基于HALCON的玻纤纱锭车码盘识别方法研究

张 超，岳秀江，吴 双，张可义，苏 赞

（北京机械工业自动化研究所，北京 100120）



基于HALCON的玻纤纱锭车码盘识别方法研究

张 超，岳秀江，吴 双，张可义，苏 赞

（北京机械工业自动化研究所，北京 100120）

摘 要：纱锭车是纱锭在玻纤物流生产线中流转的载体，因此需要研究一种纱锭车码盘识别系统来对纱锭车的码盘进行识别。介绍了基于HALCON机器视觉平台的纱锭车码盘识别系统的构建以及实现纱锭车码盘识别的图像处理关键技术研究。

关键词：机器视觉；图像处理；HALCON；纱锭车码盘识别

0　引言

在玻纤生产过程中，纱锭车是玻纤产品-纱锭的物流载体，为了适应自动物流系统的需求，一般在纱锭车安装一块码盘，码盘一般包含有两种信息：即纱锭车的车码（ID），一般用字符表示，另一个是本纱锭车车上的纱锭产品信息，一般用二维码表示。本文主要论述的是基于HALCON视觉平台来实现对纱锭车码盘的车码和条码信息进行识别，从而获取其记录的编号与产品信息，用于玻纤生产的智能物流系统。

机器视觉是利用机器代替人眼来实现人的视觉功能，通过机器实现对客观三维世界的感知和识别［1］。机器视觉具备速度快、适应能力强、应用方便、精度与智能化程度高等特点，便于进行数字化处理和控制。目前机器视觉在非接触在线检测、工业图像采集处理及实时监控等方面得到了广泛的应用，成为现代检测和自动化技术中最为活跃的领域之一。

HALCON视觉软件拥有广泛的机器视觉集成开发环境，包含定位、匹配、识别等高级算法，能够进行图像获取、模板匹配、Blob分析、边缘提取等非常完善的函数库。

1　机器视觉系统的构成与工作原理

机器视觉系统一般以计算机或者相关微处理器（比如DSP）为中心，通过视觉产品，即图像获取装置，将被摄取目标转换为图像信号，传送给中心处理器，从而得到被摄目标的相关信息，将其转变成数字化信号，整个系统主要由视觉传感器、高速图像采集系统及专用图像处理系统等模块组成。图1所示为典型的机器视觉系统构成。

图1　典型的机器视觉系统构成

机器视觉的工作原理为通过照相机等图像获取装置自动获取一副目标物体的图像，并对所获取图像的各种特征量进行处理、分析，做出定性或者定量的分析，从而得到相关物体的某种认识并做出相关决策的过程［2］。

2　玻纤物流生产线及纱锭车码盘介绍

整个玻纤物流生产线由5个工作单元组成：拉丝区，烘干炉分配区，立体库存储区，络纱区，返空区。纱锭车作为物流载体，在5个工作单元之间流转。图2是玻纤物流生产线的单元组成。

图2　玻纤物流生产线的单元组成

在最初的玻纤生产中，因没有自动物流系统，纱锭车的车码通常打印在纱锭车的显眼位置处，然后由人工将每个纱锭车上装载的纱锭型号于纱锭车的车号对应起来，制作成一张对应表。

在早期的玻纤生产自动物流系统中，为了满足自动识别车码的要求，二进制码盘作为纱锭车的标定载体，因纱锭车要经过烘干炉烘干，因此码盘采用的是耐高温的金属材质。其模型如图3所示。上排孔为同步用的，下排孔即为车码信息，当纱锭车经过由光电开关组成的读码器时，获取当前码盘表示的车码。而纱锭车上的产品信息是通过人工在计算机上输入完成［3］。

图3　二进制车码码盘模型

二进制码盘与产品信息在人工绑定录入的过程中，会出现漏绑与绑错的现象；码盘通过由光电开关组成的读码器时，由于码盘为金属材质，会出现反光现象，影响读码器的读码准确率。

在现在的玻纤生产物流系统中，为了提高信息的准确性，对纱锭车的码盘进行了改进，采用同时记录有车码与产品信息的码盘，当纱锭车在经过装有相机的输送设备时，对码盘进行识别，将同时获取的车码与产品信息进行绑定，可以有效避免车码与纱锭车产品信息人工绑定过程中出现绑错或者漏绑的现象。由于纱锭车数量比较多，为了避免一码多车的现象，每一辆纱锭车都拥有唯一的车码，因此车码与产品信息应当采用不同的信息载体。当前的物流系统中，应用比较广泛的信息载体有一维码、二维码和字符等。图4为改进后的纱锭车码盘，码盘中镂空字符为纱锭车车码，下方的二维码为当前纱锭车上的产品信息。

图4　改进后的纱锭车码盘

3　码盘信息的获取

对于码盘信息的获取，通过采用HALCON视觉平台提供的字符与二维码识别的算子，对码盘图像进行处理，其过程分两个主要过程：一蕴含有产品信息的二维码-DM码的识别；二镂空字符-车码的识别。获取信息的基本步骤为：读取图片、图像预处理，分割图像，训练字符集合，显示结果［4，5］。图5为码盘信息获取流程。

图5　码盘信息获取流程

3.1码盘图像的采集

调整好相机和光源的角度及位置后，当纱锭车在输送设备上到达拍摄位停止后，由相机对码盘进行拍照，然后调用HALCON平台中的read_image（）或者open_ framegrabber（）算子获取相机采集到的图像。图6为其采集到的图像。

