基于嵌入式系統的智能在線分揀系統研究

儲玉芬

智能在線分選系統是將自動化、機械化和信息化結合在一起的新的技術設備，近年來，隨著大批量生產速度的增長和市場對產品質量穩定性要求的提高，人工分揀的方式已經不能滿足市場需求。智能在線分選系統的研制具有重要的工程意義和廣闊的應用前景，并且隨著物聯網技術的高速發展，在線分選裝置正朝著智能化、數字化、網絡化的方向發展。快速、準確、方便、誤差小、多功能化已經成為現代檢測技術的發展趨勢。但仍然存在一些不足，主要在以下幾個方面：1）理論研究存在不足；2）制造工藝及制造技術與國外存在差距；3）產品技術方面與國外相比較為落后；4）互聯網、物聯網技術高速發展，在分選設備上卻未能得到很好的利用。針對以上背景，設計了一種基于視覺識別和稱重的在線智能分選系統，該系統可實現高精度高速度的實時在線分選，并且具備可視化的、可移動的人機交互界面。可滿足高速大批量的生產，具有較高的精度、速度和穩定性，并且在其基礎上增加在線實時管理系統是將現今流行的“互聯網+”的管理模式運用到企業生產線上。

1 分揀系統總體設計

1.1 本系統的總體設計框圖介紹

如圖1所示，系統采用STM32F407作為主控制器，獲取Android端發來的圖像識別結果，結合稱重傳感器，確定產品的重量和包裝體積，發送控制指令給分選裝置進行產品分選；同時獲取光電計數器發送的計數值，統計各類產品的數量并返回給Android監控平臺。在Android平臺上，利用Java-OpenCV庫進行圖像識別，計算產品包裝大小，與下位機傳送來的數據結合，對包裝進行分類，發送分選控制指令給下位機，對分選臺進行控制。同時，在Android平臺上可以對產品類別進行設置，并統計不同類型產品的數量，并實現多機通信，可同時對多個生產線進行監控。STM32通過WiFi模塊將生產管理數據上傳至云平臺，可由移動端遠程監管操控。

1.2 系統機械結構設計原理

圖2 機械系統設計圖

系統機械結構如圖2所示，不同型號產品由傳送帶送入分揀裝置，首先由光電開關對通過的產品進行計數，分揀臺上方有CCD對產品進行拍照，傳入Android平臺進行圖像處理，將識別結果送入下位機。下方稱重傳感器對產品進行稱重，兩路數據由下位機采集，綜合圖像處理結果進行計算、存儲，根據用戶設置將產品的重量、體積進行對應分類，計算相應撥桿啟動和執行的時間，控制撥桿完成分選。

2 STM32數據采集、控制模塊

稱重傳感器選用HBM傳感器公司的單點稱重傳感器型號為PW6DC3MR，該傳感器適用于動態測量，其量程為20kg，符合該分揀系統的量程要求，系統采用5V的激勵電壓，靈敏度為2.0±0.2mV/V，滿量程的輸出電壓為10mV，采用四線制連接。稱重傳感器的輸出電壓由AD7190采集，該模數轉換器集成了隔離、濾波、放大電路，內置可編程增益，可將毫伏級的稱重傳感器輸出信號放大到可以轉換的電壓級別，具有精度高，低噪聲等特點，AD7190通過SPI總線與STM32通信，放大增益采用128倍，采用連續轉換方式，以外部中斷方式傳遞給STM32。

圖3 STM32采集控制模塊

計數模塊采用OMRON對射式E3Z-Laser NPN光電開關進行檢測，將激光發射器和光電管安裝在工作臺，當物品經過時，接收管接收到的光發生明暗變化，STM32通過定時中斷來讀取光電開關狀態，并記錄遮擋次數，通過光線被遮擋和恢復的時間節點，可判斷物品經過的時間和大致寬度，并通過傳感器位置和皮帶運動速度計算稱重傳感器的稱重采樣時刻。

采集光電開關數據之后，通過50Hz的AD采樣頻率，產生外部中斷采樣稱重數據，根據數據的變化大小判斷稱重數據為靜態數據或動態數據，若為動態數據，則比對計算行程結果，確定有效稱重數據，進行存儲。

