基于網絡環境的食品分揀視覺檢測系統設計

嚴培培

(江西科技學院機械學院，江西 南昌 330098)

?

基于網絡環境的食品分揀視覺檢測系統設計

嚴培培

(江西科技學院機械學院，江西 南昌 330098)

以網絡環境為基礎，對食品分揀視覺檢測系統進行研究，通過分析食品分揀系統的設計要求和設計原理，建立食品分揀系統結構模型，并以面包為對象進行食品中心位置檢測試驗，結果表明：試驗誤差范圍在-1%～4%，滿足分揀視覺處理的精度要求，可為其它工業自動化分揀系統設計提供參考。

食品；分揀；網絡結構；視覺檢測

隨著科學技術的快速發展和產業結構的調整，工業機器人技術、網絡技術、視覺檢測技術不斷被引進到食品生產行業中，這些技術不僅降低了生產成本和勞動強度，還提高了生產效率、保證了產品的質量[1]。

傳統的食品生產行業主要依靠人工來完成食品的分揀，效率非常低，而且會造成食品的二次污染[2]。機器人視覺技術主要是為機器人建立視覺檢測系統，動作達到靈活性和柔性化要求，對所處的環境具有一定的適應性。在生產線中主要采用Eye-to-Hand的方式實現目標抓取[3]。國外已有利用視覺檢測技術來完成對未知目標的檢測。中國起步比較晚，主要集中在科研機構，如天津大學與哇哈哈集團研發基于Delta 機器人的果奶裝箱機構和沈陽新松研發的工業搬運機器人等[4]。為實現食品分揀視覺系統的開發應用，試驗擬以網絡環境為基礎，對食品分揀視覺檢測系統進行研究，旨在提高分揀視覺處理的精度，減小誤差范圍。

1 食品分揀系統的設計原理及模型構建

1.1 分揀系統的設計要求

由于市場對高品質的產品需要以及人工成本的增加，生產企業不斷將機器人生產線投入車間。特別是食品生產行業，對其安全性能要求極高。食品的分揀系統主要是由一系列的工業控制機、工業相機以及運動控制器等組成[5]。在對其設計的過程中，應滿足四點要求：① 各運行機構性能高效穩定；② 執行機構具有高度的靈活性和柔性化，能夠完成不同的產品規格化和標準化；③ 在控制系統工作的過程中具有一定的自適應性和自動識別的功能；④ 在整個包裝食品分揀過程中，實現無人接觸，確保食品的安全衛生。

1.2 分揀系統的設計原理

機器視覺系統工作原理見圖1，整個機器的食品分揀系統主要是工業計算機、運動器、工業相機、交流伺服系統。當食品在生產線上運動時，工業相機會對其進行拍照，將得到的圖像通過數據總線傳到工業控制機中，通過一定的算法對圖像進行處理和判斷，得到的食品屬性信息會傳送到執行機構中，交流伺服系統根據發來的指令完成食品分揀[6]。

1.3 分揀系統的結構模型

根據分揀系統的設計要求與原理，進行了分揀系統的結構建模(見圖2)。模型由五部分組成，分別為PC機、工業相機、執行機構、工控機、數據傳輸設備。在系統構建安裝過程中，應該保證各裝置的協調性。主要控制的核心是PC機，對整體布局也是非常重要的。工業相機安裝在執行機構的前面，并且拍照的寬度要比傳送帶的寬度略大，合理的布置也為后續的軟件設計提供了依據。

圖1 機器視覺系統工作原理圖

圖2 分揀系統的結構模型

2 硬件選型及網絡結構

整個工業機器人系統是以Motoman系列為本體，其為6軸多關節型，由交流伺服電機驅動[7]。該機器人系統的控制柜能夠與計算機進行通信。

2.1 工業相機

在對食品進行拍照時，光源的選取非常重要。它能夠檢測物品的突出部分，而且光源的穩定性對圖像的質量影響非常大[8]。因此，考慮成本的情況下，盡量保證其不受其他光源的干擾。綜合亮度、穩定性、壽命等屬性參數，試驗選定LED光源。

