維度高，所以，對(duì)從海量數(shù)據(jù)中提取精準(zhǔn)的標(biāo)定信息的算法提出了很高的技術(shù)要求。汽車涂膠視覺(jué)在線監(jiān)測(cè)目前主要存在以下問(wèn)題：

（1）汽車涂膠檢測(cè)多數(shù)采用人工檢測(cè)，該檢測(cè)方式工作效率低且人工檢測(cè)評(píng)估結(jié)果準(zhǔn)確性差；

（2）視覺(jué)在線檢測(cè)系統(tǒng)的信噪，受檢測(cè)設(shè)備所處環(huán)境溫度、光照強(qiáng)度、生產(chǎn)技術(shù)、電磁環(huán)境和噪聲干擾等多重因素影響，很難將微弱信號(hào)和噪聲區(qū)分開來(lái)。

因此，如何構(gòu)建穩(wěn)定、可靠、魯棒的汽車涂膠在線檢測(cè)系統(tǒng)，以適應(yīng)光照變化、噪聲、電磁以及其他外界不良環(huán)境的干擾，是要解決的關(guān)鍵問(wèn)題之一。

1.2 系統(tǒng)硬件架構(gòu)

在汽車涂膠生產(chǎn)過(guò)程中，采用機(jī)器人自動(dòng)涂膠代替人工涂膠以提高生產(chǎn)效率。由于機(jī)器人涂膠速度快，人工檢查已經(jīng)滿足不了涂膠過(guò)程質(zhì)量檢查的要求，因此采用視覺(jué)在線檢測(cè)的方法替代人工檢測(cè)涂膠的質(zhì)量。

汽車工業(yè)機(jī)器人涂膠檢測(cè)控制系統(tǒng)主要包括工業(yè)機(jī)器人、變位機(jī)、機(jī)器人視覺(jué)以及視覺(jué)處理軟件等，圖1所示為汽車機(jī)器人涂膠檢測(cè)機(jī)構(gòu)的整體結(jié)構(gòu)。

圖1 汽車機(jī)器人涂膠檢測(cè)機(jī)構(gòu)組成示意圖

在實(shí)際生產(chǎn)過(guò)程中，不僅需要考慮涂膠的功能性，同時(shí)還得兼顧生產(chǎn)的節(jié)拍，為此針對(duì)具體的汽車涂膠過(guò)程，需要進(jìn)行綜合考慮。系統(tǒng)中視覺(jué)模塊可根據(jù)目標(biāo)形式、檢測(cè)需求、現(xiàn)場(chǎng)環(huán)境等靈活選擇，主要固定于工件上方和膠槍附近，分別對(duì)涂膠效果進(jìn)行固定1次（或2次）和跟隨連續(xù)的拍照模式完成對(duì)涂膠效果的圖像采集。檢測(cè)系統(tǒng)具有以下的特點(diǎn)：

（1）系統(tǒng)跟隨性好，跟隨式實(shí)時(shí)檢測(cè)，跟隨檢測(cè)速度最高可達(dá)900 mm/s，不占用工位節(jié)拍；

（2）檢測(cè)涂膠缺陷，包括斷膠、溢膠、膠寬度和膠位置等；

（3）檢測(cè)適用性廣，可用于檢測(cè)不同顏色的條形膠、密封膠等；

（4）檢測(cè)的精度高，可達(dá)0.05 mm。

1.3 系統(tǒng)軟件設(shè)計(jì)

汽車工業(yè)機(jī)器人涂膠檢測(cè)精度的高低取決于視覺(jué)圖像的標(biāo)定，因此視覺(jué)檢測(cè)相機(jī)在開始測(cè)量之前，首先需要對(duì)測(cè)量圖像相機(jī)進(jìn)行標(biāo)定，標(biāo)定過(guò)程中參數(shù)的是否穩(wěn)定會(huì)直接影響相機(jī)在檢測(cè)中的準(zhǔn)確性。汽車工業(yè)機(jī)器人涂膠檢測(cè)控制系統(tǒng)軟件功能包括生產(chǎn)批號(hào)、生產(chǎn)數(shù)量、設(shè)備狀態(tài)、系統(tǒng)通訊設(shè)置、視覺(jué)系統(tǒng)設(shè)置、視覺(jué)檢測(cè)結(jié)果等，系統(tǒng)軟件如圖2所示。

