文/王崇武¹，解正坤¹，何汶华²

1.标格达精密仪器（广州）有限公司，2.广州润科计量检测技术有限公司

摘要：涂料性能检测是涂料研发工程师开发新产品、品质工程师控制产品质量的一种重要手段，它涵盖了多种不同的评价方法，这些评价方法中大部分都受人为因素影响比较大。另一方面，涂料性能的整个检测过程耗时长，并且对检测人员的专业技术水平要求比较高，因此，实现涂料性能检测的自动化或智能化对提高数据的可靠性和提升检测效率有重要的意义。详细分析了涂料性能评估常用的检测方法实现自动化或智能化的可行性，也强调了应注意的问题。最后，对涂料性能检测自动化与智能化的未来发展方向及新技术的应用提出了建议。

关键词：涂料性能检测；自动化；智能化；计算机视觉

0 引言

对涂料行业的检测人员或检测机构而言，涂料产品性能检测是一项复杂、繁琐的工作。涂料性能的评估不仅要检测其在未成膜状态下（液态或粉末态）的原始性能，还需按特定工艺制备涂层并待其完全固化成膜后再进行涂层的相关性能检验。整个检测过程耗费时长，操作繁琐，而且对相关检测人员的技能水平要求比较高，尤其对一些主观性非常强的结果判定项目，往往需要经验丰富的检测人员。不同涂料实验室或检测机构之间的数据可比性较差，是目前行业普遍存在的一个问题。

另一方面，涂料检测领域也属于劳动密集型，因为涂料的性能评估往往涉及多个项目，并且各项目之间往往缺乏关联性。对一个涂料样品进行完整的性能评估往往需要比较长的时间，效率低下，尤其对于每天需要测试上百个样品的大型实验室或质检机构而言，此时更希望有一种能快速、准确，或者流水线式的自动检测系统。理想的自动检测系统是检测人员只需要把涂料样品放入此系统中并设置一些相关参数或要求，系统将自动进行样品混合均匀、制备均匀的涂层、养护涂层，随后按对应的标准要求，逐步检测涂层的每一项性能，最后整理出所有需要的试验数据。以上整个检测过程完全通过系统来完成。

实施涂料性能检测的自动化或智能化，无非是解决目前行业普遍存在的两个问题：

（1）减少或去除人为因素对试验结果的影响，提高试验结果的可靠性（重现性和可比性高）；

（2）提高检测效率。目前行业的实际情况是检测结果的可靠性和检测效率往往不可兼得，大多数时候一个高可靠性数据的获得是建立在大量细致且严格按标准操作的工作基础上，这就意味着要消耗更多的人员和时间，即提高了检测结果的可靠性，检测效率会降低；而提高了检测效率，检测结果的可靠性就会下降。比如使用自动细度测量仪检测涂料样品，可以减少测量时的人为误差（包括光源类型、读数时间、读数角度、刮涂角度、刮涂速度等），提高测量的准确性^［1］，但由于存在装卸刮刀、调试机器等步骤，致使整个细度的检测效率至少下降80%。

不同实验室对开展检测工作的目的或许稍有差别，如质检机构可能更注重检测数据的可靠性，这时他们宁愿牺牲检测效率；而涂料的研发工程师却更希望提高检测效率，因为他们每天都要开发大量的配方并筛选出最佳产品去快速满足市场的需求。但无论基于何种目的的检测，确保数据准确可靠无疑是最基本的要求。

数据准确可靠主要指该数据的重现性和可比性高。对涂料性能检测而言，一个可靠结果的获得并不困难，概而言之，它与底材的选用、样品的制备与养护、检验仪器、实验人员及实验环境等因素相关。如果不考虑检测标准或试验方法本身的原因（重现性限和可比性限很差），则检验仪器和人为因素成为检验人员最关注的两个因素。

当涉及检验仪器的精度已经达到目前最优技术时，去除人为因素对试验结果的影响就成为提高结果可靠性的最有效的手段。去除人为因素包含两个方面：一是试验过程（包括取样、制备样品、样品的测试等）不需要人工参与；二是测试结果或数据的识别、处理、分析及最终结果的判定也由机器来完成。

1 涂料性能检测概述

正如前面所述，涂料性能的检测并不是对样品的某一种单一状态进行分析评估，不同的涂料，根据应用要求可能会评估不同的性能。根据检测的特点，可以大致归类为以下5个方面，见图1。

