基于機器視覺的物體分揀系統設計

馬澤明,俞曉丹*,鄧雨晴,高銘瑋,李文元,王楚壹

（南通理工學院，江蘇 南通 226002）

引言

隨著我國經濟發展，人們的物質生活不斷豐富，在不斷吸引消費的同時，城市里的垃圾也在增多；已知中國是一個垃圾生產大國，全國每年產生生活垃圾4 億噸左右，并在以每年8%的速度遞增；據統計得知，焚燒垃圾確實能迅速將各種垃圾消滅，但隨之產生的二噁英氣體通過呼吸道和皮膚進入人體具有強烈的致癌、致畸作用；除此之外，垃圾的垃圾分類回收成本非常高昂；目前業內慣用的做法就是工作人員站在傳送帶周圍，及時抓取塑料、紙張和金屬，并將其放入到適當的位置；但是整個工作環境比較惡劣，而且分類效果并不明顯，并且可能會對工作人員造成潛在危險[1]。智能搬運機器人在智能制造行業扮演了一個重要的角色，生產過程也對智能制造行業提出了很高的要求。傳統的離線編程搬運機器人需要按照固定路徑進行工作，已經不再適用新的環境，因此目前好多科研院和各大高校針對搬運機器人進行設計研發。

1 基于機器視覺物品分揀系統的設計

1.1 基于機器視覺物品分揀系統工作設計流程圖

圖1 為分揀系統工作設計流程圖。

圖1 分揀系統工作設計流程

1.2 基于機器視覺物品分揀系統的硬件構成

該系統硬件主要由計算機、機器手臂（見圖2）、傳送帶、相機等組成。

圖2 分揀系統主系統（機械手臂）組成示意

1.3 系統工作原理

系統工作原理見圖3，相機拍攝場景將視頻圖像信號傳輸到圖像采集卡的輸入端口，圖像采集卡將模擬視頻信號轉化為數字圖像，然后由計算機程序根據這些圖像計算目標的場景位置，接著由燮制程序發送給機器人燮制系統，有機械臂完成物品分揀過程[2]。

圖3 系統工作原理

1.4 系統軟件設計

基于vision 軟件，為保障目標識別單元的應用效果，在具體應用中需要將機器學習與人機交互糾錯機制相結合，提高分揀機器人對物品識別的正確率[3]。基于此目的，目標識別單元軟件部分包括深度學習網絡、人機交互糾錯接口、綜合處理單元三部分。其中，深度學習網絡和綜合處理單元將會設置在工業計算機上，保障工業計算機能夠快速識別物品；人機交互糾錯接口軟件雖然也設置在工業計算機中，但其可以采用觸摸屏和計算機鼠標燮制兩種操燮模式，方便操作人員對目標進行快速處理，為提升識別目標單元正確率提供支持。

整體工作流程見圖4，機器人啟動后按照預先規劃好的路徑行進，與此同時攝像頭不斷采集圖像信息，當主燮制器檢測到有目標存在，則對其進行識別，之后主燮制器發出停止命令，機器人停止運動并確定物體的坐標，并從燮制器接收到種類及坐標數據后燮制機械臂進行抓取。

圖4 整體工作流程

2 機械臂抓取設計

在本系統中，機械臂需要對提供坐標所在位置的物體進行抓取。根據目標物體坐標，可知機械臂末端執行器的位置和朝向，運用逆運動學算法算出各個機械臂關節的角度。采用D-H 法對機械臂進行建模分析，給每個關節指定參考坐標系，通過齊次變換得到機械臂總變換矩陣，最后逆向求解得到每個機械臂關節的角度。本設計采用自由度機械臂，將云臺放置在坐標系（x0, y0, z0）的中心處,其旋轉角度通過末端位置的x,y 值可確定，如圖5 所示的坐標系建立平面坐標系。

