基于視覺的物體分揀系統的設計

金庚+許婧怡+劉祎凡+李文鈺+高宇航+郭陽寬

摘要：利用機器視覺，使用相機采集物體圖像信息，經計算機圖像處理提取采集物體特征信息，根據不同特征信息由PLC控制分揀機實現物體自動識別分揀。試驗表明，此系統識別度高，識別速率快。

關鍵詞：機器視覺；圖像處理；特征提??；PLC控制技術

中圖分類號：TP27 文獻標識碼：A 文章編號：1007-9416（2017）11-0177-01

機器視覺在制造業、服務業、軍事領域等都有廣泛的運用。物體分揀技術是工業生產和物流運輸領域至關重要的一項技術，分揀效率和精準性影響到整個生產鏈的完整性與時效性。傳統分揀系統技術受工業環境約束大，不具備靈活性與適應性，分揀的精準性上也存在一定缺陷。本文基于視覺識別技術的物體分揀系統，有較好的靈活性和較高的精準性。

1 系統識別原理

系統采用基于灰度圖像的邊緣檢測與特征提取原理。在圖像灰度的二值化顯示中，圖像的邊緣存在于圖像的色域邊界（灰度不連續點），也是圖像信息的跳變點，這些點的集合即為圖像的邊緣輪廓，用一階微分算子實現對圖像邊緣檢測，圖像邊緣與信號噪音都屬于灰度不連續，邊緣檢測需要噪音抑制，在微分算子做邊緣處理前需對圖像進行平滑去噪，Canny算子（1）是高斯函數的一階微分，可以很好的實現抑噪的同時完成邊緣檢測。

2 系統設計

2.1 機器視覺系統設計

系統組成如圖1。硬件由工業相機、鏡頭、機架等實現視場30mm×30mm。軟件模塊實現對圖像信息的處理識別，采用Canny邊緣檢測技術和圖像分割技術對圖像的邊緣檢測，用數據分類器對檢測結果分類，實現對采集目標的特征提取和識別分類。

2.2 分揀系統設計

系統如圖2，PLC與計算機實現分揀系統的過程控制，材料分揀裝置完成對目標物識別分類信息的響應。使用PLC通信協議與函工具包完成PLC與上位機的端口對接，PLC控制程序由上位機輸入。材料分揀裝置由傳送帶、氣閥、傳感器等構成。PLC根據視覺識別分類信號控制轉動帶運輸目標物，控制不同的氣閥將不同的目標物推入分揀滑軌，實現分揀。

2.3 系統整體設計

系統由視覺識別系統與分揀系統構成，如圖3，實現目標物的采集、識別、分類、分揀過程控制。首先由下料器將預設的目標物放置到分揀機傳送帶上，當目標物經過CCD工業相機時，相機采集圖像信號并輸入至計算機，由計算機軟件實現圖像處理與識別分類，處理后的分類信息輸入至PLC實現過程控制，當傳感器識別到預設的不同特征目標物傳送到相應位置的氣閥時，控制氣閥將目標物推入其相應的滑軌，完成目標物的分揀過程。

3 實驗結果

采集目標圖像及完成邊緣檢測與特征提取如圖4、圖5，對預設的物體外形特征信息可以準確及時地分類。

分揀系統PLC控制程序運行穩定，上機位信號傳輸無延遲，PLC邏輯控制穩定，材料被控分揀裝置運行穩定，傳感器氣閥等元件運行穩定，不存在漏運行問題。分揀系統可以完整地實現采集處理分揀的整體過程控制功能。

4 結語

實驗表明，在穩定的光照下，機器視覺識別模塊可以實現對目標物體的快速采集與識別處理，分揀系統可以對識別系統的輸出信號做出分揀。與傳統分揀系統比該系統適應性強、靈活性高，適合在不同環境下的工業生產、設備檢測、物流運輸等領域有很好的應用前景。

參考文獻

[1]程俊鑫.基于灰度圖像的邊緣檢測方法研究[D].太原：太原理工大學，2007.

[2]劉洪波，劉曉敏，鄭永永，趙云偉.MATLAB在圖形邊界特征提取中的應用[J].機械研究與應用，2015，28（6）：65-66.

[3]時維康，王波，程啟良，國海芝，李海禎.基于機器視覺的冬棗分揀設備研究[J].機電技術，2016，1：9-11.

[4]鄧婉，高玨，朱培逸，徐金星，崔巍.基于機器視覺的水果的自動分級系統的設計[J].農產品加工·學刊，2012，10：154-156.

[5]尹一鳴.基于LABVIEW與PLC的過程控制系統的設計[J].儀表技術與傳感器，2010，3：30-40.

[6]丁偉雄，MATELABR2015a數字圖像處理[M].北京清華大學學研大廈，2016.

Abstract：On object recognition of the basic principle in machine vision， objects image information acquisition from CCD camera transported to computer to process and the features of objects extracted.According to different object feature information， PLC controlled sorting machine to finish object sorting. Experiments showed the system has high recognition rate and fast recognition speed.

Key Words：machine vision， image processing， feature extraction， PLC control technologyendprint