基于圖像處理的新型運輸平臺控制方法

王振 高嘉勝

摘? ?要：我國是物流大國，為了提高貨物運輸效率，近年出現了各式新型運輸平臺，如用大量小型普通驅動輪代替傳統傳送履帶。對于這種新式運輸平臺，文章提出了一種基于圖像處理技術的驅動控制方法。主要思想是：基于Python的OpenMV進行圖像處理識別來分析待分揀物品的大小、顏色等特征，并以小型驅動輪為基礎（驅動輪的主控芯片為51或STM32），控制物品在平臺上的位置和方向，使物品以預定的姿態到達指定的位置，達到自動分揀以及運輸的目的，減少人力、物力。

關鍵詞：運輸平臺;自動運輸分揀;OpenMV庫

近年來，隨著網購消費方式逐漸被大眾接收以及大型企業產品的批量化生產，傳統傳動帶存在運輸效率低、運輸數量少等缺點，已經不能滿足運輸行業的要求。針對這個問題，出現了更加智能化的運輸平臺，加入了自動控制的因素，大幅度提高了運輸效率。國內外對智能分揀平臺的研究也有很多，且發展迅速，目前已經研制出基于全向輪的模塊拼接形式的智能分揀平臺，在一些地方已投入使用。但目前大多數分揀平臺分揀傳送帶種類單一，對如今的物流產業來說還不夠，還有很大的發展空間。

為了更加充分地發揮該智能平臺的優勢，提出了基于圖像處理技術的運動控制方式。旨在將圖像處理技術和物品分揀平臺相結合，通過攝像頭采集物品的圖像，然后通過圖像識別技術得到物品的類型、姿態和位置等信息，再用基于全向輪的智能分揀平臺對物品進行智能分揀，使待分揀物品以預訂的姿態進入預訂的出口。傳統傳送帶通過皮帶或滾筒對物品進行運輸，需要操作人員或機械臂在傳送帶旁對物品進行分揀或姿態的調整。近年來，人工成本愈來愈高，機械臂的使用也會提高成本。將圖像識別技術與多功能分揀平臺相結合，使平臺能同時挑選、調整和分揀物品，甚至能夠實時錄取物品信息，大大節省了成本。

1? ? 圖像識別

通過攝像頭傳回的圖像對物體的類型、位置進行識別。攝像頭類型的選取以及攝像頭數量的使用根據具體使用環境來確定。對圖像的識別是基于Python3.7的OpenMV庫。

1.1? 物品類型的確定

考慮到網購物品包裝上均有條形碼，以及大多數產品都有二維碼或者條形碼作為信息的貼附，所以物品類型的確定可以通過攝像頭掃描二維碼獲得。OpenMV中有關二維碼的庫為Pyzar。將掃描的圖像經過Qrcade-Scanning（）函數處理后獲得物品信息，以此判斷物品類型。

1.2? 物品位置的確定

對攝像頭實時傳回的圖像運用背景減除法進行處理。常用函數為cv2.createBackgroundSubtractorMOG2（）。

或者cv2.createBackgroundSubtractorKNN（）[1-2]，特點是為每個像素點選擇一個合適的高斯分布或者合適的分類規則。這兩種函數中都有一個參數detectShadows，默認為True，會進行檢測并且將陰影部分標識出來以便識別。但這樣會降低處理速度，建議在處理大量圖片時，無須標識陰影部分，僅提取所需信息即可。背景提取后，為了更加準確地確定物品的位置，需要對圖像的閾值等進行再次處理。具體處理方法：首先，將背景分離后的圖像進行二值化處理。其次，在此基礎上運用dilate（）[3]函數對輸入圖像用特定結構元素進行膨脹操作，該結構元素確定膨脹操作過程中領域的形狀，各點像素值被替換為對應領域上的最大值。最后，在經過膨脹操作后的圖像上尋找出運動物品的邊框，使用findContours（）完成邊框的尋找。

上述均是對圖像進行的預處理，只有經過預處理之后的圖像才能給出想要的信息，不然噪聲的干擾會大大降低信息的可靠性和準確度。

使用boundingRect（）函數對圖片中想要區域進行邊框繪制，該函數的返回值包括了邊框在圖片中位置、左上角的坐標以及邊框的寬和高。利用這些信息足以得到物品的坐標位置。因此只要不斷返回坐標位置就可以實時確定物品位置。

2? ? 運輸分揀

基于全向輪的模塊拼接形式的智能分揀平臺，以物品的類型、位置和姿態作為輸入量，控制一個物品以指定的姿態進入指定的位置，實現物品的智能分揀。

驅動輪的控制，即通常意義上的下位機控制。通過上位機，即經過Python的處理后，將圖像中實時提取的信息給下位機，下位機通過比較實時的物品位置坐標和期望的物品坐標位置后，根據位置偏差進行位置控制和調節，直到物品到達指定位置。

一般應用中，驅動輪的控制使用51單片機或者STM32就足以，或者根據具體需要選擇合適的控制芯片。大型工業中的應用務必考慮可靠性和經濟性。

上位機和下位機的通信：根據上位機和下位機距離的長短，可選用的通信方式有串口通信（距離極短，且為有線通信）、藍牙通信（無線通信，較長距離）、WiFi通信（無線通信，較長距離）。

串口通信：Python庫中Serial庫已經非常成熟，可以與51單片機、STM32等進行串口通信。值得注意的是，上位機和下位機的通信端口、波特率等的配置需要一致。同理，藍牙、WiFi通信也可以通過Python庫的配置和下位機控制芯片進行通信。

3? ? 結語

伴隨著現代化技術的高速發展，物流行業的發展趨勢是信息化、自動化。想要提高運輸效率、減少成本，與自動控制相結合是正確的選擇。對運輸平臺的改善必不可少，同時控制方法也需要進行改善，才能相得益彰。

上述控制方法的提出是在充分考慮既有運輸平臺和現有技術的前提下，結合了輕工業發展問題和火熱的圖像處理技術，不僅滿足快速發展的物流行業提出的新要求，而且對已有知識進行了充分的應用。

[參考文獻]

[1]畢波，邵永謙，孫冬軍，等.基于OpenCV的車牌識別[J].電子設計工程，2019（1）：43-47.

[2]唐世豪.基于KNN的手寫數字識別分析[J].通信世界，2019（1）：15.

[3]洪傳豪，丁兵兵，靳偉.基于OpenCv的車牌識別研[J].福建電腦，2018（12）：9-12.