基于機器視覺的物料瞬時流量測量系統設計

華 程， 尹文慶， 姜 鑫， 李旭輝， 浦 浩

(南京農業大學 工學院 江蘇省農業智能化裝備重點實驗室，江蘇 南京 210031)

0 引 言

傳統的過磅計量方式在消耗大量人力物力的同時，也影響了整個糧食物流[1～3]的效率。在糧食儲運過程中，帶式輸送機是主要的運輸設備，隨著帶式輸送機向高帶速、大運量方向發展[4]，開發實時、準確的糧食物料流瞬時流量檢測方法，對于提高糧食物流效率及節約運輸成本具有重要意義。

光學測量技術以其柔性大、結構簡單、低成本和高精度等優點，逐漸應用于工農業物料體積等非接觸式測量中。文獻[5]利用激光掃描儀動態測量堆體表面的幾何信息，并結合姿態測量系統和全球定位系統(global positioning system,GPS)通過數據融合計算形成堆體的三維點云，利用點云獲得散貨堆體積。文獻[6]提出了激光投射儀掃描輔助下的雙目攝影測量方法，使雙目相機在不同工作檢測站均可對堆場進行掃描與局部三維形貌重建。文獻[7]設計了基于現場可編程門陣列(field programmable gate array,FPGA)和3G的帶式輸送機物料流視覺檢測系統，通過采集物料流視頻圖像結合3G網絡實現散狀物料流量遠程在線檢測功能。文獻[8]通過實時采集煤礦井下帶式輸送機煤流圖像，利用反向傳播(back propagation,BP)網絡分類判別煤流邊界，從而求出煤流大小。上述基于視覺檢測方法雖具有可行性，但處理速度因受物料表面紋理特征提取、邊界識別、攝像機標定、動態測量等因素限制而無法滿足帶式輸送機物料流量實時采集要求。激光三角法是非接觸光學測量的重要形式，該方法結構簡單、測量速度快、精度高，適合測量大尺寸和外形復雜的物體[9]。

根據帶式輸送機物料流瞬時流量測量實時、連續、精準的需求，本文利用工業相機結合線激光發射器搭建機器視覺平臺，采集帶式輸送機高速運行下的糧食物料線激光輪廓圖像，利用激光三角法測量原理完成系統標定，結合標定結果獲取實際糧食物料表面三維數據，設計基于梯形面元積分的物料瞬時流量測量數學模型，最后利用開發的帶式輸送機物料瞬時流量測量系統對本文測量方法進行實驗測試。

1 系統組成與工作過程

1.1 系統組成

測量系統總體結構如圖1，系統選用固定機架輸送機為平移運動平臺，規格為400 mm×3 000 mm，整機全部由高精度鋁合金結構組成，橫行梁為國標40 mm×80 mm，皮帶采用綠色2.0 mm厚聚氯乙烯(poly vinyl chloride,PVC)防靜電皮帶，動力采用可變電機，型號為OPG250 W，皮帶速度0～48 m/min可調，采用同步輪同步帶傳動，傳動比1︰5。系統設計拍攝視場為200 mm×160 mm，被測對象為稻谷，品種為早秈307，測量目標是獲取稻谷物料流的體積流量，為了保證測量系統的精度，視場內稻谷需分辨小于0.5 mm的細節，相機幀率需大于100 fps，根據系統實際安裝需求，相機成像物距大于320 mm，因此工業相機選用的是大恒MER—131—210U3M黑白相機(分辨率為1 280像素×1 024像素，幀率為210 fps，圖像格式為.bmp)。由光學系統計算公式可計算出滿足系統要求的鏡頭焦距，因此工業相機鏡頭選用的是Computar系列百萬像素定焦鏡頭，型號為M0814—MP2，焦距為8 mm。系統選用的線激光器為激光半導體一字線激光器，型號為FU650AB100—GD16，激光波長為650 nm。運動控制器選用的是SENLAN變頻調速器，型號為BT40D。計算機CPU為Intel Core i7—2720QM，8GB內存，500GB硬盤。

圖1 測量系統結構

1.2 工作過程

進行測量工作時，如圖1所示，料倉開始平穩放料，堆積在輸送帶面上輸送通過線激光掃描區，輸送帶的運動方向與線激光器的光束垂直。首先，激光器投射出來的線激光條紋打在被測稻谷表面，隨著輸送帶的傳動，線激光器光束不斷掃過稻谷，輸送速度由運動控制器上傳至計算機，同時與線激光器光軸在同一平面的工業相機開始實時采集圖像進入計算機處理。整體測量系統流程如圖2所示。

圖2 測量系統流程

2 谷粒瞬時流量測量算法

2.1 實驗參數標定

標定光路如圖3所示，線激光投射到三棱柱上，反射后的光線經過光學透鏡在互補金屬氧化物半導體(complementary metal-oxide semiconductor,CMOS)面陣傳感器上成像，根據光路間的三角幾何關系[10]，即可測得三棱柱表面映射點的三維坐標。其中O為光學透鏡的中心，M′,P′分別為最低點M,三棱柱頂點P兩點在CMOS成像平面上的像點，θ為入射光線與最低點M反射光線的夾角，α為最低點M反射光線與CMOS成像平面的夾角。

圖3 標定光路

(1)