这些性能大部分互相独立，所涉及的检测方法标准及使用的仪器设备也完全不同。检测人员对某种涂料进行性能评估时，有可能要进行近百项或持续数年（如户外大气曝晒）的测试。

另一方面，虽然涂料的原漆性能似乎和涂层性能关联并不大，但涂层所展现的一些性能均可找到与原漆对应的物理量，如硬度、抗冲击、抗划伤、抗弯曲、耐盐雾、耐水等性能均与原漆的密度、黏度、等电点、电导率、HLB（亲水亲油平衡值）、pH、粒径分布、固含量，PVC（颜料体积浓度）等相关。也就是说，只要原漆的这些性能的物理量指标符合要求，那最终得到的涂层性能基本就能满足要求。当然这里所说的涂料的检测指标和设备可能与现用的不同，因为要更快，更方便。

2 涂料性能检测应用

如果从检测的目的来分，涂料的检测可以分为实验室检测和在线检测。

实验室检测往往是对所开发的产品按照其实际应用场景或执行的相关标准进行严格的测试，其测试结果为产品是否能满足实际应用或相关标准要求提供支撑，所以实验室的检测尽量能定性、定量，并且需要更高精度的设备和熟练的检测人员。

在线检测包括生产现场检验和施工现场的检验，所执行的性能项目一般具有快速、简单、易评估的特点。生产现场检验是立足于原材料进场检验合格、生产配方已经固定、工艺流程可控的基础上，对所生产的产品的一些基本物理状态，如黏度，细度、密度等性能的检验，它可以帮助生产人员快速判断产品是否已经达到用户的出厂要求。施工现场检验一般为涂料用户针对他们的产品所进行的涂层质量控制工作，如涂层干燥时间、表面瑕疵、喷涂厚度、涂层光泽、涂层颜色等。

表1列出了涂料一些常规性能的检测项目，以及其结果与人为因素的影响关系（不考虑仪器设备）。

3 涂料性能检测的自动化于智能化

目前，市面上已经有部分厂家推出了涂料检测的自动化或智能化设备，但到底是否具备了自动化或智能化的功能和特征呢？

自动化是指机器设备、系统或过程（生产、管理过程）在没有人或较少人的直接参与下，按照人的要求，经过自动检测、信息处理、分析判断、控制反馈，实现预期的目标的过程。

而智能化是指某设备或系统在计算机网络、大数据、物联网和人工智能等技术的支持下，所具有的能满足人的各种需求的属性。比如无人驾驶汽车就是一种智能化的事物，它将传感器物联网、移动互联网、大数据分析等技术融为一体，从而主动地满足人的出行需求，不像传统的汽车，需要被动的人为操作驾驶。

按照上述定义，如果要实施涂料检测的智能化，即所用的设备或系统要能满足检验人员的各种需求。相对传统的检测模式，智能化检测应是建立在数据化的基础上的检测手段的全面升华，它意味着通过智能技术的应用，系统具备类似于人类的感知能力、记忆和思维能力、学习能力、自适应能力和行为决策能力。同时，它也必须以检验人员的需求为中心，能动地感知外界事物，按照与人类思维模式相近的方式和给定的知识与规则，通过数据的处理和反馈，对随机性的检测动作做出决策并付诸行动。

应该说智能化的核心技术是系统具备自动学习的功能，类似AI人工智能，让计算机系统、程序能够模拟出人类智能的思维，能够模仿人类的行为^［2］。比如在评估涂层耐冲击性能时，若有一种智能检测系统，那么该系统必须能自动识别涂层被固定重锤以某一高度冲击后是否发生破坏现象；如果发生了，系统则自动降低冲击高度再次冲击；如果没发生，系统则自动增加冲击高度冲击，直至找到引起涂层破坏的临界高度。

有人认为：智能化只能是一个相对概念，能融合当代的主流技术即可称之为“智能化”，并且每一个时期对“智能化”的定义都不尽相同。如检测仪器若融合了USB接口、蓝牙技术等，那么相对于以前的产品，新一代产品就完全可称为实现了智能化。

也有人认为：不能自动识别或判断试验结果的技术，即使检测过程的自动化程度再高，都不能称为智能检测。比如斯托默黏度计，实验人员需要不断增加砝码，直至转子在待测样品中达到稳定的200r/min转速，然后把砝码质量通过特殊的公式，经过人工计算得出样品的KU黏度值；而新一代的产品采取了特殊的算法，直接显示出KU值，这就是智能化。

