基于機器視覺動態選繭系統的研究

杜昕　劉文烽　林毅堅

【摘 要】在繅絲的生產加工中，要先對蠶繭進行分選，剔除殘次繭，確保優良繭轉到繅絲工序。文章主要研究的是分揀裝置的視覺系統識別部分，利用照相機對蠶繭進行拍照，通過圖像處理、識別，選出不同的殘次繭。對殘繭進行坐標標定，并將識別的定位保存，準確地傳到下位分揀機器人系統，完成分繭定位。

【關鍵詞】蠶繭；視覺系統；坐標標定

【中圖分類號】TP242.2 【文獻標識碼】A 【文章編號】1674-0688（2018）04-0091-04

0 引言

在繅絲的生產加工中，由于蠶本身體質和結繭時的環境不同，以及受收繭、烘繭、運輸等影響，所以往往有一部分難以繅制高級生絲的次繭和不能繅絲的下繭，為得到優良的蠶絲，需要剔除這些蠶繭。傳統工藝使用的是人工肉眼識別法，這樣容易存在識別標準的不同而誤選，在高強度的工作中，人工識別也會使錯誤率提高，從而導致效率低下，所以有必要設計一個多殘繭分揀裝置來提高工作效率，降低錯誤率。

1 蠶繭的種類

蠶繭種類繁多，有上繭、雙宮繭、黃斑繭、穿頭繭等（如圖1所示），其特征見表1，其繅絲過程用的是優質蠶繭，即上繭，因此我們可以根據蠶繭特征的不同，剔除掉不合格的蠶繭。蠶繭特征的不同，相應的檢測方法也不同。

2 視覺識別與定位系統結構圖

選繭系統裝置的視覺系統主要由照相機和光源構成。視覺系統示意圖如圖2所示。

3 機器視覺識別方案

機器視覺對蠶繭進行識別，系統框圖如圖3所示，對每一幀圖片進行識別與定位。

4 視覺系統的實現

4.1 視覺識別原理

視覺系統是指用搭好的視覺裝置對待檢測物體拍照，并將所拍的照片進行圖像處理，將圖片上的內容信息即物理量轉化成計算機可處理的數字信號，再將提取照片信息與先前提取的信息做對比后進行判別，最后將結果傳送至控制系統。

機器視覺猶如人類感官，當人看到某張圖片時，大腦會迅速反應出這張圖片是否見過類似的，這并不是我們的大腦對這張圖片的記憶進行識別，而是對其自身的特征進行分類，利用這些類別的特征識別出的。機器視覺系統進行圖像識別也是如此，對所拍到的圖片進行特征提取，將多余的沒有用的信息加以排除，以此來實現圖像識別。利用相機和計算機等模擬人類的眼睛和大腦來實現視覺功能，其目的就是對相機所采集的圖片內容進行處理和辨識。簡單地說，就是讓相機代替人眼去看東西，計算機代替人腦將看到的東西加以識別和判斷。

4.2 視覺系統的組成

視覺系統的硬件組成包括相機、鏡頭和光源，所以選擇好相機、鏡頭和光源顯得尤為重要。

4.2.1 相機的選擇

由于我們只對蠶繭進行識別，所以選用黑白相機即可，但是我們所要實現的是動態分揀，從而拍照必定是動態時捕捉影像，為了使所拍的照片清晰，且相機的延遲降到最低，我們對相機的要求也有所提高，最終我們采用康耐視IN-SIGHT8400智能相機，這款相機擁有500萬像素，速度為15×，圖像捕捉率為200，分辨率為640×480。它的優點是可直立或以合適角度部署，這款相機雖外觀小巧，卻配有高性能視覺工具，并擁有較快的通信速度和較高的分辨率，是在有限空間使用的理想選擇。

4.2.2 鏡頭的選擇

鏡頭采用“C”形接口鏡頭，是一款使用很廣泛的鏡頭。它能在整個視野提供均勻的分辨率，是可手動調整的高性能鏡頭，在鏡頭大小、光圈和焦距方面可提供最靈活的選擇。在提取圖像特征時，為使圖像不出錯，我們應保證相機的成像大小小于鏡頭的成像，如下式所示：

其中，V為拍攝物體的垂直方向高度；H為拍攝物體水平方向的長度；D為鏡頭到拍攝物體間的距離；v為相機畫面的垂直方向高度；h為相機畫面的水平方向高度。

經過計算，最終選用5 mm的鏡頭，將相機與鏡頭組合完成后放置在傳送帶上方，高度為540 mm，拍攝范圍為200 mm×300 mm。

4.2.3 光源的選擇

光源的選擇在該系統中也起著至關重要的作用，它能直接影響實驗數據的質量和實驗效果。通過對比各種光源的特性（見表2），我們采用長條形400 mm×3 mm的LED作為光源，這款光源價格較為便宜，功率小，使用壽命長，且能均勻照明，完全符合選擇光源的條件。

將選好的長條形LED光源分置在傳送帶的兩側，高度為270 mm，與水平面呈45°，目的是為了增強蠶繭的輪廓和形狀，使蠶繭受到的光照強度是一樣的。并且，利用遮光布將拍照區域遮擋起來，避免了自然光對實驗結果的影響，使蠶繭與背景得到最佳分離，降低了圖像處理過程中的分割和識別難度。

