基于機器視覺的工業機器人分揀技術探索

宋立冬

摘 要：近年，我國制造業在智能制造方面飛速發展，為機器人技術和視覺技術發展提供良好的技術支持，尤其是視覺技術，備受各行業領域關注，廣泛應用于各種生產行業中，不但提高了生產效率且實現了機械自動化生產，例如醫藥生產以及食品包裝等。對此，本文結合相關技術的實際應用情況，對機器視覺技術、基于機器視覺的工業機器人分揀系統及技術等詳細探究，為基于機器視覺的工業機器人分揀技術應用與普及提供有力支持。

關鍵詞：機器視覺;工業機器人;分揀技術

前言：

當前，世界各國人力成本暴增，許多公司存在復雜生產環境工人老齡化，招工難、生產效率瓶頸，導致產品供不應求等痛點，極大的阻礙了公司的進步，以及社會的發展進程，而隨著科學技術的創新和迭代更新，不斷進步，讓我們不論是在生活中還是生產活動中有了更多的選擇，能夠使用新技術、新設備去替代人工做目前人工不能做的事情，或人工正在做的機械化、工作環境危害比較大的工作。工業機器人技術和視覺技術，經過長達幾十年時間的發展，不斷在工業、制造業領域等進行技術落地，未來在仍然會有很大的需求，而基于機器視覺的機器人分揀技術勢在必行，不可替代，需不斷提升其技術水平和服務能力，使其達到滿足高的需求。在生產自動化領域各行業領域具有的作用

1 機器視覺的基本簡述

機器視覺技術屬于人工智能技術的一種，在具體應用中，使用機器視覺代替人眼進行測量與判斷。對于機器視覺系統，包括圖像采集設備以及圖像處理設備，圖像采集設備指的是2D相機、3D相機、X射線、超聲等，拍攝目標物并轉化成便于識別的圖像數據，上傳至圖像處理系統，圖像處理系統基于圖像數據的像素分布、亮度、顏色、深度等信息，進行計算和處理，提取目標特征和計算目標的姿態、判斷目標形態等計算或判斷，從而根據計算結果對設備進行控制。現階段，該領域技術涵蓋AI技術、圖像處理、自動化以及計算機技術等。

2 基于機器視覺的工業機器人分揀系統分析

基于機器視覺的工業機器人分揀系統，是借助機器視覺系統對傳送系統上到位的目標物進行圖像采集和目標物識別、定位，通過網絡傳輸設備將識別和定位結果發送給機器人，機器人根據預先設置好的參數以及定位數據對目標物進行抓取并根據工件類別放到指定的位置，使其流到下一個工序，在無人工干預的情況下，循環執行，直到當前生產任務完成，系統之間的各個環節緊湊連接，有序運行，促使目標物分揀準確率與效率得到充分提升。

在發達國家該技術已經非常成熟，開始廣泛應用于人們生產以及生活中，目前機器人分揀系統工作效率能夠達到300件/min以上，同時可以長時間保持此種強度工作。而我國在此方面研究時間較短，在21世紀之前，我國基本上借助進口工業機器人滿足相關生產需求。在2003年機器視覺方面才陸續開展相關研究工作，在2007年開始出現相關科技公司。

3 基于機器視覺的工業機器人分揀系統構成

以KUKA通用機器人為模型建立機器視覺工業機器人分揀系統。從功能組成層面進行分析，分煉系統主要由機器人系統、視覺系統、控制系統、機械抓手組成。

機器人系統主要包括機器人本體、控制柜、示教器，本體是執行機構，控制柜是機器人系統的核心，是機器人的計算中心和感應中心，示教器是指令傳輸工具，通過示教器來給機器人布置工作任務，調參等。

視覺系統包括圖像采集設備和圖像處理設備，標定工具，圖像處理軟件系統，圖像采集設備的種類有很多，目前常用的有2D相機、3D相機、智能相機、超聲傳感器、X射線采集設備、光源等;圖像處理設備包括嵌入式工控機、工作站、服務器等高性能計算設備;標定工具則用來校正圖像采集設備的內部參數或計算與機器人系統之間的關系;軟件系統則覆蓋各類圖像識別、計算任務和用戶界面等。

控制系統包括氣控系統、液壓系統、電控系統、主要由各類電氣元器件組成，通過控制系統對分煉系統所用的抓手進行抓、放操作。

機械抓手通過連接接口安裝機器人末端，根據控制系統的指令，完成目標物的抓放動作，主要包括各種適應分煉目標物的氣動、電動或液壓驅動抓手，抓放的過程中不能對目標物有損害。

4 基于機器視覺的工業機器人分揀技術

4.1 相機校準

系統在正常運轉之前，需要借助相機標定工具對相機進行畸變校正和手眼標定，該工作是圖像采集系統圖像采集質量和分煉系統視覺定位精度的基礎保障。從本質上分析，相機畸變校正是為了消除由鏡頭本身結構所帶來的采集圖像邊緣變形，而相機手眼標定是通過采集設備將工業機器人與傳送帶物料、工件等聯系在一起，建立圖像坐標系和空間坐標系，從而實現精準定位物件，在標定過程中，針對不同的視覺系統配置需使用專用的標定工具。

4.2 識別技術

對于識別技術，主要指圖像識別技術。一般開展圖像識別工作時，需借助圖像采集設備獲取工件圖像數據，之后借助相關匹配工具在所有錄入工件信息中具有相似參數的工件。其主要原理是對實時采集的工件圖像和已經錄入的標準圖像，采用圖像濾波、Blob分析、特征提取、邊緣提取、深度學習、模板匹配等技術識別圖像中的特征，或識別檢測目標，對目標進行分類，并根據識別結果數據從而區分不同的分煉目標。

4.3 定位技術

工件定位技術能夠保證工業機器人準確開展相關產品抓取工作，然而若是想要保證相關工件位置的準確性，需要分析采集圖像信息對工件位置進行計算，從而精確定位其位置信息。主要操作如下：第一，建立世界坐標系和圖像坐標系，利用標定工具，進而計算采集系統與世界坐標系的坐標轉換變換。第二，借助機器人系統或物料傳送系統，圖像采集設備去采集目標物料圖像信息。第三，借助圖像處理系統，以及圖像定位算法計算工件坐標系。

5結束語

對于整個分揀機器人系統而言，不僅需要具備良好軟件技術，同時需要具備硬件提供支撐保障?，F階段我國已有屬于自己的工業機器人，可以用于生產領域分煉工作，通過將工業機器人應用到生產線中，能夠充分提升相關企業生產效率。基于機器人視覺技術能夠充分防止出現工作失誤，進而充分提高生產線靈活性。在實際應用中需要對相機校準、識別技術以及定位技術多加注意，以保證該技術應用效果。

參考文獻：

[1]于虹，楊帆，尹惠玲，馬德新，侯景忠. 基于計算機視覺的PCB缺陷檢測技術研究[A]. 中國儀器儀表學會.第六屆全國信息獲取與處理學術會議論文集（2）[C].中國儀器儀表學會：《儀器儀表學報》雜志社，2008：3.

[2]Hao Gang，Sun Shu-li，Li Yun. Nonlinear weighted measurement fusion Unscented Kalman Filter with asymptotic optimality[J]. ?Information Sciences . 2014

[3]邱垚. 基于3D目標識別的工業機器人無序分揀技術研究[D].西安理工大學，2019.

[4]耿青玲.歐姆龍視覺傳感器在形狀與顏色分揀中的應用及影響精度研究[J].機械工程師，2019（04）：83-84+89.