- 相關(guān)推薦
汽車(chē)涂裝自動(dòng)化中數字圖像處理技術(shù)的運用論文
摘要：數字圖像處理在汽車(chē)涂裝領(lǐng)域的應用, 本文介紹了數字圖像處理基礎和數字圖像處理在自動(dòng)車(chē)型識別, 易磨損部位檢測和預警以及車(chē)身表面質(zhì)量檢測的應用。
關(guān)鍵詞：汽車(chē)涂裝; 數字圖像處理;
1、引言
汽車(chē)行業(yè)本就是自動(dòng)化程度較高的產(chǎn)業(yè), 但是目前的工業(yè)4.0和日益上漲的人力成本給汽車(chē)企業(yè)提出了更高的要求, 數字圖像處理在快速、高效的完成汽車(chē)涂裝生產(chǎn)和涂裝生產(chǎn)過(guò)程中的缺陷檢測方面有顯著(zhù)優(yōu)勢。另外為實(shí)現高節奏的生產(chǎn)過(guò)程中, 高速運轉的設備故障預警, 數字圖像處理也提供了可行的解決方案。
2、數字圖像處理基礎
提到數字圖像處理, 首先要明確什么是數字圖像。一幅圖像可以定義為一個(gè)二維函數 (x, y) , 其中x和y是空間 (平面) 坐標, 而任何一對空間坐標 (x, y) 處的幅值f稱(chēng)為圖像在該點(diǎn)的強度或灰度。當X, Y和灰度值f是有限的離散數值時(shí), 我們稱(chēng)該圖像為數字圖像。有了數字圖像, 我們可以對數字圖像進(jìn)行處理, 對數字圖像處理可以分為初級處理、中級處理、高級處理三種方式, 初級處理就是對圖像進(jìn)行簡(jiǎn)單的處理, 例如我們平時(shí)用的ps和相機美顏功能, 都可以理解為對數字圖像進(jìn)行了初級處理, 這種處理輸入的是圖像 (原圖) , 輸出是處理過(guò)的圖像 (例如PS過(guò)的圖像) 。中級處理, 在初級處理的基礎上, 輸入的是圖像, 輸出的則是從圖像處理中得到的信息, 例如小區停車(chē)場(chǎng)的攝像頭, 拍攝車(chē)牌號的圖像, 在圖像中提取出車(chē)牌號信息, 與數據庫中的信息進(jìn)行比對, 從而實(shí)現身份進(jìn)入、停車(chē)計時(shí)等功能。最后, 高級處理就涉及到計算機自主學(xué)習的功能, 例如對車(chē)身表面噴涂質(zhì)量的檢測, 就屬于對數字圖像的高級處理。詳細應用將在下文闡述。
3、數字圖像處理在汽車(chē)涂裝領(lǐng)域的應用
3.1、自動(dòng)車(chē)型的識別
在汽車(chē)涂裝工藝中, 針對不同的車(chē)型, 設備需要設定不同的工藝參數, 例如前處理自動(dòng)加藥的加藥量, 電泳的電壓, 噴涂機器人的軌跡等等。針對這一應用, 目前汽車(chē)廠(chǎng)大部分使用光電開(kāi)關(guān), 針對不同車(chē)型的特征點(diǎn)進(jìn)行檢測, 這種方式的有點(diǎn)在于成本低, 一般一到兩個(gè)光電開(kāi)關(guān)就可以檢測2-3種車(chē)型, 但是這種檢測方式的缺點(diǎn)在于它檢測的車(chē)型必須有明顯的特征點(diǎn)或者尺寸差別, 這樣才能完成車(chē)型的識別。而針對尺寸差別不大或者沒(méi)有明顯特征點(diǎn)的車(chē)型, 光電開(kāi)關(guān)就無(wú)能為力了。這時(shí)就該數字圖像處理出馬了。我們在固定位置拍照, 我們把目標也就是車(chē)身標為1, 把背景標為0, 我們設定每個(gè)車(chē)型的1和0邊界, 通過(guò)計算機內部算法對圖像進(jìn)行邊界判定, 這樣就可以根據1和0的邊界樣式識別出是哪種車(chē)型。以上的方法是界定邊界法�；蛘�, 我們可以使用另一種方法——骨架法。骨架法是界定邊界法的簡(jiǎn)化形式, 我們在邊界選取一些特征點(diǎn), 然后把特征點(diǎn)按一定順序連接起來(lái), 這樣構成的圖形, 就是這個(gè)圖形的邊界骨架, 只要選取的骨架點(diǎn)能反應出不同的車(chē)型, 這種方法的計算量會(huì )小很多, 適合運算資源不夠的情況。選取的點(diǎn)的數量不同, 識別的精度也不相同。
3.2、易磨損部位的檢測及預警
