基于OpenCV的機器人分揀系統設計

張立婷　鐘楊?！±讉ゾ↑S輝　陳劍鋒

摘 要：隨著電商平臺的發展，快遞行業的整體規模迅速壯大，在物流成交量比較高的狀態下，極容易出現“錯件”分揀、快遞分揀速度慢等問題，將嚴重影響快遞包裹分揀?，F對工業機器人分揀系統的性能、功能等方面進行研究，用機械臂代替人工分揀，設計出一種基于OpenCV圖像識別的工業機器人分揀系統，進一步提升了工業機器人分揀水平。

關鍵詞：OpenCV；目標檢測；圖像處理；tesseract-OCR；機器人分揀系統

中圖分類號：TP242；TP391.4? 文獻標志碼：A? 文章編號：1671-0797（2023）09-0034-04

DOI：10.10.19514/j.cnki.cn32-1628/tm.2023.09.010

0? ? 引言

隨著各大電商的快速發展，我國快遞行業的整體規模迅速壯大，包裹數量逐年增多，快遞的錯派、丟件等問題也日漸凸顯，傳統人工分揀已經無法適應當前的分揀需求，亟需一種用于自動檢驗、工件加工和裝配自動化以及生產過程的控制和監視的圖像識別機器，按任務需要從原始圖像數據中提取有關信息、高度概括地描述圖像內容，以便對圖像的某些內容加以解釋和判斷。

目前，針對機器人分揀系統的方案研究成為眾多學者關注的熱點。韋志文[1]基于機器視覺設計了一種輕量化的分揀機器人，搭建了實驗平臺并完成了小型鑄件的分揀。李殷[2]基于深度學習提出了工業機器人物品識別分揀系統設計，在建模解析分類之后工業機器人對物品進行實踐分揀操作。馬澤明等人[3]將視覺技術、搬運機器人和無線控制網相結合，設計了一種智能搬運機器人的實驗平臺。王連慶等人[4]構建了一套針對無序來料的定位系統，引導機械手對無序物料進行精確抓取和有序擺放。

本文設計的工業機器人分揀系統與工業相機的快速拍照功能相結合，可實現包裹讀碼后的快速分揀及信息記錄交互等功能，大量減少了分揀過程中的人工需求，提高了分揀效率及自動化程度，并大幅度提高了分揀準確率。

1? ? OpenCV圖像識別

圖像處理技術是用計算機對圖像信息進行處理的技術，通過圖像處理可以提取圖像中的有用信息并精簡數據量，是決定分揀過程是否能夠達到精準且高效的關鍵。本設計采用OpenCV[5]對原始圖像進行預處理，提取圖像特征，進行圖像識別。本項目通過掃描物流包裹上的數字，對包裹進行識別，構建坐標系對機械臂完成協同控制，實現在復雜環境下的包裹分揀，提高了分揀過程中機械臂末端執行器的效能，物流快遞包裹可進行有效分揀，達到快速分揀的目的，提高了工業生產效率，降低了工作成本。OpenCV圖像處理流程圖如圖1所示。

1.1? ? 基于OpenCV的OCR文字識別

傳統的條形碼雖然識別簡單，但是需要學習多種編碼方式。識別條形碼下方數字單號可以直接把數據錄入計算機進行數據處理，得到快遞信息。

OCR文字識別是指對圖像文件進行分析識別處理，獲取文字及版面信息的過程。首先，對快遞信息進行圖像讀取及圖像預處理，再用OpenCV內置的圖像檢測算子進行檢測，最后傳入tesseract-OCR進行識別。這種方法不僅速度快，而且抗外部干擾能力也比較好，可以準確識別快遞的相關數字信息。OCR的技術路線如圖2所示。

1.2? ? 圖像預處理

圖像預處理是在圖片識別之前對圖片進行前期處理，抑制圖片中的無關信息，增強開發者想要的重要信息。

1.2.1? ? 圖像灰度化

圖像灰度化是將一張彩色圖像向灰色圖像轉化的過程。相比于彩色圖像，灰色圖像更容易處理，可以消除顏色干擾。原圖像如圖3所示，灰度圖像如圖4所示。cv2.cvtColor（）函數是顏色空間轉換函數，可以實現圖像的灰度化，代碼如下：

gray = cv2.cvtColor（image， cv2.COLOR_BGR2GRAY）

1.2.2? ? 圖像掩膜

圖像掩膜是用選定的圖形對需要處理的圖像（局部或全部）進行遮擋，來處理圖像特定區域的處理過程。提取感興趣區，用預先制作的感興趣區掩膜與待處理圖像相乘，得到感興趣區圖像，感興趣區內圖像值保持不變，而區外圖像值都為0。掩膜圖像如圖5所示。