图6　采集到的图像

3.2二维码的识别

在HALCON中二维码的识别思路为创建二维码模型、设置参数、条码识别和结果处理。

图6中的二维码采用的是行排式DM码，其码的类型是Data Matrix ECC 200。采集到图像后，调用mean_ image（）算子对读取到的图像进行均值滤波，以此来减小噪声对图像的干扰。

图7　均值滤波后的图像

调用HALCON中的算子create_data_code_2d_model （'Data Matrix ECC 200'， ［］， ［］， DataCodeHandle）来创建码盘的二维码模型，算子find_data_code_2d （Image05，SymbolXLDs， DataCodeHandle， ［］， ［］， ResultHandles，DecodedDataStrings）识别二维码，disp_message （3600，DecodedDataStrings， 'window'， 12， 12， 'black'， 'true'）显示find_data_code_2d（）识别到的二维码信息。图8为读取二维码信息后的图像。

图8　读取二维码信息后的图像

3.3镂空字符的识别

3.3.1图像预处理

通过对码盘镂空字符的观察，一个字符的镂空区域为保持镂空效果，并非是完全连接在一起的，如图6中的字符‘0’和‘8’，因此为了避免非镂空区域的干扰，需要将图像进行滤波，腐蚀，膨胀等处理。调用mean_image（Image， ImageMean， 3， 3）算子对图像进行均值滤波。

调用gray_erosion_rect（ImageMean， ImageMin， 10， 10）和gray_dilation_rect（ImageMin， ImageMax， 5， 5）对目标图像采用10×10模板的腐蚀和5×5模板的膨胀。图9为经过膨胀和腐蚀后的图像。

图9　经过膨胀和腐蚀后的图像

为了得到清晰的字符，同时降低后续步骤的难度，通过HALCON平台中提供的灰度直方图获得镂空字符的灰度范围［0，60］，调用threshold（ImageMax， Region，0， 60）算子，将图9中灰度值大于60的部分进行消除舍弃，如图10所示。

图10　灰度值调整后的图像

为了将镂空字符从图10中分割出来，首先对其进行形态学运算，调用dilation_rectangle1（）算子，分别对其进行10×10，8×8模板的膨胀处理，步骤如下：dilation_ rectangle1（Region， RegionDilation， 10， 10），dilation_ rectangle1（Region， RegionDilation2， 8， 8）。

调用connection（RegionDilation， ConnectedRegions）对生成的RegionDilation，感兴趣区域进行联通，将感兴趣区域中的所有字符分割成单独的个体，使用HALCON平台中自带的特征检测功能获取镂空字符的相关特征的范围，然后调用select_shape（）算子对特征area，ra和row进行过滤选择，将感兴趣区域内噪点都过滤掉，只留下字符的区域，调用算子intersection（ConnectedRegions，RegionDilation2， RegionIntersection）返回要学习的字符，最后调用sort_region（SelectedRegions2，SortedRegions， 'character'， 'true'， 'row'）将分割好的字符区域进行区域归类。图11为字符分割后的图像。

图11　字符分割后的图像

图12　识别结果显示

3.3.2字符识别

字符识别的实质即是根据分割所得的字符所提取的特征，与系统中的模板进行对比，将置信度最大的值返回，以此达到识别的目的。由于本文的研究对象镂空字符采用的是标准宋体，因此直接利用的是HALCON自带的字符库对处理后的字符进行识别。

调用分类器算子read_ocr_class_mlp （'Document_0-9. omc'， OCRHandle），对HALCON自带的字符库--Document_0-9.omc进行读取；然后利用算子do_ocr_ multi_class_mlp （SortedRegions， Image05， OCRHandle，Class， Confidence）将处理后的图像与模板通过循环逐个匹配，最终返回识别的结果与每个字符与模板的置信度。最后，利用for循环，调用算子disp_message （WindowID， Class［i］， 'image'， Row2［i］， Column［i］， 'yellow'，'true'），将识别结果显示出来。图12识别结果显示。

4　结束语

玻纤物流生产线中对原来使用的二进制码盘的识别是根据两个对射开关的信号状态来判断当前位置的二进制是‘1’还是‘0’，进行计算从而获得车码，而产品信息是需要提前将车码与产品信息在管理系统上进行绑定，会出现绑错或者漏绑得现象。对改进后的码盘，采用机器视觉的方法进行识别以后，可以有效避免绑错或者漏绑得现象，同时提高其识别效率。下一步的工作将是在硬件选型和与上位机接口方面进行深入研究，争取取得更大的成果。

参考文献：

［1］ Mori S.：Suen C.Y.Historical review of OCR research and development［J］.1992，7.

［2］ 张广军.机器视觉［M］.北京：科学出版社，2005.

［3］ 王勇，吴双，张可义，等.车码标定方法及其实施设备和玻纤物流生产线：中国，CN101792945A［P］，2010-08-04.

［4］ 孙怀远，廖跃华，周夫之，黄忆君.基于HALCON的药品包装瓶批号检测技术研究［D］.上海：上海理工大学，2008.

［5］ 彭晓辉.基于HALCON的IC卡喷码符号识别技术研究与实现［D］.广州：广州工业大学，2006.

Study of coded disc recognition of car in fiberglass industry based on HALCON

ZHANG Chao， YUE Xiu-jiang， WU Shuang， ZHANG Ke-yi， SU Zan

中图分类号：TP315

文献标识码：A

文章编号：1009-0134（2016）05-0166-04

收稿日期：2016-03-07

作者简介：张超（1989 -），男，河南人，硕士研究生，研究方向为控制理论与控制工程。