当今的汽车中日益增加的复杂性增大了在生产中产生缺陷的可能性，但是汽车制造商却很难在竞争异常激烈的市场中承担这些缺陷。为了达到客户要求的质量，制造商和他们的供应商不断地依赖于在产品多样化阶段阻止缺陷的高效方法。而这个方法就是机器视觉。

在自动化工业领域，机器视觉（MV）被用于涉及检测和机器人导航这些应用中。在二维或三维空间中用嵌入式视觉传感器寻找物体和调整确定物体位置的路径，在危急任务中机器人利用机器视觉会有更高的精度，包括自动上架（挑出不在架上的部分），摘取箱柜和为装配而定位（比如门和面板）。

机器视觉系统也能有效地用于各种各样的检测、完全决定在组装一辆汽车时是否集合汽车零部件，还是拒绝它们。这个还包括针对化妆品缺陷进行的表面检测（比如瓶上的dings，凹痕和皱纹），还有功能性缺陷检测（比如自动装卸臂的轴承表面上的不规则性，在磁盘刹车衬垫上装配孔的正确的间隔和尺寸）。机器视觉系统也可验证部件的存在与否和它们形状的正确与否（比如齿轮，可能存在缺齿或畸形齿）。最后，机器视觉可检测装配验证确保准确无误（比如带有关闭面板的门、引擎罩、升降门和后门）。

机器视觉系统也能用于零部件识别。举个例子，它们能读取轮胎上不同商标和类型的印记，而且通过传送带来指出指定车轮的正确路线。机器视觉系统还能通过OCR功能在那些被印上标记的地方识别该零部件。

最后，机器视觉也能用于二维数据矩阵读取。有一个这样的应用例子，读取在一个凸轮轴用激光印上的条形码，这个条形码用来提供精确的指示凸轮轴的摩擦，确保凸轮和引擎的正确配套。

粗略地概括一下，当今汽车工业中有不同的机器视觉应用。但机器视觉仍将继续在汽车工业中前进吗？为了回答这个一般问题，我们采访了以下人物：

• Valerie Bolhouse of Ford,
• Steve Jones of GM and
• Brad Dailey of Daimler Chrysler

1）您的公司当前采用了哪些机器视觉应用？

Valerie Bolhouse (Ford): 福特在traceability，错误验证，in-station过程控制，机器人导航和尺寸控制中用到视觉。

Steve Jones (GM): 机器视觉应用在GM Powertrain制造设备的应用一般可分为四类：检测/错误验证，部件ID/跟踪，测量和机器人导航。

Brad Dailey (Daimler Chrysler): 视觉导航，机器材料处理系统，粘合应用中的位置检测，尺寸验证系统，过程控制和尺寸监视的三维相机扫描。

2）这些应用中哪些是最重要的？

Valerie Bolhouse (Ford): 在福特里视觉的第一应用是读取数据矩阵码。我们已经在内部和外部同我们的供应商使用这项技术。我们也在一些系统中安装机器视觉系统用于尺寸控制和视觉导航。

Steve Jones (GM): 每种应用都以独自的方法来达到制造操作，确保质量和减少浪费上的成功。

Brad Dailey (Daimler Chrysler): 在提供安全操作，提高生产效率和检测关键特性中，每个系统都是非常重要的。

3）在您的公司里，您是否预测增加对机器视觉的使用呢？如果是，为什么呢？在您的公司里什么将推动增加使用机器视觉呢？

Valerie Bolhouse (Ford): 我们正在我们的工厂中越来越多的使用视觉。推动力之一是对更灵活的自动化的需求。视觉能减少难加工的常用装置器的可适应加工。它也能用于灵活线上的模板确认。另一个推动力是对高质量的需求。视觉对在位过程控制提供反馈。视觉系统的价格和性能上的巨大提高使得他们在为了利益要求而能提供这一增长时有个可行的选择。

Steve Jones (GM): 对机器视觉的使用将会继续增长。导致增长的因素包括改良的可靠性，易于使用（GUI改进），更好的视觉算法，改良的可维护性，更低的生产成本，应用成功和领导信心。所有这些因素会贡献出高质量和减小操作成本，而这又反过来推动机器视觉的继续使用。

[1] [2] [3] [4] [5] 下一页