圖像的采集不僅要考慮速度、方式、分辨率等，而且要考慮精度、視野、成本和壽命等。CCD相機通過反射的光線，經過鏡頭傳播至CCD芯片上，根據累積的電荷，對其進行濾波和放大處理，最后對圖像進行輸出，并非采用常規的采集卡，而是通過網絡的傳播，直接送到服務器[9]。經過比較，選擇DALSL系列的工業相機(基于以太網協議開發)。其參數為：80萬像素、外形尺寸95 mm×50 mm×16 mm，光圈手動，以64幀每秒的速度進行掃描，分辨率可以達到1 024×768。

2.2 工控機

在食品分揀系統中，工控機是控制的大腦，對其選擇直接決定著圖像的處理和執行機構的效率。但是在實際過程中，還要考慮安裝、防塵等。綜合比較下，選擇研華科技的610L型工控機[10]。其參數為：處理器Dual-Core，主頻3 GHz，內存4 G。

2.3 網絡控制

食品分揀系統以工業以太網為總體結構，可實現不同系統的協調。圖3為網絡控制結構圖，在運行的過程中，運用工業相機對食品的信息進行采集，存在主機中。在對系統進行逐級分類時，HMI可以設置不同的參數，并對出現的異常情況及時進行處理，將結果反映到主機中[11]。管理級主要是工控機和服務器，現場級可以將處理的信息進行交換，實現一定的操作。

圖3 網絡控制結構圖

3 軟件設計

系統的軟件主要是由人機交互界面、視覺軟件、運動控制組成。通過人機界面的信息分析處理，由視覺軟件傳遞給控制部分，系統見圖4。在視覺系統選取時，要滿足3個要求：① 魯棒性能要高；② 系統要能保證可靠和準確性；③ 整個系統的算法要能對實際情況完成實時性和通用性[12]。根據上面選擇的工業相機，DALSA系列的相機采用的視覺軟件是Sherlock。其是基于VC軟件開發的，視覺采集的過程主要是圖像信息的收集，根據運用的算法，對特征提取。然后基于VC環境，對控制系統進行實時處理，保證數據的正確分析和準確無誤的傳送，及時達到控制端，為執行機構運行奠定基礎[13]。

4 視覺系統的開發

軟件Sherlock具有強大的不同數據通訊接口，不僅擁有

圖4 軟件系統圖

高等的編輯功能，而且支持第三方工具開發以及特殊工具的定制[14]。此視覺系統的開發就是基于此展開的。在整個設計的過程中，首先基于VC的開發視覺環境對軟件進行處理，實現與Sherlock軟件的連接。然后對比不同食品圖像，實現算法的結合。最后對掃描到的特征進行配對，并反饋給控制系統。

經過一定的運算，編寫圖像采集的程序：

void CmypicprosysDlg::OnBnClickedStartBtn()

{ if (m_bstate)

SetTimer( 1 ,m—timer, NULL);//每秒執行一次

GetDlgItem(IDC_START_BTN)-〉SetWindowText(“暫?！?;

KiliTimer(l);

GetDlgltem(IDC_START_BTN)->SetWindowText(“開始處理”);

m_bstate=!m_bstate;}

在對系統進行處理時，速度也是重要的影響因素。影響其快慢的主要是圖像處理時間和VC數據的處理，故有必要對其進行系統檢測[15]。

5 實驗結果與分析

選取面包為研究對象，經過實驗驗證，獲得圖像見圖5。

經過實際驗證，發現視覺軟件處理得到的結果與實際的食品距離存在誤差。根據中心點來算(圖6)，其誤差范圍為-1%～4%，能夠滿足視覺處理的精度要求。但是對于所需的旋轉角度來說，不同的軟件算法并不一樣，加上不同的誤差波動是比較大的，其誤差值為-6%～9%，基本滿足設計的要求。