汽車(chē)工廠(chǎng)里面的設備需要長(cháng)時(shí)間高負荷運行, 有些易磨損部位的檢測就成了難題, 我們無(wú)法經(jīng)常性的停機檢查, 那樣會(huì )嚴重影響生產(chǎn), 另外我們也很不容易憑借肉眼來(lái)觀(guān)察出細微的磨損, 因此在線(xiàn)實(shí)時(shí)檢測易磨損部位的磨損情況就顯得十分重要。
首先一般我們需要觀(guān)察的易磨損部位周邊情況都比較復雜, 或者光線(xiàn)條件不好, 無(wú)法得到十分清晰的照片, 這樣就需要我們先對數字圖像進(jìn)行一定程度的變換。首先要對圖像進(jìn)行最簡(jiǎn)單的灰度變換, 例如我們可以把過(guò)亮的圖像通過(guò)把整個(gè)圖像灰度變小實(shí)現圖像的變暗, 或者把過(guò)暗的圖像的整個(gè)灰度變大實(shí)現圖像的變量, 或者通過(guò)函數, 把在一個(gè)很大范圍灰度的圖像的大范圍灰度映射到一個(gè)比較小的灰度范圍, 這樣可以在圖像中凸顯出目標物體。另外常用的變換還有對數變換、伽馬變換、分段線(xiàn)性變換、平滑空間濾波變換、銳化空間濾波變換、混合空間變換等, 這些變換都是對圖像的灰度進(jìn)行針對性的處理, 以達到預期的效果。
我們對灰度變換后的圖像, 獲取他的邊界, 與正常無(wú)磨損的部件邊界進(jìn)行對比, 實(shí)時(shí)進(jìn)行檢測。這樣我們還可以根據磨損的程度, 設定一個(gè)預警機制, 可以根據磨損速度, 預測該易磨損件的壽命, 制定維修計劃。在達到預測的壽命時(shí)可以直接更換該易損件, 或者增加關(guān)注度, 實(shí)時(shí)觀(guān)測磨損程度, 在磨損程度達到臨界值時(shí)再進(jìn)行更換, 這樣可以大大節約成本。
3.3、車(chē)身表面質(zhì)量檢測
質(zhì)量是產(chǎn)品的生命, 對于汽車(chē)產(chǎn)品來(lái)說(shuō), 好的涂裝表面是車(chē)質(zhì)量最直接最外在的體現, 所以, 每個(gè)汽車(chē)廠(chǎng)都對汽車(chē)車(chē)身表面質(zhì)量檢測十分嚴格, 目前大部分汽車(chē)廠(chǎng)都采用人工檢測, 通過(guò)在線(xiàn)人員的眼看、手摸來(lái)發(fā)現汽車(chē)車(chē)身表面存在的質(zhì)量問(wèn)題。但是首先這種傳統的方式對在線(xiàn)的工人要求很高, 工人必須有豐富的經(jīng)驗才能應對形形色色的車(chē)身質(zhì)量問(wèn)題, 培養一個(gè)經(jīng)驗豐富的工人需要很長(cháng)的時(shí)間, 由經(jīng)驗不豐富的工人進(jìn)行檢查可能造成錯檢。其次, 工人很難在高負荷的連續生產(chǎn)下保持長(cháng)時(shí)間的專(zhuān)注度, 往往可能在連續工作一段時(shí)間后由于注意力下降, 可能造成漏檢。另外, 這種檢測往往很難形成統一的技術(shù)規范、技術(shù)標準, 例如工人覺(jué)得車(chē)身車(chē)門(mén)有色差, 這就是一個(gè)完全主觀(guān)的判斷, 沒(méi)有任何數據做支撐, 每個(gè)人對色彩的敏感程度不同就會(huì )做出不同的判斷。針對這些問(wèn)題, 在車(chē)身表面質(zhì)量檢測過(guò)程中引入數字圖像處理技術(shù)的優(yōu)勢明顯。首先, 機器通過(guò)學(xué)習后學(xué)習的經(jīng)驗完全可復制到其他的機器中, 這樣就解決的經(jīng)驗豐富的問(wèn)題, 機器可以通過(guò)不斷的學(xué)習, 不斷的完善自己的知識庫, 同時(shí)把這些經(jīng)驗實(shí)時(shí)共享給其他的機器。其次, 機器是不知疲倦的, 也不會(huì )出現注意力不集中的問(wèn)題, 無(wú)論工作多久都會(huì )保質(zhì)保量的完成工作。最后, 通過(guò)數字圖像處理, 完全可實(shí)現不同質(zhì)量缺陷的標準化, 例如計算機通過(guò)對圖片的數字化處理, 完全把車(chē)身的顏色數字化, 顏色在什么范圍認為是沒(méi)有問(wèn)題的, 超出范圍就認為有色差, 這樣所有的車(chē)身都是一個(gè)標準, 避免了主觀(guān)意識對質(zhì)量的影響。
