基于機器視覺的機器人物料分揀系統的設計

朱名強，韋娟，老盛林，黃志彬

（廣西電力職業技術學院，廣西南寧，530007）

0 引言

隨著生產技術發展和產業轉型升級，機器視覺在自動化和智能化的應用越來越廣。許多生產工序，采用人工操作，不僅效率低，而且工作質量難以保證，從而影響企業的競爭力。工業機器人具有工作效率與工作質量高、重復定位精度高等特點，在生產自動化過程中，工業機器人代替人工勞動是發展的趨勢。然而，機器人沒有人類發達的大腦和視覺系統，不能隨著具體環境調整運動軌跡，通過機器人視覺可以很好的解決這些問題。機器視覺技術是傳統生產向智能化生產轉變的關鍵。分揀工作在工業生產起關鍵作用，傳統分揀工作多以人工分揀為主，這降低了生產效率，難以保證產品質量。運用基于機器視覺的機器人物料分揀系統，能對不同顏色、不同形狀、缺陷的物料進行準確識別和精準定位，使得機器人能適應各種環境和勝任更多的工作，提高分揀安全性、可靠性和工作效率，促進工業生產智能化水平的提高。

1 基于機器視覺的機器人物料分揀系統組成

基于機器視覺的機器人物料分揀系統如圖1所示，系統由硬件和軟件組成，硬件主要有機器視覺模塊、機器人模塊，機器人模塊實現搬運和分揀功能。軟件運用DobotVisionStudio算法平臺，實現對相機和機器人的控制。物料傳送到相機鏡頭底部，相機對圖像進行采集，DobotVisionStudio平臺對采集的圖像進行顏色識別、轉換、處理，根據不同的顏色，設定不同的搬運和分揀路徑，由機器人實現對紅、綠、藍、黃四種顏色物料的分揀。物料采用25mm×25mm×27mm泡沫塊，重量較輕，顏色對比度較大，利于機器視覺對物料顏色進行識別與測量，易于機器人通過吸盤搬運與分揀。系統組成中的主要部分介紹如下：

圖1 分揀系統組成框圖

（1）機器視覺模塊。機器視覺在智能制造中，是機器的“眼睛”和視覺的“大腦”。機器視覺模塊由相機、光源、支架、計算機等組成，能夠滿足視覺定位、測量、檢測和識別等豐富的視覺應用需求，由DobotVisionStudio算法平臺編程進行控制。機器視覺用于采集圖像，識別不同顏色的物體，能進行連續采集及外部控制采集，功能強大。

（2）機器人模塊。機器人模塊采用Dobot Magician機器人，Dobot Magician機器人是一款桌面級智能機器人，具有多個自由度，用于對物體進行搬運和分揀。機器人上裝有吸盤，用于抓取和放置物料，通過氣泵打開和關閉實現。

（3）Dobot Vision Studio算法平臺。Dobot Vision Studio算法平臺算法組件多、視覺分析工具庫功能強大、搭建機器視覺應用方案方便且不用編程，具有視覺識別、定位、測量、深度學習、圖像處理、缺陷檢測、顏色處理等應用功能。在該平臺，通過運用工具實現對各種顏色物料的處理。

2 基于機器視覺的機器人物料分揀系統軟件設計

基于機器視覺的機器人物料分揀系統軟件設計如圖2所示，在DobotVisionStudio平臺進行相應功能的軟件設計。通過機器視覺、機器人對紅、綠、藍、黃四種物料進行如果不清晰，通過硬件調節聚焦和靈敏度、配置參數調節曝光時間和幀率等參數，即可得到清晰的圖像。

圖2 軟件設計圖

“顏色轉換”將相機圖像采集的彩色圖像指定區域進行顏色空間轉換，可選擇轉換為灰度、HSV、HSI、YUV空間，在本系統轉換類型選擇轉換為灰度，輸出灰度圖像，供給“快速特征匹配”運用。轉換比例包括通用轉換比例、平均轉換比例、通道最小值、通道最大值、自設轉換比例、R通道、G通道和B通道。通用轉換比例為：0.299r + 0.587g + 0.114b，平均轉換比例為：(r+g+b)/3，自設轉換比例為：i＊r+j＊g+k＊b（r,j,k 為歸一化自設系數），通道最大值為：max(r,g,b)，通道最小值為：min(r,g, b)，R 通 道 為：r+0＊g+0＊b，G通道為：0＊r+g+0＊b，B通道為：0＊r+0＊g+b。

