智能分拣机器人平台设计*

马海舒，赵晓华，谢克伟，罗慧勇，白云凯，岳杉杉

（河南工程学院机械工程学院，河南 郑州 451191）

1 研究背景

目前，全球对机器人工程专业的人才需求都是极其紧迫的，该行业存在巨大的人才缺口[1-2]。随着机器人在各个行业大规模普及应用，人工智能产业快速发展，社会对于机器人工程专业人才的需求将会更加迫切。

机器人工程专业是适应国家战略需求的新工科热门专业，具有很强的新颖性、综合性和实践性，是教育部重点扶持的新专业之一[3-5]。在本科教学过程中增加人工智能与机器人控制相融合的实践教学环节，有助于巩固大学生的理论知识和培养其学以致用的动手能力。

2 实验平台整体框架

整个分拣系统可大致分为上下位机控制系统、检测控制部分和执行部分3 个层面，见图1。

图1 实验平台整体框架图

上下位机控制系统主要指计算机，也指互联网通信系统，用于对图像识别的信息分析，参与控制机械臂，通过计算规划并选择出机械臂最优的运动轨迹，选择合适的运动模式，实时获取机械臂的状况用于分析下发运动指令等。

检测控制部分主要负责图像识别的信息处理和机械臂姿态的反馈，在机械臂的大臂、小臂等电机的输出轴上安装传感器，以检测和反馈机械臂的实时位姿。机械臂执行指令的控制以及机械臂运动方式模式的控制。

执行部分由用于抓放和移动物品的机械臂以及用于图像识别的摄像头组成，其通过控制器下发指令控制伺服电机和气泵来完成机械臂的移动和吸盘的吸放工作，这一部分是整个系统对外展示的层面，代表着整个系统的表现。

三部分互相合作，协调运作，共同完成垃圾的分拣工作。

3 机械臂的选型

基于运动空间、工作环境的要求，成本和便携性的考虑以及后期应用场景的不同，该平台采用的机械臂为Dobot Magician 机器人系列，其优点突出，能适用于多种应用场景，并且能够根据各种需求来替换模块，从而实现不同功能[6]。该机器人由大臂、小臂、底座和末端工具等部分构成，可分别作为人的大臂、小臂和具有支撑作用的躯干，末端工具可作为人的手掌，不仅能完成抓放，还能配合各种工具达到其他目的。

就Dobot Magician 机器人的机械臂的工作流程来说，首先利用摄像机对目标进行捕获拍照，然后通过神经网络模型对照片进行识别分析，进而对目标进行智能分类并将信号传达到机械臂，最后机械臂根据分类结果将待分拣目标抓取并运送到合适的位置，完成投放后回到初始位置，以便进行下一次的分拣处理。机械臂运动模式包括点动模式、点位模式（PTP）、圆弧运动模式（ARC）。基于该实验平台，学生们可以练习机械臂运动控制。本文所述机械臂默认使用的是点位模式，即实现点到点运动，Dobot 机械臂采用MOVJ 运动模式即关节运动，由A 点运动到B 点，各个关节从A 点对应的关节角运行至B 点对应的关节角。关节运动过程中，各个关节轴的运行时间一致，且同时到达终点，在Dobot 机械臂末端安装吸盘，目标经过识别和定位，将坐标返回，即可执行机械臂运动命令，吸取目标并放置分拣位置。

4 图像识别

首先对摄像头捕获的目标图像进行去畸变，这是图像预处理的重要环节之一，其工作原理是将成像平面（图像物理坐标系）的数据转换到图像平面（图像像素坐标）。其次将图片由彩色图像转化为灰度图像，经过灰度化处理，在获取目标位置信息的过程中可以显著降低数据计算量，提高运算速度。然后将图像平滑处理，即将图片处理得更加模糊，其作用是为图像预处理时降低噪声，便于后期目标轮廓提取。图像的二值化使图像中数据量大为减少，从而凸显出目标的轮廓。最后经过图像掩膜处理，用选定的图像、图形或物体，对处理的图像（全部或局部）进行遮挡，来控制图像处理的区域或处理过程。以目标轮廓信息为掩膜，提取出目标图片，并根据目标轮廓信息确认目标中心位置的过程，见图2。

图2 目标图像处理过程

提取到待测目标图片后，将图片传送给resnet18 已预训练好的模型进行检测，输出目标种类名称。通过requests 提交web，进行网页端的目标分类，获得目标分类信息，进而获取待测目标名称。将获得的目标名称传递给待分拣箱子的字典，从而获取对应的名称代码和坐标位置。机械臂根据待测目标的位置信息抓取目标并放置在对应的分拣箱中。残差网络resnet 作为图像识别领域的主流神经网络模型已经得到了广泛运用，其中轻量化模型ResNet18 网络对于硬件要求不高，可以在树莓派上进行运算，因此被用在实验平台上进行教学。通过对主流模型的认识学习，学生们可以对神经网络有更深入的理解。

5 结束语

面向新专业人才培养，应该坚持“强化基础、突出实践、面向创新”的本科人才培养方针。因此，本实验平台的设计开发有助于培养具备机械、控制、信息等多学科专业基础知识与技能，掌握智能机器人系统设计、编程和集成应用技术，善于学习实践的高素质学科交叉型工程技术人才。