轮毂智能分拣系统的设计与实现

杨 云，张志芬

（滨州学院，山东 滨州 256603）

随着汽车数量急剧增多，轮毂的需求量也越来越大。为了改变轮毂生产线上传统人工识别分类及手动分拣方式，轮毂智能识别分拣系统得到了越来越广泛的应用。该系统可以自动识别轮毂生产线上不同类型的轮毂，并按类型将轮毂分拣到不同的分传送带上。

轮毂智能分拣系统通过CCD摄像机或其他摄像设备自动拍照获取轮毂图像，然后对图像进行预处理，再从处理后的轮毂图像中提取出轮毂的主要典型特征，接着利用模板匹配的方法对轮毂进行自动识别以进行分类，然后系统再通过IO模块将分类结果指令发送给控制系统，控制系统根据接收到的指令通过气缸驱动推杆将轮毂按类型推入不同通道，实现轮毂的在线自动分拣操作。

1 系统框架

该轮毂智能分拣系统主要由图像采集模块、图像预处理模块、特征提取模块、识别模块和分拣操作模块这五个模块组成。图像采集模块主要实现对传送带上采集位置的轮毂的自动拍照，获取轮毂照片；图像预处理模块主要实现对采集到的轮毂照片进行去背景、灰度化、去除噪声及去除边缘毛刺等一系列操作；特征提取模块主要实现提取出能区分各种类型轮毂的典型特征，如轮毂的轮廓、圆心及半径，轮辐的个数及形状等；识别模块主要利用模板匹配的方法来区分各种不同类型的轮毂，实现轮毂类型的自动识别；分拣模块主要由控制系统根据识别结果控制相应气缸驱动推杆，将轮毂按类型推送到不同通道上，实现轮毂的智能分拣。该系统框架图如图1所示。

图1 系统框架图

该系统的五个模块分工合作、互相配合，共同实现了轮毂的自动识别及智能分拣的功能。

2 系统结构

在如图2所示系统结构图中，轮毂在主传送带上从左往右按照固定的速度不断传送，当到达检测区域时，触发光电传感器，传感器发送信号给控制系统，控制系统发出指令控制横挡板降下，将到达该区域的轮毂拦截，并启动摄像头自动进行拍照，相机将所拍摄到的照片传给计算机，计算机通过各种图像处理算法对图像进行图像预处理、特征提取等各种操作后根据一定匹配算法识别出轮毂类型；然后控制系统根据计算机传送来的类型信号控制相应的气缸来驱动推杆，将轮毂推送到不同的通道上，从而实现轮毂的自动分拣。

图2 系统结构图

3 主要功能实现

3.1 图像采集

在进行轮毂图像采集时，为了能满足现场实时识别的环境要求，需消除背景干扰和光照不均匀等产生的不良影响[1]，并且要保证拍摄到的轮毂照片具有较好的对比度、足够的分辨率以及清晰的轮毂图像，所以系统中选用与轮毂颜色对比度比较大的纯色背景、具有稳定性的环形光源以及灵敏性和稳定性都比较高的CCD相机[2]。在对轮毂拍照时要使轮毂处于相机拍照范围的中间，拍照位置要固定，光源亮度也要稳定[3]。

当传送带上有轮毂到达检测区域经过光电开关时，光电传感器检测到轮毂信号后产生电压信号发送给控制系统，控制系统接收到脉冲信息后发出控制信号，将横挡板降下拦截轮毂，并给光源和CCD相机发出指令，触发光源、启动相机进行拍照，拍照后相机将采集到轮毂光学信号转化为电信号传送给计算机。采集到的轮毂原始图片如图3所示。

3.2 图像预处理

在轮毂图像采集过程中，由于相机本身特点或光源不稳定等一些外部因素，以及轮毂本身有毛刺等内部因素，会对采集到的图像产生一定的干扰，使图像含有一定的噪声，而且图像不清楚。为了减少图像识别的时间、提高识别的准确率，在进行识别之前需要对原始的轮毂图像进行一些处理。系统中主要进行去除背景、灰度化、去除噪声及去除毛刺四个预处理操作，通过图像预处理操作后可以使轮毂图像的特征更明显。

（1）去除背景

由于在轮毂照片采集时，会把轮毂周围的背景环境也拍摄进来，会对图像产生干扰，不利于特征提取，所以需要去除轮毂背景。系统中通过对轮毂原始图像与背景图像对应位置的像素点的亮度值进行图像的减法运算的方法[4]，可以把轮毂图像的背景去掉，从而把轮毂的目标图像从背景中提取出来。

（2）图像灰度化

去除背景后的轮毂图像是彩色图像，为了减少图像处理的数据量及处理时间，可以把彩色图像转化成不含色彩信息的灰度图像。系统中通过对彩色图像中的GRB值进行加权平均值的计算来进行灰度化处理。灰度化后原来图像的纹理、色度和亮度等信息仍可以很好的保留。

（3）图像去噪

对轮毂拍照时由于外部因素的影响，会使轮毂图像产生一些能使轮毂边缘曲线断开或者把边缘以外的边缘也检测进来的随机分布的图像噪声，会影响轮毂特征的提取。因此需要消除轮毂图像的噪声[5]。系统中使用中值滤波的方法，通过计算图像中某一个点附近的一个区域中各个点值的中值，用这个中值来代替这一个点的值的方法，对图像进行非线性滤波来去除噪声。这种方法可以消除孤立的噪声点，但不会使图像边缘变模糊，能很好的保留轮毂边缘的完整信息，有利于后面模板匹配分类方法的使用。