特征匹配分為高精度特征匹配和快速特征匹配，此工具使用圖像的邊緣特征作為模 板，按照預設的參數確定搜索空間，在圖像中搜索與模板相似的目標，可用于定位、計數和判斷有無等。高精度特征匹配精度高，運行速度會比快速匹配慢些，但是設置的特征更精細，匹配精度高?！翱焖偬卣髌ヅ洹笔褂脠D像邊緣特征作為模板，先創建模板，提取圖像特征，配置好模板參數。如果已經有模板，可選擇其他圖像進行圖像輸入作為模板。運行參數中的最小匹配分數要根據要求和效果進行設置，可設置0-1間的數，如果設置過高，可能匹配不到要找的目標。最大匹配個數是允許查找的最大目標個數，如果每次只查找1個，設置為1即可。特征模板用于對圖像特征進行提取，初次使用時需要編輯模板，選中需要編輯的模板區域，配置好參數后單擊訓練模型即可。

“標定轉換”用于將相機坐標系變換為機器人世界坐標系。先用“標定板標定”進行標定，生成標定文件。標定板標定有棋盤格和圓兩種標定板，在此選擇棋盤格標定板，在基本參數中的標定點獲取選擇“觸發獲取”，標定點輸入選擇“按點”，圖像點選擇“快速特征匹配.匹配點[]”，平移次數設置成“9”點，旋轉次數設置成“3”次。在“標識別與定位、顏色測量與處理、搬運和分揀。經過“相機圖像”→“顏色轉換”→“快速特征匹配”→“標定轉換”進行顏色識別與定位后，通過“顏色抽取”→“形態學處理”→“BLOB分析”進行物料顏色測量、處理，運用“分支模塊”進行四路顏色判斷和分支，再通過設計不同的路徑實現搬運和分揀。

■2.1 物料識別與定位

物料識別與定位功能由軟件中“相機圖像”、“顏色轉換”、“快速特征匹配”、“標定轉換”工具實現。

“相機圖像”是選擇圖像采集的方式，在圖像采集中設置圖像來源，圖像來源方式主要有加載本地圖像、連接相機取圖，還可以存儲圖像。在相機圖像中設置選擇想要連接的相機，設置合適的圖像寬度和亮度。設置當前被連接相機的幀率，幀率影響采集圖像的速度。觸發源選擇SOFTWARE模式，SOFTWARE模式下單擊“單次運行”可觸發一次相機取圖，單擊“連續運行”可連續預覽圖像。觸發源如果選擇硬觸發，需要外部硬件進行觸發設置方可工作。曝光時間需要設置合適，這一參數影響圖像的亮度，一般設置10000以上，通過調試確定最佳曝光時間。像素格式選擇RGB，采集彩色圖像。調節好相機的聚焦和靈敏度，設置好相機連接好參數，點擊程序運行，在圖像顯示區觀察圖像是否清晰。定轉換”中加載標定文件，建立相機坐標和機器人坐標關系，這樣機器人就能準確抓取物料。在使用N點標定和標定板標定中，為提高標定效率，也可設置參數使用4點標定，但坐標轉換誤差會大些。標定文件生成后，即確定了相機坐標系和機器人世界坐標系之間的轉換關系，不能改變相機、機器人的位置，否則需要重新進行標定，生成新的標定文件。

■2.2 物料顏色測量、處理

物料顏色測量、處理功能由軟件中“顏色抽取”、“形態學處理”、“BLOB分析”工具實現。

“顏色抽取”實現從彩色圖像中抽取指定顏色范圍的像素部分并輸出抽取后的8位二值圖像。在“顏色抽取”設置RGB空間下三個通道上限和通道下限，可選擇“最大值、最小值、均值和方差”的上下限值，處理區域內圖像后返回顏色抽取后的圖像，如果選擇均值和方差上下限值，需要將數據類型改為“float”，否則選擇不了，“最大值、最小值”的上下限值數據類型選擇“int”即可。RGB空間通道上限和通道下限通過“顏色測量”功能實現，“顏色測量”能夠進行通道的最大值、最小值、均值和方差測量?！邦伾珳y量”的“輸入源”要選擇“相機圖像.圖像數據”，“ROI區域”參數中“ROI創建”選擇“繼承”，“繼承方式”選擇“按區域”，“區域”選擇“快速特征匹配.匹配框”。在不同的光線下，經過“顏色測量”得出的通道的最大值、最小值、均值或方差是不一樣的，為保證系統的穩定性，需要保證物料周圍的光線基本不變，可通過打開相機的光源實現，同時設置盡可能大且不交叉的最大值、最小值、均值或方差。

“形態學處理”通過提取圖像中有意義的圖像分量，通過膨脹、腐蝕、開操作、閉操作對圖片中的白色像素點進行處理。形態學形狀支持矩形、橢圓和十字形狀的結構元素。形態學操作操作次數，僅在膨脹和腐蝕操作下有效。本系統通過“膨脹”對圖片進行處理。