圖2 汽車工業(yè)機(jī)器人涂膠檢測(cè)控制系統(tǒng)軟檢測(cè)軟件界面

汽車工業(yè)機(jī)器人涂膠檢測(cè)控制系統(tǒng)軟件的工作流程如下。

（1）工業(yè)相機(jī)及光源等光學(xué)裝置固定安裝于涂膠站點(diǎn)固定支架的膠槍上；

（2）工件被機(jī)器人抓手抓著放置到涂膠視覺(jué)系統(tǒng)下方；

（3）拍照信號(hào)由PLC 給到涂膠視覺(jué)處理工控機(jī)觸發(fā)拍照，做涂膠前1次拍照（小于或等于1.0 s）；

（4）開始涂膠；

（5）涂膠完成后機(jī)器人抓著涂完的工件放置到涂膠視覺(jué)系統(tǒng)的下方第一次拍照的同樣位置，進(jìn)行涂膠完畢工件的拍照（小于或等于1.0 s）；

（6）利用圖像處理算法，將兩幅圖進(jìn)行軟件算法處理，獲取圖像檢測(cè)的特征部位涂膠匹配的特征參數(shù)；

（7）抽取特征參數(shù)，包括膠條的有無(wú)、寬度、斷續(xù)、均勻性等參數(shù)；

（8）軟件輸出圖像處理OK/NG 結(jié)果，信號(hào)給到PLC，系統(tǒng)檢測(cè)結(jié)束。

2 涂膠標(biāo)定算法設(shè)計(jì)

本文采用的是直接求解Kruppa 方程的辦法來(lái)對(duì)相機(jī)進(jìn)行標(biāo)定，該方法的特點(diǎn)是利用了絕對(duì)二次曲線在歐式變換下不變的特性。由于該辦法是關(guān)于非線性求解問(wèn)題，所以可以通過(guò)一些優(yōu)化算法對(duì)Kruppa方程的代價(jià)函數(shù)優(yōu)化。傳統(tǒng)的基于遺傳算法的相機(jī)標(biāo)定技術(shù)很難解決提前收斂、停滯現(xiàn)象以及誤解成局部最優(yōu)化等問(wèn)題。所以，為了解決以上難題，本文提出一種基于改進(jìn)的遺傳算法的相機(jī)標(biāo)定技術(shù)。

對(duì)極幾何關(guān)系是指在從兩個(gè)不同的角度獲取同一個(gè)場(chǎng)景的圖片，這兩張圖片之間的約束關(guān)系，而基礎(chǔ)矩陣F 就是其代數(shù)表達(dá)，F(xiàn)augeras 等人使用Kruppa 方程來(lái)體現(xiàn)相機(jī)和圖片之間的關(guān)系：

式中：s為未知的正比例因子；e′為第二張圖片的極點(diǎn)；C＝KKT；[e′]×為極點(diǎn)e′的反對(duì)稱矩陣。

由于極點(diǎn)不穩(wěn)定且不易確定，因此，Hartley 提出了改進(jìn)的Kruppa方程：

式中：矩陣U和V的列矩陣分別為F的左、右奇異向量；D為對(duì)角矩陣，其對(duì)角線上的元素為F的奇異值。

結(jié)合基礎(chǔ)矩陣式（1）得：

式中：Vi和ui分別為矩陣V和U的第i列向量；r和s為F的奇異值。

3 改進(jìn)遺傳算法的視覺(jué)標(biāo)定

3.1 改進(jìn)的遺傳算法

為了提高遺傳算法的局部隨機(jī)搜索能力和可維持群體多樣性，避免出現(xiàn)過(guò)早收斂的情況，引入了交叉操作和變異操作。交叉是指將兩個(gè)染色體在同一位置處的DNA斷開，前后兩個(gè)分別交叉組合形成新的染色體；變異是指復(fù)制時(shí)小概率的發(fā)生偏差，變異產(chǎn)生了新的染色體，表現(xiàn)出新特征。

