智能装酸鹤管自动定位检测系统的设计与应用

胡国军　林成东

〔摘 要〕基于某硫酸厂智能装酸系统的应用案例，介绍了一种基于自动定位技术的冶炼厂智能装酸系统。通过工业相机对罐口进行图像采集，然后利用机器视觉算法对采集的图像进行处理和分析，识别罐口位置信息后自动控制鹤管就位，实现了装酸过程的自动化，装酸效率大幅提高，降低了操作人员劳动强度，确保了装酸过程的安全性和可靠性。

〔关键词〕自动定位；机器视觉；智能装酸系统

中图分类号：TP391.41      文献标志码：Ｂ  文章编号：1004-4345（2024）02-0025-05

Design and Application of Automatic Positioning and Detection System for an Intelligent

Acid Loading Arm

HU Guojun， LIN Chengdong

（China Nerin Engineering Co.， Ltd.， Nanchang， Jiangxi 330038， China）

Abstract  Taking the application of an intelligent acid loading system in a sulfuric acid plant as an example， this paper introduces an automatic positioning technology-based intelligent acid loading system. The image of tank mouth is captured by an industrial camera， and then the captured image is processed and analyzed by machine vision algorithms， which automatically controls the arm in place after identifying the tank mouth position information. This system is applied to realize the automation during the acid loading period， greatly improve the acid loading efficiency， reduce the labour intensity of the operation personnel and ensure the safety and reliability during the acid loading period.

Keywords  automatic positioning; machine vision; intelligent acid loading system

1   智能装酸系统及其技术难点

近年来，随着人工智能快速的发展，机器视觉在工业自动化中得到了广泛的应用。机器视觉技术是通过对视觉图像实时分析，根据应用需求对现场工件对象进行尺寸测量、角度测量、面积检测、位置检测、数量检测、图形匹配等多种操作，其以自动化控制的方式代替了人工操作，避免因为人工操作的失误带来损失[1]。

罐车作为硫酸运输行业的重要载体，承担着硫酸物流运输的重要任务。罐装环节直接关系到硫酸运输的安全和效率。目前，我国大多数硫酸运输依然采用传统的手动罐装方式。当罐车驶入指定装酸区域后，工作人员凭肉眼观察，手动操作鹤管，将其对准罐装口，依照既定流程操作阀门完成装酸作业。装酸完成后，罐车需用地磅称重，以确认装酸量，完成整个装酸流程。然而，现有的手动装酸过程存在诸多问题，如人工罐口定位精度较低、劳动强度大，易导致工作人员疲劳操作及安全事故的发生，同时工作效率亦不尽如人意。

为了解决人工操作存在的问题，实现装酸过程的智能化、自动化，技术人员在整合了车辆指挥系统、视频安全监控系统、防溢酸保护系统等先进技术的基础上，与线上装酸预约系统相衔接，开发出了一个智能化、自助式的装酸系统。该系统的研发难点在于鹤管自动定位检测系统的开发，它需要解决罐装口的位置识别问题及鹤管自动定位的技术问题。为了解决这些技术难题，本文拟采用先进的机器视觉技术和图像处理技术，研发智能装酸系统的鹤管自动定位检测系统。这一系统的研发及应用，有望提高罐装作业的精确度，降低工作人员的劳动强度，减少疲劳操作及安全事故的发生，进而提升我国硫酸运输行业的整体工作效率和安全性。

2   机器视觉技术应用基础综述

机器视觉主要是通过图像采集装置将被拍照目标转换成图像信号，传送给专用的图像处理系统，从而得到被摄目标的形态信息，再将形态信息中的灰度、像素分布、颜色等信息转变成数字信号。利用机器视觉技术对物件进行识别、尺寸测量与位置定位已经成为工业领域的研究热点。