圖5 食品中心位置圖像

圖6 實際食品中心位置檢測

6 結論

本試驗以網絡環境為基礎，對食品分揀視覺檢測系統進行了研究，通過分析食品分揀系統的設計要求和設計原理，建立了食品分揀系統結構模型，采用80萬像素，進行速度掃描為64幀每秒，分辨率為1 024×768的DALSL工業相機，610L型的工控機作為系統硬件，Sherlock為系統軟件，實現了食品分揀視覺系統的開發。以面包為對象進行食品中心位置檢測試驗，結果表明，試驗誤差范圍在-1%～4%，滿足分揀視覺處理的精度要求，這為其它工業自動化分揀系統設計提供了參考。

[1] 晏祖根, 李明, 徐克非, 等. 高速機器人分揀系統機器視覺技術的研究[J]. 包裝與食品機械, 2014(1): 28-31.

[2] 嚴培培. 面向非典型食品生產的高速機器人分揀系統設計[J]. 食品與機械, 2016, 32(2): 94-97.

[3] 蔣毅, 李正洋, 應在恩, 等. 食品分揀機器人動力學仿真[J]. 食品與機械, 2015, 31(5): 93-95.

[4] 袁歡. 基于計算機視覺技術的零件自動分檢系統[D]. 杭州: 浙江理工大學, 2015: 23.

[5] 霍罡. 基于PLC的工件表面檢測與分揀控制系統設計[J]. 微計算機信息, 2012(6): 42-43.

[6] 張朝陽. 基于視覺的機器人廢金屬分揀系統研究[D]. 北京: 中國農業大學, 2015: 21.

[7] 王衛翼, 張秋菊. 基于機器視覺的蟲蝕葵花籽識別與分選系統[J]. 食品與機械, 2014, 30(2): 109-113.

[8] 楊芳, 吳進軍. 基于機器視覺的機針智能質量檢測分揀系統設計[J]. 制造業自動化, 2013(16): 18-20.

[9] 李勇, 伍先達, 邢武, 等. 基于機器視覺的零件表面瑕疵自動分揀系統設計[J]. 自動化與儀器儀表, 2010(5): 40-41, 44.

[10] 修學強, 姜鑫. 一種食品自動傳送分揀機的結構設計與控制實現[J]. 食品工業, 2014(9): 203-205.

[11] 劉子龍. 基于機器視覺的快速分揀食品包裝系統研究[D]. 漢中: 浙江工業大學, 2015: 32.

[12] 何探. 基于機器視覺的Tripod機器人分揀算法研究與應用[D]. 廣州: 華南理工大學, 2015: 26.

[13] 王振杰, 孫曄, 顧欣哲, 等. 計算機視覺技術對食品腐敗檢測的研究進展[J]. 食品安全質量檢測學報, 2015(8): 2 969-2 975.

[14] 蔣毅, 李正洋, 應在恩, 等. 食品分揀機器人動力學仿真[J]. 食品與機械, 2015, 31(5): 93-95, 148.

[15] 李嘯宇, 張秋菊. 顆粒狀食品視覺檢測分選技術的發展[J]. 食品工業科技, 2014(13): 378-381, 386.

Design of visual inspection system for bulk food sorting based on network environment

YANPei-pei

(JiangxiUniversityofTechnology,DepartmentofMechanicalEngineering,Nanchang,Jiangxi330098,China)

Based on the network environment, the food sorting visual inspection system was studied. Through the analysis of the design requirements of food sorting system and the design principle, the food sorting system structure model was established, and the bread was taken as the garget for food center position detection test. The results showed that: test error in the range of -1%～4%, meet the requirements of precision sorting and visual processing and can provide a reference for the design of other industrial automatic sorting system.Keywords： food sorting; network structure; visual inspection; control system

嚴培培(1985-)，女，江西科技學院講師，碩士。

E-mail：yuyansiying@163.com

2016—05—27

10.13652/j.issn.1003-5788.2016.10.025