式中：Pc1為交叉概率初始值；Pm1為變異概率初始值；i為進(jìn)化的次數(shù)；n為最高進(jìn)化次數(shù)；count是累積最優(yōu)解不變的次數(shù)。

本文的目標(biāo)函數(shù)為f(fu,fv,u0,v0)， 適應(yīng)度為1/f(fu,fv,u0,v0)，種群大小為N，進(jìn)化代數(shù)為n。

3.2 改進(jìn)的遺傳算法流程

改進(jìn)的遺傳算法步驟如下。

（1）初始化相關(guān)變量，如Pc1、Pm1、N、n等。

（2）初始化種群，生成N個(gè)個(gè)體。

（3）依據(jù)比例選擇方法，選擇出N/2個(gè)個(gè)體父代。

（4）使用實(shí)數(shù)編碼對(duì)種群進(jìn)行編碼，計(jì)算出交叉概率Pc，在Pc的條件下進(jìn)交叉操作，N個(gè)父代將會(huì)產(chǎn)生N/2 個(gè)新基因。計(jì)算出變異概率Pm，在Pm的條件下對(duì)產(chǎn)生的新基因進(jìn)行變異操作，最終產(chǎn)生N/2個(gè)新基因。

（5）計(jì)算當(dāng)前種群所有個(gè)體（3N/2 個(gè)）的適應(yīng)度，并從大到小排序，將前N個(gè)個(gè)體組成為一個(gè)新的種群。

（6）比較新種群的適應(yīng)最小個(gè)體和上一代種群中的適應(yīng)度最大個(gè)體，選擇最優(yōu)的個(gè)體加入新種群中。

（7）計(jì)算新種群的總適應(yīng)度、平均適應(yīng)度。判斷新種群最優(yōu)個(gè)體是否和上一代的最優(yōu)個(gè)體一致，如果一致則count＝count+1，否則count不變。

（8）終止條件判斷。當(dāng)i＞n時(shí)，結(jié)束循環(huán)；當(dāng)i＜n時(shí)，則i＝i+1，并且返回步驟（3），繼續(xù)循環(huán)。

4 涂膠標(biāo)定算法驗(yàn)證

為了驗(yàn)證基于改進(jìn)的遺傳算法的標(biāo)定算法的穩(wěn)定性和實(shí)用性，本文使用Matlab 做了相機(jī)的仿真實(shí)驗(yàn)。其中，相機(jī)的內(nèi)參數(shù)矩陣設(shè)為fu＝500，fv＝500，u0＝250，v0＝250 ，初始種群的大小N＝50，進(jìn)化代數(shù)n＝200，交叉概率Pc1＝0.01，變異概率Pm1＝0.01。并且為了模擬真實(shí)環(huán)境，在實(shí)驗(yàn)中加入了6 個(gè)等級(jí)的高斯噪聲，并且在各個(gè)等級(jí)下做了20 次實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖3～6 所示。由圖可知，本文使用的改進(jìn)的遺傳算法得到的相機(jī)內(nèi)參數(shù)相比較傳統(tǒng)的遺傳算法而言，平均誤差較小。并且隨著噪聲等級(jí)的提高，本文算法得到的相機(jī)內(nèi)參數(shù)平均誤差變化率逐漸減小。

圖3 fv 的平均誤差

圖4 fu 的平均誤差

圖5u0 的平均誤差

圖6 v0 的平均誤差

5 結(jié)束語(yǔ)

為了解決汽車產(chǎn)業(yè)鏈中汽車涂膠工藝中存在的涂膠質(zhì)量檢測(cè)方法效率低下、人工成本高、精度差等問(wèn)題，提出了一種基于遺傳算法的汽車涂膠工藝視覺(jué)檢測(cè)標(biāo)定技術(shù)。該技術(shù)基于機(jī)器視覺(jué)技術(shù)和改進(jìn)的遺傳算法，對(duì)汽車工業(yè)機(jī)器人所采集到的涂膠圖像進(jìn)行處理和分析，實(shí)現(xiàn)汽車涂膠過(guò)程的自動(dòng)化，在實(shí)際應(yīng)用中取得良好的標(biāo)定效果，同時(shí)，降低勞動(dòng)力資源成本，提高汽車涂膠的生產(chǎn)效率和汽車涂膠的智能化水平。