式中h為物體實際高度,B為最低點成像物距,d為物體在CMOS平面成像位置與最低點成像位置的偏移距離,b0為物體成像像距。

(2)

標定過程中,取如圖4所示的直角三棱柱，其規格參數為：l=70.36 mm，w=30 mm，h=35.3 mm，c=50 mm。通過對其放置不同的姿態進行拍攝，經數字圖像處理后，得出幾組h與d的關系式，求得k1=3.58，k2=0.004 46，通過插值法可求得成像點對應物體的實際高度。

圖4 標定用三棱柱

2.2 算法處理

為了獲取稻谷物料的線激光輪廓的邊界點，首先提取感興趣區域(region of interest,ROI)圖像，確定ROI為1 280像素×500像素，并對采集到的圖像進行預處理去噪，消除采集過程中環境光的干擾因素，采用5像素×5像素模板的中值濾波算子進行濾波處理[11]，中值濾波后的圖像如圖5(a)；利用極值法檢測線激光輪廓邊界并提取邊界，極值法的基本原理是將結構光光條橫截面上灰度值最大的點作為結構光邊界，如圖6所示，該方法首先識別出結構光光條橫截面上的局部灰度極大值，點(yc,zc)即為求取的結構光邊界坐標；為避免邊界點跳躍，同時設定輪廓邊界閾值Tz=400，當zc>Tz時，以上一邊界點坐標代替此點。該方法算法簡單、速度極快，處理結果如圖5(b)。

圖5 線激光輪廓邊界點坐標提取

圖6 極值法

通過標定結果將線激光輪廓邊界點坐標轉換為對應的稻谷物料截面實際物理高度，如圖7(a)所示，k為當前t時刻拍攝獲取的物料流截面幀數，因相機在y方向(物料截面方向)上分辨率大于1 000，可將相鄰兩點間連線近似看作線性變化，則在第k幀時，第i個梯形微元面積為

ΔS(i,k)=(zik+zi+1k)Δy/2,

i=1,2,…,m,k=1,2,…

(3)

式中m為每幀物料截面邊界特征點數;Δy為y方向像素格之間的距離，由數字圖像處理可得。則在t時刻，稻谷物料瞬時截面積為

(4)

圖7 物料流瞬時流量數學模型

設帶式輸送機以帶速v(t)水平向右運輸稻谷物料，則S(1)，S(2)，…，S(n)為第1，2，…，n幀線激光物料流輪廓截面面積，如圖7(b)所示。設t時刻，物料流瞬時截面積為S(t)，則瞬時體積p(t)為

(5)

式中f為相機幀率；v(t)為輸送帶帶速，由運動控制器測出,則在t時間內，稻谷物料體積為

(6)

式中n為單位時間內物料流截面面積個數。

3 實驗與結果分析

為了探究不同物料體積及不同運輸速度對整個測量系統的影響，將開發的測量系統搭建于南京農業大學工學院的江蘇省農業智能化裝備重點實驗室內，實驗被測物料為產自安徽蕪湖的早秈307稻谷，通過基于VS2010開發的物料流激光輪廓數據采集與處理軟件實測帶式輸送機通過物料的體積流量值。本實驗分別采集了帶式輸送機電機運行頻率f=5 Hz，f=10 Hz，f=15 Hz，f=20 Hz，f=25 Hz對應帶速分別為v1=8.75 cm/s，v2=17.5 cm/s，v3=26.25 cm/s，v4=35 cm/s，v5=43.75 cm/s,料倉谷粒體積為V1=7 681 cm3，V2=13 908 cm3，V3=22 694 cm3下3種不同容積時水稻物料的體積測量值。為了保證測量數據的有效性及準確性，本文對3種不同體積水稻物料，在5種不同帶速下重復測量10次，取相對誤差絕對值的平均值，結果如表1所示。

表1 帶式輸送機谷物瞬時體積流量實測值

4 結 論

1)最小誤差為1.45 %，出現在輸送帶速度為8.75 cm/s,測量總流量為7 681 cm3時；最大誤差為4.64 %，出現在輸送帶速度為43.75 cm/s,測量總流量為22 694 cm3時；試驗測量值與物理測量值整體誤差在5 %以內，說明本系統測量精度高。

2)隨著速度的增加，系統測量誤差呈上升趨勢，且在大帶速時，測量系統誤差波動更大；隨著體積的增加，帶速對測量系統誤差的影響在減弱。

3)誤差分析

拍攝誤差：根據重復實驗結果的誤差分析可知，由于攝像機的幀率不能保持恒定，在某些時刻出現跳幀現象，因此步長發生變化，導致誤差波動。

模型誤差：由于物料流表面形狀是不規則的，所采集到的物料流截面輪廓也在不斷變化，而本研究所采用的基于梯形面元積分的物料流瞬時流量計算模型中，假設2幀時間內物料流截面積與前幀面積相同，因此存在誤差。而隨著輸送帶速度的增加，步長增大，誤差也隨之增大。

流量堆積誤差：隨著物料流量的增加，誤差被不斷累積，因此誤差相對低流量時更大。

改進建議:降低輸送帶速度；選擇更為先進的攝像機；改善物料瞬時流量計算模型。通過這些途徑，可以穩定步長、保證幀率，使計算模型更加準確，減小誤差的堆積，從而切實、有效提高帶式輸送機物料瞬時流量測量精度，降低誤差。