提高解包線視覺系統識別能力

摘 要：本文介紹了通過優化解包線機器人的視覺系統，提高視覺識別系統的識別和定位能力，有效地解決了解包線機器人的無法識別編織帶的問題。

關鍵詞：ABB；視覺識別

中圖分類號：TP242.2 文獻標識碼：A 文章編號：1674-7712 （2014） 12-0000-01

目前，全自動機器人解包系統在煙草行業內應用廣泛，以其設備先進性、系統穩定性、操作簡便性、超高的行業適應性以及靈活的可擴展性和兼容性得到了各煙草工業企業的認可。為了適應煙草行業全自動控制、現代化的生產要求，我廠制絲解包線選用了FT533全自動機器人解包系統，集合了當前最先進的自控、機器人、信息管理和機器人視覺技術，是一條全自動、高效率的機器人解包上料物流系統[1]。該系統設備先進、自動化程度高，是我廠制絲線生產的首道工序，也是我廠自動化生產的亮點工序。

該系統中所運用的機器人視覺檢測技術，是當今最新的檢測技術。計算機視覺檢測就是由各種成像系統代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。我廠采用的CCD檢測技術光譜響應寬、動態范圍大、靈敏度和幾何精度高、噪聲低，在檢測系統的智能化、柔性、快速性等方面較接觸式檢測方法具有更大的優越性。因此，計算機視覺檢測技術在我廠解包線的適應性應用是決定解包線能否高精度、高效率工作的關鍵。

一、現狀分析

在實際生產過程中，我們發現解包線機器視覺檢測還存在以下幾個問題：

（一）外部光照不穩定

我廠解包線機器人安裝位置緊靠一整面玻璃墻，CCD相機照相取樣極易被外部自然光照所干擾，尤其在陽光最強烈的正午和陰暗天氣時干擾最為明顯，相機照相或曝光過度，或陰暗不明，成像質量較差，嚴重干擾了計算機對圖像的分析和處理，導致機器人不能準確動作。

（二）視覺處理系統對煙包圖像分析不準確

目前采用的圖像分析方法不能夠精確分析圖像，對一些潛在問題未能做出相應判斷和處理，導致機器人在實際生產過程中出現誤動作，影響解包線效率。失誤率平均達到5包/批次（20包）。

二、具體思路與方法

（一）成像系統曝光度適應性差的問題

一天中隨著太陽的移動，車間中的光照強度也隨之變化。根據這一實際情況，項目小組將針對各時段不同光照下，解帶工段成像系統PV帶識別程度，尋求成像系統曝光增益的最優值。根據剪帶機器人工段對成像系統圖像的要求，課題小組采用分段逐一測試的方法，對各時間段曝光增益值進行了實驗測試，找到最佳的參數值。

（二）規劃時間段

根據從氣象網站統計，綿陽9月-12月的日出時間在6：00-7：00之間，日落時間在18：00-19：00之間，同時日出日落后半個小時光照強度變化幅度較大以及11：00-14：00光照強度最強，將一天劃分出8個時間段。

（三）確定曝光增益

曝光增益是曝光的一種補償方式。如果圖像明顯偏亮或偏暗，說明相機的曝光基準值設定較大偏差，這時要強制進行曝光補償。在解包線成像系統中，最終經過補償后的圖像一定要到達這樣的要求：圖像輪廓清晰，處理算法能識別到所有編織帶。課題小組將根據劃分出的時間段逐一對曝光增益值進行設定。

（四）煙包檢測識別能力較差

鑒于二值化處理的目標圖像失真較大，在新的算法過程中課題小組決定放棄在邊緣檢測前使用二值化處理，通過使用煙包四邊邊緣檢測和中縫檢測相結合的方法來計算煙包中心點。影響開包工段煙包識別的準確度的關鍵點是找準圖像中煙包的中心點，如果圖像中心點與實際煙包中心點偏差過大，就會導致機械手爪臂將煙包損壞，影響后續開包動作的完成效果。原處理方式采用二值化處理。但二值化自適應性較差，在處理過程中極易將目標邊緣周圍像素點與目標本身混淆，導致二值化后目標輪廓失真，影響后續邊緣檢測準確性。

根據觀察分析，每個煙包都有一個共同的特性：煙包的最上的兩個合頁閉合時，在煙包中間都會形成一條中縫，而且這個中縫的像素點灰度值與周邊的像素點灰度值差異明顯，噪聲小，容易清楚識別。因此，考慮將中縫檢測加入到煙包的中心點的計算中，提高中心點的準確性[2]。

（五）建立成像系統與PLC數據通訊通道

首先在PLC編寫程序獲取系統時間，并將時分秒分割出用于傳遞到成像系統。其次，成像系統中創建數據緩沖區，用于讀取PLC傳遞的時間數據。為方便數據比較將時間格式處理為小數格式，如11時15分轉換為11.15，這樣方便進行大小對比，公式為時+分/100。

三、結束語

通過確定時間段曝光增益值、煙包四邊邊緣檢測和中縫檢測相結合的方法來計算煙包中心點等方法的使用。增強了機器視覺檢測的環境適應性和抗干擾能力，降低片煙預處理工段斷料次數、減少人力勞動。改善后識別效果如圖1所示。分時段曝光增益方法以及中線和邊緣檢測相結合的圖像分析方法不僅適用于我廠解包線機器人視覺系統，同樣適用于其他工業領域的機器視覺圖像檢測分析系統。特別是為外部光照條件不穩定的機器視覺處理提供了一種新的思路和方法，增強了機器視覺檢測的環境適應性和抗干擾能力。

圖1 PV帶完全識別示意圖

參考文獻：

[1]ABB機器人全套手冊Nov2008[M]，2008.

[2]Cognex.In-Sight Explorer使用說明書[M].

[作者簡介]卓亮（1984-），男，四川綿陽人，維修電工，助理工程師，碩士，研究方向：計算機視覺。