為了實(shí)現車(chē)身表面質(zhì)量的檢測, 首先要對車(chē)身表面的照片進(jìn)行處理。這些處理包括:圖像降噪處理、圖像色彩分層、圖像的點(diǎn)線(xiàn)邊緣檢測。處理過(guò)的圖像我們還需要對圖像進(jìn)行壓縮, 因為圖像中包含了很多我們不需要的信息, 而計算機的存儲和運算速度有限, 我們要把資源用在刀刃上, 所以對數字圖像進(jìn)行壓縮也是必須的。最后我們需要對圖像進(jìn)行頻率域變換, 這是數字處理的重中之重, 數字計算和快速傅里葉變換算法 (FFT) 是人們對數字圖像處理的關(guān)鍵技術(shù)。之后我們需要對數字圖像進(jìn)行全局閾值處理, 這種處理的目的在于突出我們的目標區域, 而使其他的“背景”完全“消失”, 這樣我們可以更清楚的實(shí)現對圖像的處理。
在我們收集了足夠多的處理過(guò)的數字圖像后, 我們可以開(kāi)始進(jìn)行機器學(xué)習了, 我們設定不同的分類(lèi)器, 每個(gè)分類(lèi)器對應一種缺陷, 然后我們把收集的數字圖像隨機分為三個(gè)集合:訓練集、驗證集、測試集。然后我們用訓練集訓練一個(gè)分類(lèi)器, 然后再用驗證集和測試集來(lái)測試分類(lèi)器的準確性。在訓練過(guò)程中, 可能會(huì )出現欠擬合或者過(guò)擬合, 欠擬合就是模型擬定的太嚴謹, 不符合現實(shí)情況。過(guò)擬合就是算法不但學(xué)習了數據, 還把噪聲學(xué)習了這樣的算法無(wú)法推廣。我們需要尋找到一個(gè)平衡點(diǎn), 既能完成對缺陷的處理又能保證正常合格車(chē)身的通過(guò)率。
4、結語(yǔ)
數字圖像處理技術(shù)在汽車(chē)涂裝自動(dòng)化領(lǐng)域的運用, 必將對改善車(chē)身質(zhì)量, 降低人力成本起到積極作用。并且, 隨著(zhù)數字圖像處理技術(shù)的進(jìn)一步發(fā)展, 和數字處理算法的進(jìn)一步優(yōu)化, 數字圖像處理將更快更準確的尋找和發(fā)現汽車(chē)涂裝表面缺陷。隨著(zhù)數字圖像處理在汽車(chē)涂裝領(lǐng)域的應用進(jìn)一步深入, 通過(guò)數字圖像處理來(lái)指導生產(chǎn), 發(fā)現生產(chǎn)中存在的問(wèn)題的水平將近一步的提高, 同時(shí)隨著(zhù)計算機硬件成本的降低和技術(shù)的發(fā)展, 數字圖像處理在汽車(chē)涂裝領(lǐng)域的應用將會(huì )持續增長(cháng)。
參考文獻
[1]阮秋琦, 阮宇智.等數字圖像處理學(xué)[M]第三版.北京:電子工業(yè)出版社, 2011.6.
[2]學(xué)習Open CV (中文版) / (美) 布拉德司機 (Bradski.G.) , (美) 科勒 (Kaehler.A.) 著(zhù);于仕琪, 劉凱禎譯.北京:清華大學(xué)出版社, 2009.10.
[3]趙立興, 基于模糊算法的數字圖像處理技術(shù)研究[D].秦皇島;燕山大學(xué), 2004, 22-39.
[4]Andrews, H.C.and Hunt, B.R.[1997].Digital Image Restoration, Prentice Hall, Englewood Cliffs, N.J.
【汽車(chē)涂裝自動(dòng)化中數字圖像處理技術(shù)的運用論文】相關(guān)文章：
多媒體技術(shù)在音樂(lè )課堂中的運用研究論文03-22
現代信息技術(shù)在教學(xué)中的運用論文（精選8篇）08-10
汽車(chē)運用技術(shù)專(zhuān)業(yè)就業(yè)前景08-11
淺析信息技術(shù)在語(yǔ)文教學(xué)中的運用論文（精選7篇）05-12
性格分析在培訓技術(shù)中的運用07-13
色彩在服裝設計中的運用論文04-21
論多媒體在教學(xué)中的運用論文02-23