基于CNN和OpenCV相结合的汽车制造安装线束识别系统

刘兴 钱进

一汽-大众汽车有限公司佛山分公司，中国·广东 佛山 528000

1 引言

图像识别是指计算机对图片进行读取，解析图片中的信息，依据于智能识别算法，对图像进行处理、分析、识别、分类。CNN 的快速发展，大大提升了图像识别处理的能力[1]。

在汽车在生产过程中需要安装多根线束，因为线束形状的特异性等，主要依靠人工进行安装，在安装过程中如果发生错装漏装等现象，不易第一时间发现问题，一旦出现问题就会产生较大的返工维修等，会造成巨大的损失。

针对上述错漏装不易发现的问题，而且为了实现最低成本实现预防的问题，论文主要描述了一套基于树莓派，通过python、OpenCV、CNN 模型来实现汽车线束图像识别的方法，从而杜绝错漏装的现象。本系统通过python snap7 与线体PLC 通信来获取当前车辆信息和车辆所处的位置；其次利用OpenCV 进行拍照然后对拍摄图像进行预处理；再利用CNN 进行图像识别分类；最后利用树莓派外接相应的报警设施最终实现错漏装或者安装不到位的报警[2]，该系统具有低成本、低功率、高准确率的特点。

2 系统功能和框架整体介绍

主要包含3 大模块，分别为车辆信息采集模块、图像采集模块，图像识别模块。

车辆信息采集模块：利用python-snap7 与plc s7-300 实时通讯获得固定位置车辆到达信息，作为后续拍照、分析启动的先决条件。

图像采集模块：利用OpenCV 进行现场图片采集并进行降噪、灰度处理、像素大小处理。

图像识别模块：利用迁移学习，训练自己的网络模型，将采集处理后的图片与模型对比分析，判断安装状态