评估涂料性能的检测方法大部分都有相应并成熟的国际或国家标准，要实施其自动化和智能化，也先要根据各个检测项目的特点和要求，进行可行性分析。

3.1 可用机器来替代人工操作的检测项目

现代涂料检测仪器也随着工业自动化技术的提升而进步，很多以前需要人工操作的试验步骤目前都可用机器替代，即自动化。如靠人工操作的划格试验和铅笔硬度试验，现在可以靠电机以均匀的速度和力度来完成划格和铅笔划痕的动作。

这部分涉及的检测项目主要包括3个方面：试验过程主要靠人工完成，如制备涂层、划格试验、铅笔硬度、弯曲试验、杯突试验等；仪器的开机校准及试验数据的传输；不同试验状态之间的循环切换。

3.1.1 试验过程主要靠人工完成的检测项目

表1列出的项目，有很多其检测过程主要依赖人工操作，特别是涂层的制备，往往需要有经验的工程师或技工才能制备厚度误差在正负2~3μm的均匀涂层，并且人工制备涂层劳动强度大、对人体伤害大、效率低、人员操作的不稳定性带来质量差和不均匀性^［3］，尤其在大面积试板上。因此快速制备均匀一致的涂层是目前许多涂料检测实验室急需解决的问题，

虽然目前有各种自动涂膜机来替代实验人员完成涂层的均匀制备，但对整个涂层制备过程而言，这只是完成了其中的一个环节，因为前期的样品混合、黏度调整、试板的前处理、试板的固定、涂膜后涂层的干燥与养护、涂布工具的清洗等，仍然耗费了很多时间。

理想的涂层制备系统应该是一个能依次自动完成所有工序的自动化系统，操作者只需将涂料样品放入系统中，输入一些关键指令，如需要的涂层厚度、干燥条件及时间等，系统将自动进行样品混合、黏度调节、试板的前处理及固定、制备涂层、干燥养护、清洗工具，最后得到的是可以直接对涂层性能进行测试的标准试板。

3.1.2 包含仪器自动校标或数据处理的检测项目

用于测试涂层物理性能的大部分电子仪器，工作前都需要进行调零或者对标准物质进行校正，如光泽度仪、色差仪、测厚仪等。以前这一步骤需要人工来完成，现在通过程序设计，可以让仪器在开机的时候自动完成调零和校标，这也是“自动化”；另一方面，仪器测量后的数据处理，通过现代技术手段，如蓝牙无线传输等，可以完成自动保存、统计及远程传输，这种技术的进步可以称为“智能化”。

3.1.3 不同试验项目的自动循环切换

涂层的有些性能需要在不同试验条件下进行切换，最典型的是JG/T25-2017《建筑涂料涂层耐温变性试验方法》^［4］，其要求的试验程序如图2所示。

因为本项测试涉及在3个试验设备中循环切换，通过人工来操作该实验有诸多的不方便性，经常需要占用实验人员的非正常工作时间，如果能设计一整套包含了这3种设备的组合检测系统，最关键的是系统要能定时取样并能快速移动样品到下一个测试单元，可节省大量人工。这种组合检测系统目前已经在市面上出现。

类似的技术还有GB/T31415—2015《色漆和清漆海上建筑及相关结构用防护涂料体系性能要求》（等同ISO20340：2009）^［5］；在以下3种试验条件循环切换总共4200h（25周）（图3）。

3.2 通过计算机视觉技术来判定试验结果

涂料很多性能的测试最终都需要对出现的试验现象进行一个结果或等级的评估，目前大部分涂料实验室是靠检测人员的肉眼判断，这样人的主观因素必然会对试验结果带来一定的影响。通过先进的视觉技术来判断无疑是最好的解决方案。比如划格试验，评估切割后的涂层脱落面积占整个涂层面积的比例，单凭肉眼很难精确算出，但计算机视觉技术可以非常快速准确地得到这个数值。

计算机视觉技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科，具有速度快、信息量大、功能多等优势，同时也被认为是目前最有潜力、也是最具有挑战性的技术之一^［6］。该技术通过计算机来模拟人的视觉功能，利用高分辨率相机捕捉图像，同时通过图像处理软件或其他技术分析图像，提取数据，计算测量。计算机视觉技术最大的优点是因为替代了传统的人工肉眼评价和人工计数，从而让测试数据客观、准确且重现性好，可应用在包括细度测量、划格评级、冲击评级、铅笔硬度评级、划痕硬度评级及涂层老化现象评级等方面。

涂料细度测量是一个最有可能实现的项目之一，按目前的检验方法，该项目要求操作者在一固定观测角度范围之内快速判读出细度颗粒的分布，这对不少检测工程师来说都是一项挑战，尤其是在使用量程25μm以下的刮板细度计时，需要经验非常丰富的人员才能得到可靠的数据。