2019年，郭智杰等利用机器视觉和红外光栅技术实现轮毂外形参数测量[3]，其首先采用形态学和Hough变换方法对轮毂进行拟合，然后实现轮毂的直径尺寸测量。该方法在标准轮毂尺寸进行测量上具有可靠的有效性，但是在扩展应用上存在一定的局限性。2021年，谢俊等利用机器视觉技术解决了孔类零件尺寸测量问题。其首先通过图像灰度化和阈值分割法对图像进行分割，然后再使用Canny算法对需要测量的零件边缘进行定位，最终实现了零件尺寸测量。该方法不仅能有效地解决孔类工件测量问题，还具有较高的测量精度[4]。同年，郑如新等利用HALCON机器视觉软件对工件进行高度测量，采用双目相机对工件进行图像采集，分析了双目立体视觉的工作原理并对相机进行了标定，提出了一种通过提取鞍点法来对工件进行定位，同时利用求平面向量来确定工件高度尺寸的方法，該方法具有较高的应用价值[5]。孔类工件测量和双目相机的成功研究，为本项目的成功提供了理论依据。

从相关应用实践可以看出，作为一项综合技术，机器视觉技术在工业上的应用涉及数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等多种先进技术的融合，强调实用性，能够适应工业现场的恶劣环境，且具有合理的性价比、通用的工业接口、较高的容错能力，以及较强的安全性、通用性和可移植性。

在机器视觉领域，已有OpenCV、Halcon、Vision Pro等多种基础开发平台，其中Halcon是德国Mvtec公司推出的1套完善的机器视觉算法包，是工业界具有高效开发应用的Machine Vision软件平台[2]。本项目拟采用Halcon视觉平台结合C#进行二次开发，实现装酸鹤管自动定位系统应用。

３   系统设计思路

本次装酸鹤管自动定位系统研发的目的是在目前依靠人工操作的鹤管基础上，建立1套自动化鹤管装车系统，从识别罐口到自动控制鹤管插入罐口，装酸完成后复位的整个过程均通过机器自动实现。

本文设计的鹤管自动定位系统包括光源、工业相机、激光传感器、图像处理单元、图像处理软件、监视器和通信设备。该系统首先通过工业相机获得被测目标的图像信号，然后通过A/D 转换变成数字信号传送给专用的图像处理系统。图像处理系统根据像素分布、亮度和颜色等信息进行各种运算，以抽取目标特征，最后再根据预设的判别准则输出判断结果，控制驱动执行机构进行相应的处理。

针对应用需求和目标，采用图像测量的方法对酸罐口进行识别和定位，并根据软件计算得到罐口坐标信息，引导鹤管管制系统进行自动精确对位。自动对位系统包括三维运动机构、图像采集单元、通信与控制系统、结构与支撑系统、工控机及算法软件系统。自动对位的工作流程见图1。

如图1所示，系统通过摄像头获取视频流，记录摄像头在t时刻和t+1时刻的图像，将其命名为It 和 It+1，并将视频流转换为灰度图像。根据It和It+1图像，通过相机标定算法获得相机的内参。使用工控机中内置的自动定位检测算法获取图像中装酸罐口的位置，从而获得每一帧中装酸罐口与相机的相对位置。工控机控制吊装旋转对位机构调整鹤管与罐口的位置，重复第2步与第3步，直到罐口与鹤管对齐，最后完成灌装工作。

４   鹤管自动定位检测系统的实现

４.1  系统原理

鹤管自动定位检测系统需要确立１个坐标原点，并在这个坐标原点基础上建立１个三维坐标系。其中，垂直于罐车的方向定义为X轴，平行于罐车的方向定义为Y轴，而对位系统的升降方向则定义为Z轴。

工业相机经过精确标定后保持在相对固定的位置。系统采用适宜的光源对被测物进行照明，以便高分辨率工业相机获取被测区域的图像信息。通过算法分析处理，可得到工业相机视野内目标物的三维坐标。