同一種光源亮度不同，同樣也是會影響實驗的（如圖4所示）。從[圖4（a）所示]可以看出在弱光情況下，幾乎看不到蠶繭，更談不上識別；在強光[如圖4（c）所示]的情況下，蠶繭可以清楚地被拍到，但由于光線過強，蠶繭表面的斑點無法被拍到，從而導致一些下繭無法被識別；在光線適中[如圖4（b）所示]的情況下，既能清楚地看到蠶繭的形狀外觀，又能看到有些灰黑色的陰影斑點。

4.3 圖像處理

由于在數字化過程中的量化噪聲，以及傳輸過程產生的誤差及光照強度等因素，所以圖像經過形成、傳輸、接收和處理流程后，最終得到的圖像質量很差，清晰度降低，使有效信息提取困難，所以需對圖像進行處理，以便對圖像進行分析和識別。圖像處理包括濾波、圖像二值化、圖像分割等。

4.3.1 圖像濾波

濾波是圖像處理中必不可少的操作步驟，就是為了在盡可能地保留圖像細節特征的條件下，對目標圖像的噪聲進行抑制。蠶繭邊緣不是光滑平整的，可利用濾波有效地去除周邊的毛絮，方便后續的識別。根據圖5我們可以清楚地看到，不同濾波對蠶繭的效果，通過比較，最終我們采用雙邊濾波，這款濾波方式使邊緣保存比較好，而且凸顯了圖像的特征。高斯濾波則使圖像變模糊，均值濾波則使圖像的特征被損壞。

4.3.2 圖像二值化

圖像的二值化使圖像變得黑白分明，使圖中數據量大為減少，從而能凸顯出目標的輪廓（如圖6所示）。蠶繭與傳送帶原本就黑白分明，我們可以不考慮使用圖像的二值化，但在實際操作當中，由于皮帶會產生一些漫散射光線，有時會對后續蠶繭識別造成影響，所以我們選擇使用二值化，將無需考慮的特征因素排除。

4.3.3 圖像分割

相機每拍攝一版圖片，圖片中都有很多個蠶繭，我們就要用到圖像分割，將圖像中的目標從背景中分割出來，即將蠶繭與背景分割開，也將大片的蠶繭分割成一個個獨立的個體，以方便后面的識別。

4.4 圖像識別

本文利用康耐視自帶軟件In-Sight中的自帶函數庫，對其進行編程，對蠶繭進行識別。根據蠶繭特征的不同，所用到的檢測方法也是不同的。上文說到的蠶繭，可分為2種識別方式：面積法和斑點法。為了使檢測結果更加精確，我們采用In-Sight軟件自帶的模板匹配算法，通過對上繭進行訓練，與待測蠶繭一一匹配，實現檢測功能。

（1）雙宮繭在體積上要比上繭大一些，面積自然也比上繭要大一些，所以我們可以用圖像的零階矩來求得蠶繭的面積。

（2）黃斑繭、穿頭繭、印頭繭和爛繭共同的特性就是蠶繭的表面會有污漬或者斑點，相機拍照所反映的圖像是在蠶繭上有黑色陰影面積，所以我們可以根據相機是否可以檢測到陰影面積來判定黃斑繭、穿頭繭、印頭繭和爛繭。當然，如果上繭純度無需很高時，那些陰影面積較小、不會太影響以后工藝生產的蠶繭也是可以被通過的，我們可以通過調節斑點閾值與設定標準值來控制合格蠶繭的質量。

由于SROD算法在ROD算法的基礎上簡化了閾值的設定及序列排序，在檢測精度相似的情況下，會比ROD算法更有效率。所以，我們采用SROD算法來計算蠶繭表面的斑點，實現斑點檢測。

（2）用9個標準物件來初步轉化機器人坐標。經過第一步，相機可以識別出這9顆蠶繭，并給出相應的坐標，蠶繭放置如圖7所示。當皮帶運行一個固定距離后，這里我們設定為650 mm，用并聯機器人的機械手依次觸碰蠶繭的中心點，讀出并聯機器人的機器坐標，并將數據記錄，與對應9顆蠶繭的相機坐標做對比，數據如圖8所示。

根據相機坐標與傳送帶坐標的轉化關系，如公式（9）所示，可以得到相機坐標系與傳送帶坐標系的轉換矩陣，如公式（10）所示。

5 總結

本文主要研究了視覺系統的設計，其中包括相機及鏡頭的選型和光源的確定。該設計利用康耐視相機對蠶繭進行拍照，識別出壞繭進行剔除。經過大量的實驗，計算出每種殘繭的識別率（見表3），導致黃斑繭、印頭繭、穿頭繭和爛繭的識別率降低，存在著一些不可避免的因素，比如受到了光照的影響，雖然將工作環境用遮光布遮擋，不受外界自然光，但由于皮帶的漫散射，導致圖像上蠶繭邊緣與表面斑點產生弱化，但可以通過選擇反光度很低的皮帶來改善這一現象。這套視覺識別裝置的高識別率有效地避免了人工遴選蠶繭的不確定性，提高了蠶業生產的自動化水平，達到解放勞動力、提高效率、增加盈利的效果，也能有效地提高繅絲原料繭的品質。

參 考 文 獻

[1]覃南強.基于并聯機器人的自動選繭系統的設計[J].科技視覺，2016（7）：163-164.

[2]劉歡.基于PLC（機器人）和機器視覺的夾片自動生產線控制系統設計[D].柳州：廣西科技大學，2016.

[3]王詩宇.基于機器視覺的機器人分揀系統的設計與實現

[J].組合機床與自動化加工技術，2017（3）：126-129.

[責任編輯：鐘聲賢]