基于機器視覺的工件自動分揀系統研究

梁涵

摘?要：對工件識別過程中，對于機器視覺技術的應用進行了一定的分析，并且簡要地介紹了主要圖像處理算法。在此基礎尋求有效方法，對自動分揀系統決策方面提供一定的支持。

關鍵詞：機器視覺;圖像處理;模式識別;工件

中圖分類號：TP391.41文獻標識碼：A

doi：10.14031/j.cnki.njwx.2019.02.008

1?基于機器視覺的工件自動識別算法

一般情況下，可以將工件識別算法具體分成待測物識別與機器視覺兩個部分，前者主要是通過CCD成像之后與標準模板進行對比，該成像圖可以在計算機的內存之中進行暫時存放。而后者屬于通過標準模板CCD呈現來對待分揀物的模板進行構建，并且隨后將其在計算機硬盤之中進行存儲。在對零件是否為同類進行判斷的過程中，可以根據相似度來進行判斷，如果是同類零件，可以將其分揀到指定的通道之中;如果不是同類零件，則需要繼續進行循環的判斷。

整個檢測過程可以按照下面的流程進行：CCD→ 構建待分揀物品模板→ 存儲。

2?關鍵算法

2.1?圖像預處理

在對圖像進行預處理的過程中，主要目的是對圖像數據之中的信噪比進行提高，并且抑制背景噪聲，使圖像后續處理過程中的壓力得到減輕。成像零件識別過程中會由于圖像噪聲而帶來誤差，本次研究之中圖像去噪方法所應用的是加權平均濾波法。

通過對加權平均濾波算法進行利用，能夠使圖像邊緣細節得到保留，由于該算法的重點是選擇領域的形狀、大小以及方向，在加權平均濾波算法之中，我們將處在領域中心位置，待處理的像素點稱之為中心像素點，對權值進行選取過程中的原則主要是：

（1）對于中心像素點需要賦予比較大的權值，而其他像素點的權值相對比較小。

（2）依照與中心像素點的具體距離來對權值加以確定，如果是較近距離的像素點，則需要賦予比較大的權值，而如果是距離比較遠的像素點，則需要賦予一個較小的權值。

（3）依照與中心像素點灰度值的接近程度，來對權值進行確定，如果灰度值與像素點越接近，便賦予比較大的權值，如果較遠，則需要賦予較小的權值。

2.2?目標物位姿檢測

因為待測物體偏轉角度、成像位置與模板物會有一定的偏差，基于這種情況就必須將這個位姿偏差檢測出來。隨后再通過對仿射變換進行應用，來使這兩個圖像都處在一個相同的坐標之中，在這種情況下對兩個圖像進行比較。本文所提到的是一種以機械零件圖像邊緣輪廓形心和最小外接矩形圖像配準方法作為基礎和前提。該方法主要是通過對圖像邊緣輪廓的形心為之進行確定，以及對于坐標軸與最小外接矩形特殊邊之間的夾角進行確定，來將圖像的仿射變換參數得出來，這樣能夠使機械零件圖像的配準工作得到完成。

2.3?圖像仿射變換與相似度判斷

由于工件放置的過程中具有一定的偏差，由此就會造成數據庫之中的標準零件形心坐標與待測零件的形心坐標不可能一致，基于這種情況就需要通過圖像位姿的旋轉、變換以及評議來使兩個圖像能夠重合。經過仿射變換之后的零件會與標準末班零件應用圖像像素相減和求和之后來進行比較，并且應用相似的面積與末班零件的最大面積之比來將其作為相似度。如果相似度比某個閾值大的話，我們便可以認為這個待測的零件和模板的零件屬于一個同類的零件;如果相反，則可以認為二者不屬于相同類型的零件。

2.4?算法驗證

首先需要針對待測物做加權平均濾波進行計算，隨后應用這一算法來對零件的形心與旋轉角度做出檢測，檢測得到的結果為，模板A、B、C、D對應的角度為-86.86°、-56.84°、-1.16°、-51.56°。

通過上述的檢測數據可以對兩個零件旋轉角度與位置偏差進行計算，分別對仿射變換進行利用，來與標準模板做出對比，隨后可以得出數據：零件A、B與模板a比較值分別為0.94、0.23，與模板b的比較值分別為0.26、0.96。

3?工件分揀運動的實現

通過圖像處理算法求取出來的工件形心位置，能夠為機械手抓取提供一個坐標點，上位機可以將經過處理之后得出的坐標點作為控制參數，來發出運動控制卡。在運動控制卡之中，會提前在編寫出來的底層控制程序之中，賦上包含接收位置參數的變量，隨后在參數被變量接收到之后，會發出驅動脈沖來對伺服電機進行控制。由此便能夠使Z軸在工件上方位置得到精準的定位，并且在之后通過控制Z軸下降和由氣動夾爪對工件進行抓取，來使目標抓取功能得以實現。

4?結束語

基于機器視覺的工件自動分揀系統，是一個較為開放的平臺，后續對多種用途系統的開發，屬于一種較為有益的嘗試，可以進一步將其應用在零件尺寸較為復雜和形狀誤差的檢測過程之中。

參考文獻：

[1] 杜恩明，張仁朝.基于機器視覺的自動分揀碼放系統研究[J].包裝工程，2018，39（15）：194-198.

[2] 肖仁，吳定會，歐陽洪才.基于機器視覺的自動分揀系統設計研究綜述[J].智慧工廠，2017（09）：43-48.