“BLOB分析”是在像素是有限灰度級的圖像區域中檢測、定位目標物體的過程。設置好“BLOB分析”參數，如極性、閾值范圍、查找個數、孔洞最小面積、面積、連通性等。在此，通過“BLOB分析”工具，找出滿足面積要求的圖像區域，從而確定要識別的物料。

■2.3 物料搬運和分揀

物料搬運和分揀功能由軟件中“運動到點”、“吸盤開關”等工具組合實現。

“運動到點”實現機器人將物料以某一種運動模式搬運到某一位置，運動模式有MOVJ（關節運動），MOVL（直線運動），JUMP（門型軌跡），設定好X軸坐標值、Y軸坐標值、Z軸坐標值、R軸控制角度坐標值，在此，需要根據實際情況選擇合適的運動模式。

“吸盤開關”用于控制吸盤吸取和釋放，實現物料的抓取和放置。在輸入參數中，開啟表示吸氣，抓取物料，關閉表示關閉氣泵，放置物料。

在機器人對物料進行抓取時，如果機器人的吸盤沒有運動到物料的中間位置，可能原因是“快速特征匹配”功能中沒有創建好模板，或是機器人、相機的位置移動了，此時需要重新進行“快速特征匹配”的模板創建，如果還解決不了問題，則重新進行“標定板標定”，生成新的標定文件，在“標定轉換”重新加載新的標定文件。

■2.4 軟件執行說明

軟件需要對紅、綠、藍、黃四種物料進行物料顏色識別、搬運和分揀，通過“顏色抽取”→“形態學處理”→“BLOB分析”→“分支模塊”→“運動到點”→“吸盤開關”→“運動到點”→“運動到點”→“吸盤開關”工具控制實現。控制步驟為：第一，通過視覺采集紅、綠、藍、黃色物料，判別是否是紅色，如是紅色，則往下執行，發送信號給機器人實施抓取，否則分支到另一路程序處理；第二，機器人根據視覺轉換后的坐標準確運動到物料中心位置；第三，機器人吸盤開啟，抓取物料；第四，機器人運動到過渡安全點，一般設備為物料上方或其他安全區；第五，機器人搬運物料運動到指定分揀物料的位置；第六，機器人吸盤關閉，放置物料；第七，機器人運動到指定安全位置，該安全位置不能影響視覺識別和物料放置，等待視覺信號再重復工作。如果是綠、藍、黃色物料，通過“分支模塊”進行分支，“分支模塊”要選“結果INT[]”，分支參數選擇“按值索引”，條件輸入值為1表示滿足條件，為0表示不滿足條件。

在軟件調試過程中，運行機器視覺的機器人物料分揀系統，會遇到各種的不確定因素（如光線的影響、機器人零點丟失等），影響物料的識別和分揀，需要通過多次調試，采取機器人零點復位、加大“顏色抽取”通道的范圍值、提高“顏色測量”數據的準確、設置合適的機器人運動安全點等措施解決。

3 系統應用優勢

（1）安全可靠。基于機器視覺的機器人物料分揀系統，運用視覺功能，與被測物沒有直接接觸，不會損傷被測物，具有安全可靠的特點。

（2）保證質量和提高效率。機器視覺替換人工，不知疲勞，始終如一地測量，沒有人為造成的操作變化，保證產品的生產工藝和質量。機器視覺可以長時間運行工作，采集數據速度快、自動處理，提高生產效率。

（3）環境適應性強。機器視覺測量對象廣泛，具有一定的抗干擾能力，除代替人工普通環境下的工作外，還應用在其他危險環境或人工視覺難以達到要求的各種場合，具有較強的適應性。

（4）適應產業發展需要。機器視覺作為智能制造的“智慧之眼”，在智能制造的應用率不斷提升，從“可選項”成為智能制造的“必選項”，最大程度地適應自動化和智能化產業轉型升級發展需要。

4 結語

機器視覺的功能主要實現引導、識別、測量和檢驗，機器視覺技術推動傳統生產向自動化、智能化生產變革。隨著機器視覺的發展，逐漸從“可選項”成為智能制造的“必選項”，具有“智慧之眼”的能力。本系統設計基于機器視覺的機器人物料分揀系統，通過標定轉換和顏色測量，對物料進行準確的目標識別與定位，通過機器人對物料進行準確搬運和分揀。運用基于機器視覺的機器人物料分揀系統，能對不同顏色、不同形狀、缺陷的物料進行準確識別和精準定位，具有強大的功能，使得機器人能適應不同的環境和勝任更多的工作，適應產業發展的自動化與智能化需要。