機器視覺和深度學習技術(shù)相結(jié)合，實現(xiàn)了發(fā)動機氣缸內(nèi)涂層均勻性的自動化檢測。

作為內(nèi)燃機的主要部件，壓鑄氣缸體是整個發(fā)動機結(jié)構(gòu)的支撐，它包含一些鏜孔，每個鏜孔用于安裝其他部件。其中缸體中直徑較大的一個鏜孔用于安裝活塞。當活塞被安裝后，其通過連桿將推力傳遞到曲軸。

在過去，需要在缸體內(nèi)配置一個氣缸襯套來容納活塞。這會導致發(fā)動機更重、鏜孔更小。現(xiàn)在，通過部署美國Flame-SprayIndustries公司發(fā)明的線材等離子電弧噴涂（PTWA）技術(shù)，消除了這種復雜的裝配過程。

在PTWA過程中，將耐磨涂層噴涂到發(fā)動機缸體鏜孔的內(nèi)表面上。這樣缸體內(nèi)就不需要增加氣缸襯套，從而讓發(fā)動機的鏜孔更大，這樣就可以使用更大的進氣閥，使發(fā)動機動力更強。

工業(yè)自動化專家和系統(tǒng)集成公司AISTechnologiesGroup的首席視覺專家AhmadShawky表示，“在涂覆了這種鐵質(zhì)耐磨涂層后，必須檢查氣缸鏜孔，以確保PTWA過程使得鏜孔內(nèi)壁被均勻涂覆?！?/p>

由于PTWA過程可能會在缸體內(nèi)壁殘留涂層材料的沉積物（或稱為“噴涂點”），因此必須對噴涂結(jié)果進行檢測，以確保噴涂點的數(shù)量、寬度、長度和位置都在制造商設定的公差范圍內(nèi)。

在引入和部署機器視覺系統(tǒng)來完成這項任務之前，需要從生產(chǎn)線上取出單體發(fā)動機缸體（可能每種產(chǎn)品需要取一個），然后將缸體切開，進而檢查缸體鏜孔內(nèi)壁是否存在不合格的噴涂點。

“毫無疑問，”Shawky解釋道，“這是一項費時費力的工作，并且不能保證對每個發(fā)動機缸體進行檢測。”

成像系統(tǒng)

為了解決這個問題，Shawky和他的同事為這項任務開發(fā)了一套自動化檢測系統(tǒng)，同時還提供了操作員可輕松掌握的圖形化用戶界面和檢測結(jié)果。

在使用PTWA過程對發(fā)動機缸體進行涂層后，發(fā)動機缸體沿著傳送帶進入到成像站。由于發(fā)動機缸體在傳送帶上處于移動狀態(tài)，因此必須將缸體從傳送帶上取下、并使其保持在一個穩(wěn)定的位置，以方便機器視覺系統(tǒng)對缸體進行成像。為了將每個缸體從傳送帶上取出，系統(tǒng)使用了由伺服電機驅(qū)動的多個線性滑塊來抓取缸體，其中伺服電機由PLC控制。

當發(fā)動機缸體被移動到一個穩(wěn)定的位置后，使用機器視覺系統(tǒng)檢測發(fā)動機缸體的內(nèi)壁。該成像系統(tǒng)可以在兩種不同的配置下工作。第一種配置方法是使用定制的二次光學元件對缸體內(nèi)壁進行檢測（見圖1）。

圖1：AISTechnologiesGroup提供的氣缸涂層檢測系統(tǒng)，在配置中采用了一個定制的二次光學元件，對氣缸的噴涂內(nèi)壁進行成像。

第二種配置方法基于OptoEngineering公司開發(fā)的“孔檢測”光學鏡頭，該透鏡專門用于對物體的垂直壁進行成像。

系統(tǒng)的照明使用的是CCSAmerica公司的紅光LED環(huán)形漫射燈，安裝在透鏡系統(tǒng)上方大約4英寸處，這種直接/鏡面照明用于顯示高反射缸體表面上的任何變形。隨著透鏡系統(tǒng)通過線性滑塊導引至孔內(nèi)，LED光源則通過漫反射和直射兩種方式照亮該氣缸孔。不同于只能對平面視場進行成像的所謂的“針孔鏡頭”，專用于孔洞檢測的光學鏡頭，能夠?qū)椎牡撞亢痛怪眱?nèi)壁成像（見圖2）。

圖2：不同于只能對平面視場進行成像的所謂的“針孔鏡頭”，專用于孔洞檢測的光學鏡頭，能夠?qū)椎牡撞亢痛怪眱?nèi)壁成像。從圖中可以看到鏡頭的工作原理（上圖），以及AISTechnologiesGroup提供的氣缸涂層檢測系統(tǒng)的輸出結(jié)果（下圖）。

