基于图像识别的智能装配车间体系研究

查德翔



基于图像识别的智能装配车间体系研究

查德翔

（重庆理工大学，重庆 400054）

一直以来，零件装配车间的主要工作内容是通过工人手工完成车间零件装配的工作，基于图像识别技术，设计出通过对需要装配零件进行图像采集识别来协助工人装配的智能装配车间体系，达到高效准确的装配效果。利用图像识别技术的智能装配车间体系辅助工人装配，工人装配的效率将大大提高，并且降低错误装配造成的返工成本。

图像识别；智能装配；车间体系；装配效率

1 引言

为了提高不能由机器替代的手工装配的效率和准确度，以图像识别为基础的智能装配体系应运而生。图像识别的最初阶段是对零件信息获取的阶段，通过传感器获取的车间零件信息，然后对零件信息进行识别和预处理。为了消除原始图像的噪声和畸变，去除无关特征而加强有用特征，采用数字图像处理的各种方法。为了将图像识别技术更好地融入装配车间，更好地实现智能管控，需要一套适应于图像识别的智能装配车间体系。

2 图像识别的方法和技术

2.1 图像识别的基本框架

图像识别流程如图1所示，图像主要被用作承载相应的信息。人类在获取信息时有超过75%的内容都是通过视觉获得的[2-3]。

图1 图像识别流程

2.2 图像预处理技术

2.2.1 图像去噪

对零件的图像进行处理时，首先需要对图像进行过滤，过滤的过程就是减少噪声的过程，在图像信息采集的过程当中，难免会将一些噪声也收录进图像当中，因此选用中值滤波算法将噪声过滤掉，这种处理图像的方式不仅可以过滤噪声，还不会破坏图像中的信息，用于处理零件图像信息非常适合。

2.2.1.1 空间域滤波

空间域滤波包含有线性与非线性滤波两类[4]。前者主要包含一些常见的均值滤波、空域维纳滤波，而诸如中值滤波、自适应中值滤波等都属于后者。

2.2.1.2 均值滤波

均值滤波中计算方法如下：

式（1）中：（，）是中值滤波后的输出图像，其主要通过*阵列表示；是所包含所有像素点个数总和；是中心为（，）的邻域；函数是输入内容。该方式存在一定的缺陷，其输出的图像不够清晰，并且通过公式能看出邻域范围和图像清晰度呈反比关系。

2.2.1.3 中值滤波

在该滤波中，每一个像素点灰度值与其周围奇数个像素点灰度值所排序的结果相关，也就是说处于排序中央部位像素点来确定上述像素点的灰度值。通过这种图像处理方式可以更好地解决椒盐噪声，同时也能够将图像边缘位置的数据进行保留。以二维中值滤波为例，其表示形式为：

（，）=med[（－，－），（，∈）]. （2）

式（2）中：（，），（，）分别为滤波前后的图像[5]。频率域滤波图像与噪声之间的区别来将后者去除。通过空间域转变到频率域变化，就能够实现频率域滤波，如我们常见的傅立叶、Harr、余弦都属于上述技术。

2.2.2 灰度图像二值化

灰度图像二值化的目的在于将图像中每个像素点所具有的各自不同的多种灰度值进行重新赋值，重新赋值的结果为0 或255.如果是0，就划为背景；如果是255，就划为目标[6]。这样，一幅图像就由目标和背景构成，所包含的数据量会大大减少，无论识别结果如何，都会减少后续的图像识别所需时间。

设（，）、（，）分别是待处理和经二值化处理所得灰度图像，则：

式（3）中：（，）为像素点的坐标；为阈值。

所以通过上式可以得出确定的数值也是进行二值化处理过程重要步骤。增大时，图像会放大背景，缩小时，图像则会放大目标。

3 智能装配车间体系

3.1 智能装配执行过程

智能装配车间体系如图2所示。智能装配车间体系由零件传输系统、装配工具系统、图像采集系统、下位机系统、上位机系统组成。零件传输系统负责将需要安装零件输送至智能装配工作台，以及装配结束后零件的送进仓储。装配工具系统包括装配工具、装配零件、一些辅助工具。图像采集系统为工业级别摄像头。下位机系统负责直接控制工具系统的开关以及LED灯等，一般为PLC。上位机系统包括进行图像处理的计算机，以及面向用户的交互控制系统。

图2 智能装配车间体系图以及图像识别检测的流程图

零件传输系统负责将需要装配的主要零件传送至智能装配工作台，让操作工进行装配。进入智能装配台之前上位机接收到拍摄到的图片，识别出是哪种需要装配的零件，此时传递型号给下位机，让其按顺序启动需要装配的工具。工人根据LED灯使用相应的装配工具，此时零件箱同时受到下位机的控制，通过LED灯按顺序显示所有需要使用的零件位置，工人根据指示灯取走需要的装配的零件，按步骤完成所有零件的装配。

在工人完成装配后，图像识别会再一次发挥重要作用。工人将装配好的组件放置于待检区，摄像机拍摄图片传给上位机，经过处理之后，上位机在其数据库中将实拍图片和正确装配图片进行比对，从而判断该零件装配的正确与否。如果满足装配成功条件，则在显示屏上显示装配成功，并通过传输系统送入下一个区域，或者将其送入仓库。如果显示不成功，则在屏幕上显示装配失败，并显示出哪个零件的具体部位出现装配失败或者不到位。此时将装配失败的组件返回至安装区，工人取下后检查并重新装，安装完成后重新放入待检区待检。

3.2 智能协助装配零件和图像识别装配准确性

在完成零件图像信息收集、识别与处理、特征分类等操作之后，就可以根据图像信息设计一些操作程序，智能协助装配零件，完成智能化零件生产操作。不仅如此，还需加入图像识别装配准确性的程序，这个过程主要是为了监督智能化零件生产的过程，在其出现问题的时候及时进行修正。

4 结论

图像识别现在已广泛应用于我国的各行各业中，车间装配体系也逐渐实现智能化。本文所提出的智能装配体系有效地提高了装配准确度和效率，为智能化车间体系提出了可靠的整体构架。将PLC和图像识别等技术融合进装配车间，使装配车间的智能化进一步提高。

［1］Sonka M，Hlavac V，Boyle R.Image processing，analysis，and machine vision［M］.London：Chapman & Hall Computing，1993.

［2］Russ J C.The image processing handbook［M］.Boca Raton：CRC press，2015.

［3］Ekstrom M P.Digital image processing techniques［M］.Pittsburgh：Academic Press，2012.

［4］孙亮.计算机智能化图像识别技术的理论性突破［J］.数字技术与应用，2013（6）：106-107.

［5］Singh R，Randhawa N.Automobile Number Plate Recognition And Extraction UsingOptical Character Recognition［J］.International Journal of Scientific & TechnologyResearch，2014，3（10）.

［6］Lu D.Image recognition system and method：U.S，5031228［P］.1991-07-09.

2095－6835（2019）05－0104－02

TP278

A

10.15913/j.cnki.kjycx.2019.05.104

〔编辑：严丽琴〕