自动定位系统工作流程见图2，具体如下：在检测开始时，鹤管处于预设的初始位置。这一位置需要经过现场详细调研后精确标定。在此状态下，罐口位于相机的视野范围内。当鹤管处于静止状态时，相机进行第一次图像采集，并对图像进行处理，从中提取出罐口的轮廓，如图3所示。随后，软件计算出罐口中心相对原点的平面坐标，以此来引导对位系统向酸罐口上方移动。在第一次移动停止后，相机进行第二次图像采集，并计算鹤管标签相对原点的坐标。通过持续计算鹤管标签坐标与前一次图像处理得到的罐口中心坐标之间的相对距离，系统不断调整鹤管的位置，以确保鹤管与罐口能够精确对齐。

４.2  图像预处理与罐口边缘检测

鹤管自动定位检测系统通过相机获取图像后，为了获得图像中罐口所在的位置，需要对图像进行边缘检测。为准确提取罐口边缘信息，图像处理阶段必须对图像进行预处理操作，随后再进行边缘检测。

4.2.1 图像预处理

图像预处理是指在识别图像之前，对图像进行预先的处理，以达到消除无关信息、恢复有用信息、增强有关信息可检测性等目的。本系统主要采用高斯滤波结合灰度化进行预处理。

高斯滤波是一种线性滤波器，能够有效地抑制噪声，平滑图像，其作用原理和均值滤波器类似，都是取滤波器窗口内的像素均值作为输出。其窗口模板的系数和均值滤波器不同，均值滤波器的模板系数都为1，而高斯滤波器的模板系数则随着距离模板中心的增大而减小。

图像灰度化是指每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮白色的灰度。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，一般称为二值图（0 or 255），灰度图在黑色与白色中间还有很多级的颜色深度（0～255）。在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值。将RGB图像转化为灰度图像时，应根据人眼的色敏度，用0.3×R+0.59×G+0.11×B的加权平均法计算灰度值。

4.2.2  罐口边缘检测

边缘检测是基于灰度突变来分割图像的常用方法，其实质是提取图像中不连续部分的特征。本文使用Canny边缘检测算子對鹤管进行边缘检测。

Canny算子是由计算机科学家John F. Canny于1986年提出的一种边缘检测算子，是目前理论上相对最完善的一种边缘检测算法。该算法的目标是找到一个最优的边缘检测解或找寻一幅图像中灰度强度变化最强的位置。最优边缘检测主要通过低错误率、高定位性和最小响应3个标准进行评价。Canny算子的简要步骤如下：1）图像去噪。由于图像在采集过程中可能会受到噪声的影响，因此在进行边缘检测之前，需要对图像进行去噪处理。本文采用高斯滤波器对图像进行去噪处理，以降低噪声对边缘检测的影响。2）图像增强。通过增强图像的局部对比度，可以使得边缘特征更加明显。本文采用sobel算子对图像进行梯度运算，以增强图像的边缘特征。3）梯度计算。计算图像中每个像素点的梯度幅度和方向，以确定可能的边缘点。4）非极大值抑制。对梯度幅度进行非极大值抑制，以消除那些不是边缘的点，保留潜在的边缘点。5）双阈值处理。设置两个阈值（高低阈值），对潜在的边缘点进行筛选，以确定最终的边缘点。其中，高阈值用于识别强边缘，低阈值用于识别弱边缘。强边缘与弱边缘相连时，可以将弱边缘连接到强边缘上。

由图3可以看出，通过对鹤管图像进行Canny边缘检测，可以得到较为准确的边缘信息。从实践结果看，本文所采用的方法能够在很大程度上消除噪声对边缘检测的影响，同时能够有效地提取出图像中的边缘特征。

4.3  定位算法

在鹤管自动定位检测系统的应用中，罐口的实际位置通过三角定位法来获取。定位所使用的定位设备主要为1台工业相机和2个激光传感器。算法示意见图4。

如图4所示，当车辆停泊在指定区域内，系统方允许装车作业。在启动装车时，系统先触发视觉抓拍，对图像进行预处理以及罐口边缘检测，并对边缘检测后的二值化图像进行霍夫变换，对罐口（圆形）进行识别。霍夫变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像给定曲线的检测问题，转化为检测参数空间的峰值问题，即把检测整体特性转化为检测局部特性，比如直线、橢圆、圆、弧线等。如图5所示，首先将圆形方程（x-a）2+（y-b）2=r2从以坐标对为未知数转换为以参数对为未知数，再以统计的方式获得图像中可能是圆形的参数对，从而识别出图像中可能存在的圆形。然后，利用圆形的半径等长的性质，通过图像中的形状轮廓，找出每个轮廓的最小包围圆作为预设的圆，计算预设的最小包围圆的圆心到轮廓上点的距离，将满足等长条件的轮廓视为图像中存在的圆形，即罐口在图像中的位置。