孔圖像

為了捕獲到深度約為135mm的缸體孔內(nèi)的圖像，鏡頭系統(tǒng)以15mm為增量單位、分九次分段移動來捕獲缸體內(nèi)表面的圖像。

Shawky表示，“盡管鏡頭系統(tǒng)可以捕獲到大約50~90mm圓周寬度的圖像，但是采用15mm分段增量法，可確保圖像是在最佳焦點位置被捕獲，并且圖像的像素將保持一致的間距?！?/p>

隨后，來自鏡頭系統(tǒng)的圖像由Basler公司的piA2400-17gcPilot彩色工業(yè)相機進行數(shù)字化處理；該相機基于Sony500萬像素ICX625CCD圖像傳感器，幀率為17fps。捕獲的圖像隨即通過相機的GigE接口傳輸?shù)较到y(tǒng)主機，并在那里進行圖像分析。為了分析缸體內(nèi)表面上涂層材料的沉積狀況，AISTechnologiesGroup嘗試了許多不同的方法。

“起初，人們認為康耐視公司提供的VisionProBlob工具包中所包含的blob分析工具，可用于確定圖像中像素是否互連，從而衡量斑點的大小，以及任何不合格的涂層材料沉積點的大小和位置。”Shawky分析道，“然而，盡管可以將VisionProBlob工具包配置為能在指定的灰度范圍內(nèi)查找斑點、并根據(jù)給定的標準對其進行過濾，但是很難確定是否存在一個“噴涂斑點”，或者該噴涂斑點是否與不合格的沉積物有關(guān)。”

深度學習

幸運的是，2017年康耐視收購了瑞士ViDiSystems公司，這是一家基于深度學習的工業(yè)圖像分析軟件開發(fā)商?，F(xiàn)在ViDi（重命名為CognexVisionProViDi）軟件中的ViDiRed工具可用于監(jiān)控模式，用于圖像被首次展開并拼接起來后，執(zhí)行異常檢測、缺陷檢測以及圖像分割任務（見圖3）。

圖3：將圖像展開并拼接在一起后，康耐視的VisionProViDi工具用于監(jiān)控模式，以執(zhí)行異常檢測、缺陷檢測和圖像分割任務。在這種監(jiān)控模式下，軟件不怎么依賴于零部件的配置、類型或圖像捕獲時的條件。

在這種監(jiān)控模式下，深度學習軟件較少依賴于零部件的配置或類型，或是圖像捕獲時的條件。然而，處于監(jiān)控模式下的VisionProViDi軟件，形成了不同類型缺陷的顯式模型，這需要合格樣本和不良樣本，并用樣本對其進行訓練。

為了實現(xiàn)這一目標，AISTechnologiesGroup與其汽車客戶展開密切合作，就可能存在的不同噴涂點對系統(tǒng)進行訓練。然后使用blob工具對這些噴涂點的類型、大小、位置和距離進行分類。例如，可能存在許多小的噴涂點或少量大的噴涂點，所有的這些噴涂點都被系統(tǒng)識別、并存儲在數(shù)據(jù)庫中。

對這些噴涂點進行分類后，發(fā)動機缸體被放回到傳送帶上，然后移至第二個工位；在第二個工位，缸體被重新處理，以確保氣缸孔的內(nèi)表面光滑。之后，在第二個類似的成像站對氣缸孔再次成像，并檢查孔隙率。

Shawky介紹說：“這樣做的目的，就是將噴涂點沉積物與最終加工過程中可能產(chǎn)生的空隙聯(lián)系起來?！?/p>

通過這種方法，可以判斷出該孔隙率是由噴涂點的數(shù)量產(chǎn)生的，還是由最終的加工工藝產(chǎn)生的。例如，在PTWA過程后進行初始檢查，如果孔隙率與檢查中所發(fā)現(xiàn)的噴涂點的位置和尺寸大小存在直接關(guān)聯(lián)性，則可以將其標記出來，并將其交給操作員調(diào)整PTWA過程。或者，如果孔隙率與最終加工過程有關(guān)，也可以被標記，并且調(diào)整孔加工過程，使其更加有效。

完成兩輪檢測后，每個發(fā)動機缸體被分類為合格或不合格。如果不合格，則通過線性滑塊將其移走并放置到一個轉(zhuǎn)盤上，隨后通過轉(zhuǎn)盤將其從生產(chǎn)線中移除，隨后可以根據(jù)需要對其進行重新加工。檢測合格的氣缸繼續(xù)被放置到傳送帶上，進行活塞、氣缸蓋的組裝以及最后的裝配工作。

Shawky介紹說，AISTechnologiesGroup開發(fā)的機器視覺檢測系統(tǒng)，已經(jīng)在被一些主流汽車制造商使用。這套價格35萬美元的檢測系統(tǒng)，能夠確保100%檢查每個發(fā)動機缸體，從而避免了手動切割缸體樣品這個耗時的過程，以確定涂層和最終加工過程的有效性。