DGH开发了一种使用安装在机器人上的摄像头和照明来检查焊接接头的自动化系统。（图片来源：DGH）

在汽车制造领域，高标准质量要求至关重要，尤其是在白车身（BIW）焊接工艺中。车身结构稳定性的重要性不言而喻明，更有趣的问题在于如何实现焊接点质量的自动化全面保障。挑战在于焊接可能产生多种缺陷（如裂纹、焊道不完整、焊斑形态异常等），这些都会影响车身质量。这正是DGH集团致力解决的问题。

这家总部位于巴利亚多利德的西班牙企业（近期并入法国Groupe ADF集团），通过创新产品为多个工业领域提供技术支持。其研发的检测系统可自动采集焊点图像，并通过MV Tec Halcon的AI算法与DGH图像处理软件进行实时分析。该系统将检测结果（合格/不合格）传输至PLC控制器，由PLC据此决定车身的后续处理流程。

Halcon是MV Tec公司开发的工业图像处理（机器视觉）标准软件。这家成立于1996年的慕尼黑家族企业，始终致力于开发硬件无关的工业级图像处理软件，凭借其强大的深度学习算法套件，已成为该领域的技术领导者。

深度学习在生产中的应用：焊点光学检测

深度学习作为人工智能的分支，正推动工业图像处理实现前所未有的应用突破。DGH集团借此机遇，为法国某大型汽车制造商开发出基于金属惰性气体保护焊（MIG焊）的自动化焊点检测系统。

“此前检测始终依赖经验丰富的员工，但判断不同工艺的焊点质量并非易事。”DGH集团创新技术总监Guillermo Martín解释道，“新系统融合了员工的专业知识——我们使用他们的经验数据训练深度学习网络。唯有通过深度学习，才能实现所需的稳健检测率。”

该实施方案的首要目标是确保所有焊缝达到极高品质标准，同时发挥自动化质检的核心优势：相较于人为主观判断，新系统具备更高检测速度、可靠性、精准度以及绝对一致的决策稳定性。

工业图像处理的洁净流程整合

该系统的实施面临多重挑战。DGH技术总监Martín解释道：“我们明确需要基于机器视觉设计系统。由于焊点复杂性，传感器或传统2D视觉系统均会失效。因此，第一个挑战是开发可靠检测多种缺陷的可行方案；第二个是需将员工经验知识迁移至深度学习应用；第三必须满足严格生产节拍下的快速检测需求。”

在法国汽车制造商的部署中，该系统运作流程如下：当白车身抵达检测工位时，PLC触发多项检测程序。2D相机根据触发信号单独或连续拍摄焊点图像，通过Gig-E Vision协议传输至机器视觉软件处理。系统能精准检测各类焊接工艺产生的焊缝、接合点及周边异常。

检测数据实时发送至PLC，相应结果可视化呈现于显示屏。DGH开发的检测应用部署于工业PC，持续监控与生产现场PLC及多台2D相机的通信。整个系统的核心正是机器视觉软件Halcon。

深度学习方法实现精准缺陷检测

为可靠识别缺陷，该图像处理软件采用两种深度学习方法：首先通过“实例分”技术定位图像中的焊缝区域，这项深度学习能力可实现像素级精确的对象分类；随后采用“异常检测”方法，基于深度学习的表面检测能精准识别各类偏差与缺陷。

DGH技术总监Guillermo Martín阐释道：“异常检测带来双重优势：不仅检测率高效稳健，且神经网络训练过程简便。我们主要使用无缺陷的‘合格焊点图像’训练网络——异常检测网络仅需合格图像即可完成训练。虽然不良图像并非必需，但少量缺陷样本有助于优化区分良品与次品的阈值设定。该阈值基于异常检测网络输出的异常分数设定，但其确定过程独立于训练环节”

“我们仅需少量合格图像即可完成训练，这极具实用性——合格样本获取快捷方便，而系统化收集缺陷图像则困难得多，更不可能涵盖所有潜在缺陷类型。这正是深度学习的显著优势所在。

当检测图像与训练样本存在差异时，系统能可靠识别异常或缺陷。通过设定阈值来量化合格与不合格之间的差异度：该参数定义了检测图像与“合格标准图像”的允许偏差范围，用户可自由调整这一参数，使人工智能决策的‘黑箱’过程变得透明可控。

图像标注与神经网络训练

深度学习技术需在运行前使用图像训练神经网络。DGH采用MV Tec免费深度学习工具完成图像标注与训练：首先依托员工专业经验收集焊点图像，确保训练集主要采用合格图像（误用缺陷图像会导致训练结果失真）。随后使用“智能标注工具”，操作人员仅需鼠标点击焊缝区域，工具即自动勾勒轮廓，确保后续训练聚焦图像关键区域。汽车制造商员工深度参与此过程，凭借其经验确定信息关键区域与轮廓范围。

完成标注后，数据集按50%训练集、25%验证集和25%测试集进行划分。通过深度学习工具一键执行训练、验证与测试流程。最终训练模型通过无缝集成加载至Halcon机器视觉软件，即可投入实际应用。

机器视觉软件成为检测系统核心

“DGH与MV Tec的合作已逾十年，我们深知其工具与算法的强大实力，因此本项目同样选择信赖MV Tec Halcon，”Guillermo Martín透露。此前提及的严格生产节拍带来的训练与速度挑战已得到解决，此外系统还需应对反光金属表面及多变光照环境的苛刻条件。

DGH集团成功攻克所有技术难题，交付了符合高标准要求的检测系统。“2024年初，首套系统在汽车制造商工厂投产。运行成功后，我们于2024年4月再次获得该客户订单，部署第二套焊点检测系统，”Martín满意地表示。该系统成功实现了在劳动力短缺背景下减少质检环节对熟练工人的依赖，有效提升了自动化水平。实践证明，基于机器视觉与人工智能的自动化技术显著降低了误差率，确保持续可靠地检测焊接缺陷。

尽管图像处理系统已在各行业制造流程中广泛应用，Martín认为深度学习解决方案在高要求复杂应用领域仍具巨大增长潜力。