基于机器视觉的高速分拣系统

王晶晶

福州职业技术学院，福建 福州 350108

0 引言

经济发展水平的全面提升，为当前人们的生产与生活提供了更加丰富的动力，同时机电行业也成为推动社会前进的支柱性产业，这其中，以电子信息技术及智能技术为基础构建的加工体系进一步提升了机电行业的发展质量。基于此，文章以技术分析法和文献研究法作为主要方式，结合机器视觉技术，阐述其在高速分拣系统中的具体应用。这不仅是文章论述的核心内容，也是进一步打造完善的机电发展体系的关键研究课题。

1 基础理论

从研发角度看，机器视觉技术具有较强的可靠性、柔性及非接触测量特点，在当前的工业自动化及虚拟现实技术研发方面具有极强的应用价值。从具体类型看，机器视觉系统可分为基于PC的视觉系统和基于视觉传感器的视觉系统。基于PC的视觉系统的核心构件为PC，检测速度有限。基于视觉传感器的机器视觉系统可以快速进行图像处理，配备图像处理器和数码相机，I/O接口可以快速集成相关数据，同时可以提供专业的视觉开发软件，进一步降低了开发难度，缩短了识别周期，提高了视觉识别的可靠性和速度。它已成为当前机电研发领域的主要技术体系[1]。

2 基于机器视觉的高速分拣系统分析

2.1 高速分拣系统的基础结构及功能

在当前的多个领域，高速分拣系统已经成为有效代替人工操作的主要技术成果，通常应用在物品的检测、分拣及分级方面，是流水线加工过程中十分常见的设备，不仅能够降低人工成本，也可以有效提高工作效率。尤其是当前以机器视觉系统为基础构建的高精准运行机器人，配合运动控制体系，能够有效实现全方位的自动化管理和操作。

以机器视觉技术为基础的并联式分拣系统的工作流程如图1所示。其中，配备了工控机、并联机器人、运动控制器、夹持器及机器视觉系统。从具体结构上看，分装系统采用上下机控制系统进行全方位控制。上位机主要利用工业摄像机了解装配线运输系统中相关物品的图像，并利用机器视觉算法对运动过程中的物品进行自动跟踪定位。下位机的运动控制器将直接联动机器人的夹持器，在控制中心的指令下，能够精准地进行位置识别，并且完成夹取和分拣等动作。

图1 并联式分拣系统的工作流程

2.2 高速分拣系统的视觉定位算法

视觉定位算法是直接提升高速分拣系统运行质量的关键技术体系。机器人在完成分拣作业时，首先工业相机会及时采集相关物品的图像，然后输送到机器视觉软件中，软件会自动对采集到的图像进行分析和处理。在这个过程中，最主要的处理内容是提取物品的具体边缘特征，并且确定特征点，这是获取物品位置及姿态的重要过程[2]。

后续会经过一系列延迟，驱动器会直接联动并联机器人的末端夹持器，前往前期定位并且实时跟踪的位置执行夹取动作。接着，按照具体的工艺要求，将其放到相应区域内。在这个过程中，需要及时计算物品在延迟时间内的距离移动情况。具体的传送距离计算公式如下：

式中：S为具体传送距离；v为传送速度；Δt为延迟时间。

除此之外，在实际运动的过程中受到其他因素的影响，物品会存在偏移距离Δx、Δy，这就需要机器视觉系统的中心处理器在整体的工作面上构建一个坐标系，获取图像的具体位置。具体的坐标值计算如下：

3 机器视觉软件系统设计

3.1 基础系统设计

从具体技术原理角度来看，机器视觉系统在落实图像采集作业的过程中践行的方式主要有两种。一是以图像采集卡作为主体进行图像采集，二是通过工业相机进行图像采集，其中，后者的信号传输质量较好，速度较快，同时方便进行二次开发及多项设备的有机调配。

以工业相机作为核心的数据采集设备，能够配合机器视觉系统快速地确定采集物品的特征点及转角，并且将其处理成实时性的图像。例如，当前应用较为广泛的Genie系列的工业相机便能够实现以太网通信协议的开发，通过黑白成像的方式有效应对当前各种类型的分拣系统及分拣机器人。

另外，机器视觉软件具有全自主开发的特点，可以实现二次开发，但是由于自主开发过程周期较长，因此当前普遍使用二次开发的软件。例如，当前应用较为普遍的Sherlock机器视觉软件系统能够有效配备Windows开发环境，专业用于视觉处理，另外配备了其他一些强大的相关功能和图形化用户界面[3]。

3.2 软件体系的开发

以机器视觉为基础的高速分拣系统依赖于具体的软件体系，因此在软件开发的过程中，为了进一步打造高质量的并联机器人分拣体系，可以从VC自主开发程序的角度进行人机交互界面、数据输入输出、数据转化储存等功能的开发[4]。同时，将Sherlock软件自主融入其中，以有效实现图像选择、图像增强、边缘提取及测量分析等功能。例如，在某生产线上需要提取一件“心形”的物品，具体的系统设置及开发步骤如下。

（1）建立工程项目，并且在工程项目中增加DLL文件，确保VC工程和Sherlock能够顺利连接。具体的编码程序：#import “C: \SherlockBin IpeEngCtrl. dll”。

（2）设计工程对话框，主要负责将后续实际运行过程中的相关数据和信息录入后台控制系统中，这也是提取具体的物件形状的重要过程。在工程对话框中添加IpeDspCtrl控件，并添加变量m_Display。IpeDspCtrl控件为Sherlock开发的VB、VC二次开发工具，界面较为简洁，操作方便，主要应用在VB、VC编程环境中，接收Sherlock采集的图像。

（3）为了确保机器视觉软件及高速分拣系统能够结合实际的工业需求进行实时运行及智能跟踪，还需要在后台建立和Sherlock相连接的类项目。

（4）在工程对话框中连接Sherlock采集到的图像。

（5）整体系统会将采集到的图像进行智能分析，了解图像的具体特征，并通过视觉算法分析转角和相关数据，将分析出来的结果转化为具体的数据之后进行传输。相关数据主要由中心控制系统接收，储存到数据库中，并且结合数据库中的前期分类及对比，进行该物体的自动分级、定位、追踪。

（6）机器视觉系统初步完成运行，退出后台程序，由智能操控技术操纵分拣手臂进行拾取。

3.3 图像处理算法

此次拾取的物品为“心形”物品，其外观形状较为规整，因此可以直接通过图像采集及边缘提取的方式分析其具体特征，然后提炼所有物品的相同性特征。由于该物品与原型的差异较大，因此不能单纯提取中心点，需要提取特征点及转角。该物体的特征提取图像如图2所示。在提取基础特征之后，由Sherlock进行图像增强，确定边缘曲线，然后通过机器视觉软件确定中心点A、拐点B、旋转角θ。这样能够有效定位每一个物体的位置及姿态，确保假体准确无误。

图2 特征提取图像

4 结束语

综上所述，将机器视觉技术融入当前的智能分拣系统中，不仅能够快速定位流水线上的具体工件位置及相关状态，还可以有效提升分拣的速度，打造高速分拣系统，配合智能机器人及机械手臂有效完成高质量的分拣作业。文章在Sherlock软件的基础上进行二次开发，研发了基于机器视觉的智能分拣系统，能够有效提升工业生产有效性，在控制成本的过程中也能够增强技术体系研发质量。