基于圖像識(shí)別的智能裝配車間體系研究

查德翔

?

基于圖像識(shí)別的智能裝配車間體系研究

查德翔

（重慶理工大學(xué)，重慶 400054）

一直以來(lái)，零件裝配車間的主要工作內(nèi)容是通過(guò)工人手工完成車間零件裝配的工作，基于圖像識(shí)別技術(shù)，設(shè)計(jì)出通過(guò)對(duì)需要裝配零件進(jìn)行圖像采集識(shí)別來(lái)協(xié)助工人裝配的智能裝配車間體系，達(dá)到高效準(zhǔn)確的裝配效果。利用圖像識(shí)別技術(shù)的智能裝配車間體系輔助工人裝配，工人裝配的效率將大大提高，并且降低錯(cuò)誤裝配造成的返工成本。

圖像識(shí)別；智能裝配；車間體系；裝配效率

1 引言

為了提高不能由機(jī)器替代的手工裝配的效率和準(zhǔn)確度，以圖像識(shí)別為基礎(chǔ)的智能裝配體系應(yīng)運(yùn)而生。圖像識(shí)別的最初階段是對(duì)零件信息獲取的階段，通過(guò)傳感器獲取的車間零件信息，然后對(duì)零件信息進(jìn)行識(shí)別和預(yù)處理。為了消除原始圖像的噪聲和畸變，去除無(wú)關(guān)特征而加強(qiáng)有用特征，采用數(shù)字圖像處理的各種方法。為了將圖像識(shí)別技術(shù)更好地融入裝配車間，更好地實(shí)現(xiàn)智能管控，需要一套適應(yīng)于圖像識(shí)別的智能裝配車間體系。

2 圖像識(shí)別的方法和技術(shù)

2.1 圖像識(shí)別的基本框架

圖像識(shí)別流程如圖1所示，圖像主要被用作承載相應(yīng)的信息。人類在獲取信息時(shí)有超過(guò)75%的內(nèi)容都是通過(guò)視覺(jué)獲得的[2-3]。

圖1 圖像識(shí)別流程

2.2 圖像預(yù)處理技術(shù)

2.2.1 圖像去噪

對(duì)零件的圖像進(jìn)行處理時(shí)，首先需要對(duì)圖像進(jìn)行過(guò)濾，過(guò)濾的過(guò)程就是減少噪聲的過(guò)程，在圖像信息采集的過(guò)程當(dāng)中，難免會(huì)將一些噪聲也收錄進(jìn)圖像當(dāng)中，因此選用中值濾波算法將噪聲過(guò)濾掉，這種處理圖像的方式不僅可以過(guò)濾噪聲，還不會(huì)破壞圖像中的信息，用于處理零件圖像信息非常適合。

2.2.1.1 空間域?yàn)V波

空間域?yàn)V波包含有線性與非線性濾波兩類[4]。前者主要包含一些常見(jiàn)的均值濾波、空域維納濾波，而諸如中值濾波、自適應(yīng)中值濾波等都屬于后者。

2.2.1.2 均值濾波

均值濾波中計(jì)算方法如下：

式（1）中：（，）是中值濾波后的輸出圖像，其主要通過(guò)*陣列表示；是所包含所有像素點(diǎn)個(gè)數(shù)總和；是中心為（，）的鄰域；函數(shù)是輸入內(nèi)容。該方式存在一定的缺陷，其輸出的圖像不夠清晰，并且通過(guò)公式能看出鄰域范圍和圖像清晰度呈反比關(guān)系。

2.2.1.3 中值濾波

在該濾波中，每一個(gè)像素點(diǎn)灰度值與其周圍奇數(shù)個(gè)像素點(diǎn)灰度值所排序的結(jié)果相關(guān)，也就是說(shuō)處于排序中央部位像素點(diǎn)來(lái)確定上述像素點(diǎn)的灰度值。通過(guò)這種圖像處理方式可以更好地解決椒鹽噪聲，同時(shí)也能夠?qū)D像邊緣位置的數(shù)據(jù)進(jìn)行保留。以二維中值濾波為例，其表示形式為：

（，）=med[（－，－），（，∈）]. （2）

式（2）中：（，），（，）分別為濾波前后的圖像[5]。頻率域?yàn)V波圖像與噪聲之間的區(qū)別來(lái)將后者去除。通過(guò)空間域轉(zhuǎn)變到頻率域變化，就能夠?qū)崿F(xiàn)頻率域?yàn)V波，如我們常見(jiàn)的傅立葉、Harr、余弦都屬于上述技術(shù)。

2.2.2 灰度圖像二值化

灰度圖像二值化的目的在于將圖像中每個(gè)像素點(diǎn)所具有的各自不同的多種灰度值進(jìn)行重新賦值，重新賦值的結(jié)果為0 或255.如果是0，就劃為背景；如果是255，就劃為目標(biāo)[6]。這樣，一幅圖像就由目標(biāo)和背景構(gòu)成，所包含的數(shù)據(jù)量會(huì)大大減少，無(wú)論識(shí)別結(jié)果如何，都會(huì)減少后續(xù)的圖像識(shí)別所需時(shí)間。

