基于機器視覺的散料裝車控制系統

王貴蘭 徐小華

摘 ?要：隨著圖像傳感器和圖像處理技術的迅猛發展，機器視覺技術應用越來越廣泛。把機器視覺技術應用于散料裝車控制系統變為可能。本文通過對作業對象狀態的圖像采集，并對圖像進行了分割、識別、特征提取和定位，從而形成了基于機器視覺的散料裝車控制系統。

關鍵詞：機器視覺;散料裝車;圖像處理

Study of Bulk Material Loading Control System Based on Machine Vision

Wang Guilan ? Xu Xiaohua

（Xingtai Polytechnic College，Xingtai，Hebei，054035，China）

Abstract：With the rapid development of image sensor and image processing technology，machine vision technology is used more and more widely. It is possible to apply machine vision technology to bulk truck control system. In this paper，through image acquisition of working object state，image segmentation，recognition，feature extraction and positioning，a bulk truck control system based on machine vision is formed.

Keywords： machine ?vision，bulk ?material ?loading，image processing， fuzzy-PID cascade control

散料裝車系統廣泛應用于各個工程領域。其目的是在車廂里裝盡可能的物料，目前主要由人工通過語音來控制實現，從而不但造成了人工裝車作業容易受人工經驗的影響造成物料裝載質量不高，而且容易產生疲勞引起事故并且效率低下。

1.系統整體方案設計

本論文把機器視覺引入到散料裝車控制系統中來，通過對視覺系統功能分析、硬件結構設計和圖像檢測算法方案的確定，經過調試可以發現一方面可以通過詳細完整的卸料裝車作業圖像信息提高物料裝載的質量，另一方面可提高作業效率、減少事故發生。

系統的整體方案設計主要從三個方面展開：視覺功能分析、硬件結構設計和圖像檢測算法方案。其中硬件結構設計由控制模塊、視覺模塊和執行模塊三個部分組成;圖像檢測算法方案主要針對料門位置開度算法的研究和料堆輪廓的圖像處理。三個方面全部完成后進行聯機調試，根據調試結果再對方案進行調整修正直到達到目標要求。

2.視覺功能分析

散料裝車作業希望物料在車廂盡可能的均勻分布，以便于能夠多載料和車廂載荷分布均勻。散料裝車系統的基本功能是料位檢測，傳統的檢測都是靠人工憑經驗觀察確定并通過語音傳遞，其檢測結果誤差大，而利用機器視覺技術能夠把一定范圍內完好的料堆圖像曲線從作業圖像中檢測出來，并實時得到的料堆自然堆放角。在卸料時，可以通過顯示器實時觀察真實位置與卸料門位置檢測結果的誤差，從而更容易發現卸料門開度的故障問題，因此卸料閘門開度是料位控制的重要環節。

3.硬件結構設計

散料裝車機器視覺控制系統的硬件按照功能的不同可以分為視覺模塊、控制模塊和執行模塊。視覺模塊負責圖像的采集與分析，包括光源、工業相機、圖像處理的計算機及顯示器。控制模塊是圖像處理的計算機的下位機，也就是PLC控制器及電源。執行模塊包括卸料閘門電機和車輛驅動電機。

4.圖像檢測算法方案

4.1 料門位置（開度）算法研究

經過對多種具備旋轉和光照魯棒性的匹配方法研究，有兩種方法比較適合于料門檢測定位：基于尺度不變特征點的方法和基于圓投影變換的方法。由于散料裝車作業圖像中運動物料復雜，因此用圖像灰度分布特征對卸料閘門位置進行模板匹配檢測。在上述兩種方法中，基于圓投影變換的方法具備旋轉不變性且實時性的要求，并可經過對各圓環特征描述及提取方法的調整，使算法在魯棒性與實時性之間進行適量的均衡，因此本文采用圓投影變換來研究卸料閘門位置匹配檢測算法。

4.2 料堆輪廓檢測算法的研究

由于料堆輪廓圖像紋理特征描述復雜，提取特征時計算量大，因此料堆輪廓檢測實質上就是圖像分割問題。鑒于此，采用固定分塊后再識別的方法即先將輪廓圖像劃分為固定大小的不重復的矩形子塊，然后根據子塊的紋理特征將所有子塊識別為料堆或背景物。因為子塊的紋理特征和類別屬性都可以提前得到，所以本文采用了支持向量機分類器識別子塊，并進行離線的模型訓練。在分類器的識別過程中，大部分子塊都能夠正確的識別，但仍存在誤識別的子塊，也就是說誤識別的周圍子塊大多被識別為背景物，而漏識別子塊周圍大多被識別為料堆。對于誤識別和漏識別的子塊，本文采用基于馬爾科夫隨機場圖像分割理論來恢復。

5.實施效果

通過研究和試驗得出以下結果：

（1）支持向量機的子塊識別準確率達到94.8%;

（2）分割準確率達到98.5%;

（3）不重疊分塊下較少馬爾科夫隨機場圖像節點數以及僅對邊緣位置子塊進行標號更新，使算法具有較好的實時性，600×270像素圖像下平均每幀檢測速度為9.5ms。

通過以上數據可以看出，基于機器視覺的散料裝車控制系統的性能相對于原有系統有了很大的提高。

參考文獻

[1] ?張弛，基于機器視覺的智能控制與圖像識別問題研究，蘇州理工大學，2009.4

[2] ?王東慧，基于機器視覺的智能控制定位檢測系統的研究，上海工程技術大學，2011.12

[3] ?田明銳，基于機器視覺的散料裝車控制系統研究，長安大學，2015.12

作者簡介：王貴蘭（1980-），女，河北邢臺，漢族，講師，碩士，研究方向：檢測技術和電力電子技術。