最新的GB/T1724—2008（等同ISO1524—2020）中提到“不同操作者在不同实验室对同一材料得到的两个单一试验结果之绝对差低于细度板量程的20%时，则认为其置信度为95%”，这即意味着两个不同实验室对同一样品得出的数据可能会相差10μm（使用量程为50μm的细度板时），对于很多研发工程师来说，这是很难接受的一个精度。有很多文章对这种差异进行过探讨：认为与操作者的刮样速度、刮样角度及观测者的观测角度、观测环境有关，但主要还是在结果判断这一步上带来了比较大的误差。

但必须注意的是：即使采用了计算机视觉技术来获得细度检测结果，但其是否与传统的人工观测方法所得到的结果一致或存在某种相关性，仍是值得研究的问题，因为相应的国际或国家标准并未提到借助机器来判断试验结果。这点类似涂料的调色，虽然有各种先进的调色系统和测色仪来调色，但最终还是要辅助有经验的调色工程师做最后的结论，此时人的主观因素还是起到决定性的作用。

对于GB/T1766—2008《色漆和清漆涂层老化的评级方法》^［7］而言，计算机视觉技术将提供非常高效、准确的结果评估，标准里面涉及对涂层起泡、开裂、锈点（斑）、长霉、斑点、剥落的评定时，不仅要评定这些缺陷的大小，还需要评定数量等级（或者受到破坏的区域占比），通过人工肉眼来判断，有着比较大的主观性，但借助计算机视觉技术可以最大程度地减少不同检测人员之间的差异。

3.3 操作自动化+计算机视觉技术来判定试验结果

将操作自动化和计算机视觉技术相结合能够最大程度地排除人为因素对试验结果的影响，当然前提是在不考虑检测工作效率的情况下。如涂料细度的测量，先是用自动细度刮板仪将样品用刮刀按统一的速度、力度及角度刮好，然后放入到计算机视觉系统中立即评估试验结果。如果检测实验室本身的样品量少，对试验结果的准确度要求也不是很高，那这种检测模式设计并不具备太多的实用性。

3.4 连续性测试

连续测试时自动采集或记录整个试验过程中各时间点的样板表面的状态变化，直至达到标准所规定的试验终点，操作者可在试验结束后查看任一时间点的样板状态。这部分可包括涂层的耐洗刷、干燥时间、耐水性、耐化学试剂、耐盐雾、耐人工老化、杯突等性能测试项目。

在很多连续性测试或者极限测试中，需要报告涂层出现明显破坏时的临界点，可能是时间，亦可能是某些指标。这往往需要测试人员一直在仪器旁观察，对于那些耗时比较长的试验，这显然不是最佳方案。另外还有一些测试，如盐雾、人工加速老化往往需要周期性地取出试板进行某些性能（如光泽）的评估，然后继续投入试验箱中测试，直至达到总的试验时间。盐雾测试中也有明确规定，任一中途检查样板的时间不得大于30min，因为即使试板没放在盐雾试验箱内，腐蚀依然在持续进行。故如果能有摄像系统按设定时间定时拍摄试验箱内的样板，或者装有需要控制某项性能的测试设备（如测试颜色变化的色差仪和测试光泽变化的光泽度仪），并且可设计每隔多长时间进行一次相关的数据采集，这样，实验人员就无须再中途取出试板检查了，不仅提高了工作效率，而且大大降低了试验样板人为中断对测试结果所带来影响的风险。

理论上实现并不困难，但最大的技术障碍在于这些测试设备的传感器如何能耐受环境测试设备的腐蚀老化。

3.5 极限性测试

检测系统通过计算机视觉技术，自动判断样品是否达到标准所规定的试验终点（适用于以极限性的测试，以最大程度来报告试验结果的测试，等级试验），并自动增加或减少某试验参数。这部分的项目包括冲击试验、弯曲试验、铅笔硬度等。

这些性能评估的一个共有特性就是不断增加破坏因子（或能量），直至找到引起涂料发生破损的临界点。目前的操作就是实验人员先用一个比较小的破坏因素去尝试，如果涂层未发生破坏，则逐渐增加破坏因素（如冲击高度、轴棒直径或更硬的铅笔），这往往需要多次尝试，才能最终确定临界点。