設(shè)（，）、（，）分別是待處理和經(jīng)二值化處理所得灰度圖像，則：

式（3）中：（，）為像素點(diǎn)的坐標(biāo)；為閾值。

所以通過(guò)上式可以得出確定的數(shù)值也是進(jìn)行二值化處理過(guò)程重要步驟。增大時(shí)，圖像會(huì)放大背景，縮小時(shí)，圖像則會(huì)放大目標(biāo)。

3 智能裝配車間體系

3.1 智能裝配執(zhí)行過(guò)程

智能裝配車間體系如圖2所示。智能裝配車間體系由零件傳輸系統(tǒng)、裝配工具系統(tǒng)、圖像采集系統(tǒng)、下位機(jī)系統(tǒng)、上位機(jī)系統(tǒng)組成。零件傳輸系統(tǒng)負(fù)責(zé)將需要安裝零件輸送至智能裝配工作臺(tái)，以及裝配結(jié)束后零件的送進(jìn)倉(cāng)儲(chǔ)。裝配工具系統(tǒng)包括裝配工具、裝配零件、一些輔助工具。圖像采集系統(tǒng)為工業(yè)級(jí)別攝像頭。下位機(jī)系統(tǒng)負(fù)責(zé)直接控制工具系統(tǒng)的開關(guān)以及LED燈等，一般為PLC。上位機(jī)系統(tǒng)包括進(jìn)行圖像處理的計(jì)算機(jī)，以及面向用戶的交互控制系統(tǒng)。

圖2 智能裝配車間體系圖以及圖像識(shí)別檢測(cè)的流程圖

零件傳輸系統(tǒng)負(fù)責(zé)將需要裝配的主要零件傳送至智能裝配工作臺(tái)，讓操作工進(jìn)行裝配。進(jìn)入智能裝配臺(tái)之前上位機(jī)接收到拍攝到的圖片，識(shí)別出是哪種需要裝配的零件，此時(shí)傳遞型號(hào)給下位機(jī)，讓其按順序啟動(dòng)需要裝配的工具。工人根據(jù)LED燈使用相應(yīng)的裝配工具，此時(shí)零件箱同時(shí)受到下位機(jī)的控制，通過(guò)LED燈按順序顯示所有需要使用的零件位置，工人根據(jù)指示燈取走需要的裝配的零件，按步驟完成所有零件的裝配。

在工人完成裝配后，圖像識(shí)別會(huì)再一次發(fā)揮重要作用。工人將裝配好的組件放置于待檢區(qū)，攝像機(jī)拍攝圖片傳給上位機(jī)，經(jīng)過(guò)處理之后，上位機(jī)在其數(shù)據(jù)庫(kù)中將實(shí)拍圖片和正確裝配圖片進(jìn)行比對(duì)，從而判斷該零件裝配的正確與否。如果滿足裝配成功條件，則在顯示屏上顯示裝配成功，并通過(guò)傳輸系統(tǒng)送入下一個(gè)區(qū)域，或者將其送入倉(cāng)庫(kù)。如果顯示不成功，則在屏幕上顯示裝配失敗，并顯示出哪個(gè)零件的具體部位出現(xiàn)裝配失敗或者不到位。此時(shí)將裝配失敗的組件返回至安裝區(qū)，工人取下后檢查并重新裝，安裝完成后重新放入待檢區(qū)待檢。

3.2 智能協(xié)助裝配零件和圖像識(shí)別裝配準(zhǔn)確性

在完成零件圖像信息收集、識(shí)別與處理、特征分類等操作之后，就可以根據(jù)圖像信息設(shè)計(jì)一些操作程序，智能協(xié)助裝配零件，完成智能化零件生產(chǎn)操作。不僅如此，還需加入圖像識(shí)別裝配準(zhǔn)確性的程序，這個(gè)過(guò)程主要是為了監(jiān)督智能化零件生產(chǎn)的過(guò)程，在其出現(xiàn)問(wèn)題的時(shí)候及時(shí)進(jìn)行修正。

4 結(jié)論

圖像識(shí)別現(xiàn)在已廣泛應(yīng)用于我國(guó)的各行各業(yè)中，車間裝配體系也逐漸實(shí)現(xiàn)智能化。本文所提出的智能裝配體系有效地提高了裝配準(zhǔn)確度和效率，為智能化車間體系提出了可靠的整體構(gòu)架。將PLC和圖像識(shí)別等技術(shù)融合進(jìn)裝配車間，使裝配車間的智能化進(jìn)一步提高。

［1］Sonka M，Hlavac V，Boyle R.Image processing，analysis，and machine vision［M］.London：Chapman & Hall Computing，1993.

［2］Russ J C.The image processing handbook［M］.Boca Raton：CRC press，2015.

［3］Ekstrom M P.Digital image processing techniques［M］.Pittsburgh：Academic Press，2012.

［4］孫亮.計(jì)算機(jī)智能化圖像識(shí)別技術(shù)的理論性突破［J］.數(shù)字技術(shù)與應(yīng)用，2013（6）：106-107.

［5］Singh R，Randhawa N.Automobile Number Plate Recognition And Extraction UsingOptical Character Recognition［J］.International Journal of Scientific & TechnologyResearch，2014，3（10）.

［6］Lu D.Image recognition system and method：U.S，5031228［P］.1991-07-09.

2095－6835（2019）05－0104－02

TP278

A

10.15913/j.cnki.kjycx.2019.05.104

〔編輯：嚴(yán)麗琴〕