由于罐口所在平面存在不确定性，无法使用简单的距离公式计算出实际的距离，因此本文使用2个激光传感器来确定罐口所在平面，即目标平面，从而推导出罐口的实际位置。捕捉到罐口后，以相机位置为原点，建立视觉坐标系。视觉建立坐标系后，记录罐口位置，并将位置信息发送给控制系统，通过吊装旋转对位机构系统，进行运动控制，由编码器、激光测量仪实时反馈鹤管当前位置，并与系统坐标系实时校验，以确保系统能实时控制鹤管的行进位置。当鹤管行进到槽车罐口正上方，位置检测传感器向系统反馈当前位置与目标位置一致，鹤管放入罐口，自动对位完成。

４.4  鹤管自动定位系统

系统运行后，首先进入准备状态。在此状态下，进入工作区域，机械手移动到拍照位置，摄像头开启。接着，按下拍照按钮，相机获取1张工位区域图片并在界面上显示。机器视觉系统对照片进行处理并分析，找到照片上的罐口位置，并通过界面显示出来。第1次移动停止后，相机第2次采图计算鹤管标签相对原点的坐标，通过计算鹤管标签坐标与第1次取图计算出的罐口中心坐标相对距离，引导鹤管在水平方向上进行微调，当鹤管标签坐标与罐口中心坐标误差小于5 mm时，微调结束。 微调结束后采用激光定位系统进行复核，复核无误后软件根据罐口中心Z坐标值，引导鹤管下移与罐口贴合锁紧后，自动对位完成。系统的人机交互界面见图6。

5   结语

本文主要是运用机器视觉的方法自动识别装酸口的位置，采用伺服电机驱动鹤管进行自动定位。视觉定位+激光定位系统的综合运用，既具有视觉定位快速的特点，又具有激光终端反馈的能力，使整套定位系统形成一套闭环机制，大大提高了系统的稳定性和安全性。视觉系统的使用实现了精准对位，降低人工操作带来的误操作风险。并且大幅缩短对位时间，降低了人工劳动强度，提高劳动效率。特别是解决了智能装酸系统中的技术难点，实现了装酸系统的自动化和智能化。

参考文献

[1] Golnabi H， asadpour A. Design and application of industrial machine vision systems[J]. Robotics and Computer-integrated Manufacturing， 2007，23（6）：630-637.

[2] XＵ X B， ZHANG X M， HAN J Q， et al. HALCON application for shape-based matching[C]//IEEE： 2008 3rd IEEE Conference on Industrial Electronics and Applications.Singapore：IEEE，2008：2431-2434.

[3] 郭智杰， 王明泉， 张俊生， 等. 轮毂外形参数的在线测量技术研究[J]. 国外电子测量技术， 2019，38（5）：142-145.

[4] 谢俊， 李玉萍， 左飞飞， 等. 基于机器视觉的孔类零件尺寸在线检测[J]. 电子测量技术， 2021，44（2）：93-98.

[5] 郑如新， 孙青云， 肖国栋. 基于机器视觉的工件尺寸测量研究[J]. 电子测量技术， 2021，44（16）：110-115.

[6] ZHANG Z Y. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2000，22（11）：1330-1334.

收稿日期：2023-02-26

基金项目：广西科技计划项目（科技重大专项）“年产30万t阴极铜连续炼铜关键技术开发及产业化示范”（项目编号：2020AA17001AA）

作者简介：胡国军（1981—），男，高级工程师，主要从事仪表自动化设计工作。