这部分完全可以考虑引进智能检测系统，前提是要能借助3.2中提到的计算机视觉技术，如果系统通过计算机视觉技术和预先设定的判断依据判定待测试涂层未发生破坏，则系统自动采用更强烈的破坏因素在试板另一位置再次进行试验，直至找到涂层破坏的临界点。整个系统的工作流程原理见图4。

这样的检测系统无疑是完美的，具备了一定的类似AI的功能，可以称之为“智能检测系统”。

3.6 实现几个或多个测试项目的模块化组合

图1列出了涂料常规性能包括的5个模块，每个模块又对应不同项目，每个项目均有不同的检测方法和仪器。如果能实现这些不同项目的模块化组合，再借助自动化技术将不同模块链接起来，就可形成一整套完整的检测系统，自动连续运行，最终产生总的试验报告。

这个设想最大的挑战不是检测设备本身，而是靠系统集成软件，包括数据处理、集成、管理等。

4 涂料智能化检测系统的展望

工业自动化、机器人应用及计算机视觉技术是未来推动涂料性能检测自动化和智能化的3个关键因素，尤其是机器人或机械手的技术日趋成熟，必将在涂料检测领域有很大的应有空间，并将解决涂层的自动制备，样品的自动装夹、各种不同试验条件的自动切换，各种机械性能测试后的视觉评价等行业痛点。

标准化主管部门应加强或引导行业进行自动化检测技术与人工检测的相关性试验的基础积累，并加快、加大自动化和智能化检测方法及仪器设备的标准化进程，逐步纳入行业的标准化体系中。自动检测工作站和流水线全自动检测系统是目前经常被提到的两个相关概念。目前已经有国际知名原材料企业开发并应用最新的智能系统来解决他们研发的日常工作。在整个涂料的研发过程中，与其说智能检测系统是用于品质控制，倒不如说其是研发系统的一个重要验证环节：即AI自动配方系统根据各组分的添加量，同时配出近百个配方，然后在自动检测系统中自动检测相关性能，并通过电脑分析，矩阵运算等，成功筛选出在满足性能要求的最低成本的配方。

当然，涂料性能检测的自动化和智能化离不开互联网、物联网等其它技术，通过利用互联网、物联网的开放、易交互、实时、融合、准确、科学等特性，完全可能设计出集成融合了物联网、机器视觉、大数据分析、ERP（Enterprise Resource Planning Administration，集成化管理信息系统）技术等，且与研发和生产环节多层次立体交叉的涂料智能化检测检录系统；可以高效可靠地实现自动化样品制备、多项目自动化检测和交互、检测过程自动数据存储，自动结果分析、智能配方筛选、生产批量检测反馈等，实现真正意义上的智能化检测系统。而不是个别厂商宣传的仅仅是单台仪器增加了通讯功能或者数据统计功能就叫智能化系统。从这个角度来看，时代赋予涂料检测仪器制造商在自动化和智能化检测系统方面广阔的想象和发展空间，值得他们持续努力、不断融合和完善。

总之，涂料性能检测系统的自动化和智能化是这个时代的需求，也是使命，对于实验室提高工作效率、控制检验风险、降低检验及管理成本、推动涂料行业的快速、高效发展有着十分重要的意义。

参考文献

［1］曾玉灵，沈建龙，肖瑞雄，等. 自动细度测量仪与人工细度测试方法对比及影响因素探析［J］. 涂料工业，2021，51（5）：39-42，50.

［2］吴跃，郭洋，张永梅，等. 人工智能图像识别技术在电力系统中的应用［J］. 电力测试，2021，33（6）：115-116，89.

［3］刘仲义，吴清锋，陈纪文，等. 涂料检测用机器人漆膜制备系统设计与工艺研究［J］. 机电产品开发与创新，2020，33（3）：42-45.

［4］住房和城乡建设部标准定额研究所. JG/T 25—2017 建筑涂料涂层耐温变性试验方法［S］. 北京：中国标准出版社，2017.

［5］中国石油和化学工业联合会. GB/T 31415—2015 色漆和清漆 海上建筑及相关结构用 防护涂料体系性能要求［S］.北京：中国标准出版社，2015.

［6］MILOVANOVIC B，DJEKIC I，MIOCINOVICJ，et al. Colour Assessment of Milk and MilkProducts Using Computer Vision System and Colorimeter［J］. International Dairy Journal，2021 ：120.

［7］全国涂料与颜料标准化技术委员会. GB/T 1766—2008色漆和清漆 涂层老化的评级方法［S］. 北京：中国标准出版社，2008.

文章发表于《上海涂料》第 59卷 第 6 期 2021年 11月