STM32接收Android發來圖像識別分類結果后，根據分類，稱重數據控制撥桿啟動，完成分選。同時將分類計數數據傳遞給Android，STM32與Android通過串口進行通信。模塊原理如圖3所示。微控制器程序設計流程圖如圖4所示，程序初始化后，通過中斷讀取光電開關、AD采樣數據，根據兩路數據判斷是否開始存儲稱重數據，直至產品離開稱重臺。通過動態稱重和光電開關遮擋時間計算出有效稱重值，并讀取Android平臺的圖像處理結果，控制撥桿并完成分選。

圖4 STM32微控制器程序流程圖

3 OpenCV圖像識別模塊

對于在線識別技術，傳統的方式是基于PC機，采用OpenCV由VC++實現的，由于PC機體積較大，不能滿足便攜式的要求，操作上不如Android直觀方便，因此圖像識別基于Android平臺采用Java OpenCV-3.2.0視覺庫進行開發。模塊設計流程分為物品實時圖像采集、預處理、邊緣提取、映射四個部分，在攝像頭打開后調用打開攝像頭方法獲取實例，再獲取預覽幀數據。再對其進行預處理、圖像轉矩陣，將圖像灰度化、圖像增強、平滑去噪、二值化，數學形態學及邊緣提取，求矩形框輪廓、特征點，對面積進行計算等。

具體方法如下：獲取圖像后，判斷像素點是否超越邊界，若超出重新拾取，直至均為超出，輸出灰度值。之后采用直方圖均衡化的方法對灰度圖像增強處理，即統計每個灰度出現的次數，進行歸一化處理，替換為新的灰度值。得到新的灰度圖像后，進一步對其進行中值濾波進行降噪，重新抽取像素點，取平均值進行替換，程序流程如圖5所示。再對灰度圖像進行二值化處理得到黑白圖像。

獲取二值化圖像后，采用低錯誤率的Canny算法進行邊緣檢測。先對二值化圖像進行高斯濾波，再計算像素點梯度值，判定是否為局部最大，設置灰度值。計算高低閾值判斷邊緣點，將邊緣點連續得到輪廓，最后求出物品映射在工作臺上的面積，由此判定物品的分類。將分類結果發送至STM32。

圖5 圖像預處理流程圖

4 基于Android的可視化人機操作平臺

在視覺識別的基礎上設計了用于生產管理的Android可視化人機操作平臺，如圖6所示，在側邊欄中具備多條生產線的監控選項，生產線管理員登錄后，根據登錄的用戶級別，可按管理員權限實時顯示產品總數，產品包裝類別及其圖像、重量、大小，高級別管理權限的用戶點擊設置可以進入產品分類、重量的設置，以及選擇是否自動發送消息至手機端。

圖6 Android人機操作平臺

5 云存儲與移動端監控

本系統采用云服務器作為數據存儲和移動端通信的服務平臺，與傳統的物聯網開發相比，具有較多優勢，傳統開發需要搭建基礎設備，和額外開發部署安全措施，服務器等基礎設施成本較高。云服務在設備接入上，提供了不同環境的SDK，支持度廣，服務器穩定，且一站式管理，簡單易用。

STM32微控制器作為主控平臺的同時也作為網關，通過串口連接ESP8266-wifi模塊，接入云服務，本系統采用機智云服務器作為產品開發的云平臺，其服務平臺提供完善的SDK和App框架，支持移動端的Android、IOS、和微信小程序的應用，且能自動生成MCU工程代碼框架，快速實現感知層-應用層的快速銜接。在開發者中心中創建產品，添加新建產品分類的規格，生產線統計的分類結果等數據點，采用Wi-Fi/移動網絡方案，數據傳輸為定長方式。設置完成后輸入產品密鑰下載MCU代碼包與原代碼進行整合。下載移動端開發的SDK，導入原工程項目。

圖7為手機App測試截圖，用戶登錄后，進入生產線管理系統界面，可以顯示出當前分選的產品分類和數量，并且可以對分類產品進行重量設置調整。

圖7 移動端生產線管理系統界面

6 結語

實現了以STM32F407為主控制器的互聯網+定量包裝產品的在線分選系統，通過動態稱重、視覺識別對多種產品進行分選，利用行程與動態稱重計算出有效重量，采用基于Android平臺的Java-OpenCV庫實現圖像識別，確定包裝尺寸。主控制器將分類信息和統計的產品數量傳入Android平臺用于生產線管理，同時發送至機智云服務器，用于移動端的實時監控。經過測試表明，產品識別分選正常穩定，通信模塊工作狀態較好，云端服務能夠實現實時交互。能夠滿足生產要求。