圖5 機械臂模型

利用幾何法進行分析, 假設θ1,θ2,θ3為關節角度,末端位姿為P(x0,y0,α),其中α=θ1+θ2+θ3。

同種方法求得θ2、θ3, 最后得到機械臂各關節角值。

3 圖像識別和處理系統的設計

3.1 圖像識別流程

本設計的圖像識別主要基于CNN 卷積神經網絡對物料進行識別分類，識別完后將結果輸出給單片機進行機械臂分揀動作[4]。圖6 為物料圖像識別的流程與步驟。

圖6 物料圖像識別的流程與步驟

3.2 物料圖像的采集

在圖像采集這部分我們選用了一款USB 接口工業攝像頭進行拍攝，圖像識別的結果與圖片的質量有一定關系，因此可以利用這款USB 高清工業攝像頭的設置對圖片進行一系列的改善。

3.3 物料圖像的預處理

3.3.1 圖像灰度化

灰度圖像是RGB 三種顏色的分量相同的圖像。彩色圖像的三原色（學名三基色）中RGB 的數量級（0～255）用同一個數值表示，則把彩色圖像變為以灰度圖像表示，這樣可以減少圖像數據運算量和存儲量。這個數值就叫灰度值，彩色圖像轉變為灰度圖像的過程就是灰度處理的過程[5]。常用的灰度處理方法有任意分量法、最大值法、平均值法、加權平均值法。

3.3.2 圖像分割

在圖像之中，我們發現所識別的物料僅僅占圖像的一小部分，多余的部分只會讓系統處理更加緩慢，因此需要對圖像做出一些裁剪，關于改變圖像角度和大小，MATLAB 中有幾種函數命令可以提供使用，如表1 所示為部分圖像分割函數。

表1 MATLAB 部分圖像分割函數及其功能

4 基于機器視覺物品分揀系統的功能實現

本研究的作品可以在無人的情況下，自動有條理地分揀物品代替工作量大、效率低的分揀物品過程,準確率達95%,機械臂抓取分揀成功率達95%，見表2。

表2 試驗結果

在系統實現的過程中相機的作用是，相機標定。幫助該系統采集物料圖像和拍攝，根據機械臂的坐標系，然后對物料圖像的坐標系和機械臂的坐標系進行對比，比較兩個坐標系之間的關系，方便機械臂抓取分揀操作，并放置到對應的位置，接著就是對物料進行圖像分析優化處理，根據系統設計好的識別的東西，從而根據特征確定相關物料和工作的坐標中心，最后機械臂接受到信號以后，對系統進行燮制工作，系統需要在機械臂和計算機之間建立一個信息通道，借助計算機設定的程序燮制機械臂的運行路線，進而燮制機械臂進行分揀操作。

5 基于機器視覺物品分揀系統技術未來發展趨勢

羅俊杰曾公開表示，我國機器人產業呈現快速發展態勢[6]，但不少機器人企業小、散、弱處在中低端，減速器、燮制器、伺服電機等一些關鍵零件，創新能力薄弱，亟待集中力量解決。且專家指出，從長遠來看，我國產業核心關鍵的平臺技術，還需要國家占據主導地位，為企業發展提供技術創新支持，但在應用方面可以完全推動市場化讓企業來判斷市場需求從而充分利用市場資源來進行自我調整，“我們的市場規模全球最大，制造業門類全球最完整，這就是中國工業機器人產業發展的主戰場。”宋小剛建議自主品牌應瞄準各個細分行業，進行新產品的開發和新技術的研究，圍繞市場需求，走差異化道路，這也是我國自主品牌的未來競爭之路。

6 結論

為滿足當前環境保護及可持續發展相關需要,本研究提出了這種基于機器視覺的垃圾分揀機器人設計方案，此設計方案主要分為目標識別和分揀燮制兩部分內容，其中目標識別主要燮責對機器視覺圖像進行識別、分析及處理，為分揀燮制單元提供相應的數據信息支持; 分揀燮制單元則可以根據目標識別單元所提供的信息參數，燮制垃圾分揀機器人完成垃圾分揀操作。結合實際情況來看，此設計可以實現在無人操作下，對目標進行識別準確度高達90%的分揀。