（4）毛刺处理

毛坯轮毂的图像边缘会有一些随机分布的毛刺，可以通过形态学的基本运算方法来去除毛刺，改善图像的质量。膨胀可以把图像周围邻近的点连接到目标图像中，使两个图像合并成一个图像；腐蚀可以把两个图像之间较小的连接去掉，使两个图像分开[6]。系统中通过反复使用先腐蚀后膨胀的开运算和先膨胀后腐蚀的闭运算来去除图像毛刺，使图像边缘光滑。

轮毂原始图像经过预处理后的效果如图4所示。

图3 轮毂原始图片

图4 处理后的图片

3.3 特征提取

图像识别是通过图像的典型特征来区别不同图像的，在识别前需要先提取图像的典型特征。系统中主要提取了轮毂的外圆边缘、圆心和半径、轮辐个数及形状这四个典型特征。

（1）轮毂外圆

本系统中利用Canny边缘提取算法可以精确的检测轮毂的边缘，将提取出的轮毂边缘信息聚集到图像空间点集中，然后根据Hough变换原理，在选取了一定的步长之后，以步长为基准进行多次的选点拟合，将点集中的点一个个带到参数空间，把集合中的点映射到相应的参数空间中，实现点和参数空间中的点的对应，然后对参数空间中的各个点进行累加计算，把累加结果最大的值作为轮毂外圆的边缘[7]，这样就提取出了轮毂外圆的边缘。

（2）轮毂圆心及半径

根据圆周上任意两条不平行弦的中垂线一定相交于圆心的几何性质，系统中在圆周上任意选取了三个点，再以这三个点为端点做了圆的两条不平行的弦，然后再分别做这两条弦的中垂线，则中垂线的交点就是圆心，这样得出了外圆的圆心位置[8]。最后根据圆周信息和圆心位置计算出了圆的半径，这样就得到了轮毂圆心及轮毂的半径。

（3）轮辐个数

系统在判断是否是轮辐时采用了圆形遍历计数的方法。系统中根据有轮辐位置和没有轮辐位置的图像像素是不同的来确定当前位置是否有轮辐。在检测轮辐时，从上一步确定的轮毂圆心位置开始遍历轮毂的圆周像素，检测圆周像素的亮暗情况，当检测到像素值发生了突变，比如从255变成了0或者从0变成了255，这样就判定出该位置处是轮辐，把轮辐计数加1，计数最后的值就是轮毂的轮辐个数[9]。

（4）轮辐形状

系统中利用微分方法根据轮辐位置像素的弧度计算出轮辐的宽度，确定出轮辐形状。

3.4 类型识别

系统经过对采集到的原始图像进行图像预处理、典型特征提取出后，利用模板匹配的方法进行识别分类。

使用模板匹配进行识别分类时，首先确定好图像用于匹配的区域，并获取这些区域，然后创建模板，最后进行比对来匹配模板。其算法描述如下：首先确定待识别图像的匹配区域是整个轮毂，然后遍历待识别的图像，在待识别图像中查找并定位和预先设置好的图像模板相同或相似的区域，比较各处与模板是否相似，计算出两者之间的相似度，当相似度高于设定的阈值时就可以认为模板图像在待识别图像中出现，这样就找到了目标，也就是该待识别图像是属于这个模板的，可以判定轮毂属于这个类别[10]，从而确定出轮毂的类别，实现轮毂的自动识别。识别结果如图5所示。

图5 识别结果

3.5 自动分拣

分拣模块主要实现按类型对轮毂进行自动分拣的操作。分拣模块主要通过IO模块与控制系统进行实时信息传输，通过气缸驱动推杆对轮毂进行推送实现自动分拣，其中气缸是实现轮毂分拣的主要推送执行装置。初始时气缸处于原位。当轮毂被识别确定类型后，控制系统根据传送过来的类型信号决定把轮毂传送到哪一个分拣道口。当轮毂到达相应道口位置时，通过该分拣道口位置的光电传感器发送给控制系统一个输入信号[11]，控制系统控制相应的升降气缸降下阻拦挡板来拦截传送带上的轮毂，使轮毂停在相应道口位置；此时传送带推出气缸将主传送带上的轮毂迅速推出主传送带，改变轮毂在主传送带上的运行方向，把轮毂推送到相应的分拣道口，然后传送带推出气缸缩回；在每个分拣道口也都配有定位机构，定位机构通过光电传感器检测当前道口是否有轮毂，若检测到当前道口有轮毂则道口推出气缸弹出，道口推出气缸驱动推杆将在道口位置的轮毂从道口推入到该通道，由于通道本身具有一定的倾斜度，进入道口的轮毂依靠自身的重力可以从该通道向下滑动到相应区域，最后道口推出气缸缩回。这样不同的轮毂就被输送到不同的通道，实现了轮毂的自动分拣。系统分拣结构图如图6所示。

图6 分拣结构图

4 结论

该轮毂智能分拣系统通过对主传送带上的轮毂进行自动拍照，对原始轮毂图像进行去除背景、灰度化、去除噪声及去除毛刺等一系列的图像处理操作后，提取出轮毂的外圆边缘、圆心位置及半径长度和轮毂的轮辐个数及形状这些典型特征，通过模板匹配的方法实现了轮毂的自动识别；然后通过控制系统控制相应的气缸来推动推杆将轮毂推送到相应的通道中，实现了对轮毂的自动分拣。系统通过自动识别及分拣实现了轮毂生产线上轮毂的智能分类，该系统在识别及分拣的实时性和准确性方面都能满足企业要求。