1.2.3? ? 黑帽操作（突出更黑暗的區域）

黑帽運算就是取出圖片中亮度低的地方，即突出更黑暗的區域。黑帽操作圖像如圖6所示。morphologyEx（）是形態學操作函數，可以方便地對圖像進行黑帽操作，代碼如下：

heiphat = cv2.morphologyEx（gray， cv2.MORPH_BLACKHAT， rectKernel）

1.3? ? 文字檢測

1.3.1? ? 邊緣檢測

圖像邊緣檢測可以大幅減少數據量，并剔除可以認為不相關的信息，保留圖像重要的結構屬性。基于查找的方法，通過尋找圖像一階導數中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向。Canny算子邊緣檢測函數的目標是找到一個最優的邊緣檢測算法，從而檢測出圖像邊緣，代碼如下：

edged = cv2.Canny（gray， 75， 200）

1.3.2? ? 獲取輪廓

cv2.findContours（）函數用于查找檢測物體的輪廓，cv2.drawContours（）函數用于在圖像上繪制輪廓。代碼如下：

（1）檢測輪廓：

cnts = cv2.findContours（edged.copy（）， cv2.RETR_LIST， cv2.CHAIN_APPROX_SIMPLE）

（2）繪制輪廓：

cv2.drawContours（image， [screenCnt]， -1， （0， 255， 0）， 2）

1.4? ? 文本識別

文本識別采用tesseract-OCR識別技術，tesseract-OCR是由Tesseract Google開發并維護的OCR開源庫，有著極高的精確度和靈活性，它可以通過訓練識別出任何字體，也可以識別出數字和字符。識別出的輪廓圖如圖7所示，文本識別圖如圖8所示。

2? ? 分揀機器人系統

2.1? ? 系統整體方案

本文對小型工業機械臂進行了運動學分析，并使用計算機建模軟件（UG）對工業機器人及其運動空間進行了建模。該工業機器人分揀系統[6]采用樹莓派和Arduino開發板作為控制單元，兩個控制芯片以串口連接進行通信，樹莓派用于對圖像進行處理與識別；Arduino開發板用于控制步進電機、舵機和超聲波紅外測距模塊。其中舵機用于控制機器人的轉向，也用于控制機械夾爪的張合；超聲波紅外測距模塊用于檢測與物體的距離。整體流程圖如圖9所示。

2.2? ? 機械結構

機械臂各部件通過UG建模，采用3D打印技術打印。在結構設計時使用平面軸承、滾動軸承、線性軸承等一系列標準件，具有增加精度、減少摩擦力等作用。機械臂底座采用鋁板與機械臂連接，一定程度上減少了機械臂前傾現象。機械臂Z軸的上下移動采用絲桿傳動，傳動軸向力大、可自鎖、定位精度高。使用同步帶傳動，避免步進電機在低轉速下產生振動及噪聲。機械臂整體裝配圖如圖10所示。

2.3? ? 硬件系統設計

2.3.1? ? 主控電路

本系統由Arduino開發板和Arduino CNC電機擴展板組成，Arduino CNC電機擴展板直接連接在Arduino開發板上即可。主控芯片圖如圖11所示。

2.3.2? ? 超聲波測距模塊

超聲波測距模塊采用的是HC-SR04，可提供約2 cm的非接觸式距離感測功能，機械臂可以及時感測與快遞包裹的距離，抓取物體。如圖12所示，超聲波測距模塊包括VCC供5 V電源、GND地線、Trig觸發控制信號輸入、Echo回響信號輸出等4個接口端。

2.4? ? 軟件系統設計

首先，通過OpenCV圖像處理技術識別快遞單上的數字串和快遞的坐標，判斷快遞運往方向；再由樹莓派通過串口發送信息給Arduino Uno開發板，Arduino Uno開發板逆運動求解出各電機旋轉角度；然后，控制各電機旋轉角度到達目標位置，打開夾爪，當機械臂的Z軸下降到合適位置時，閉合夾爪，夾取快遞；當夾取動作完成后，機械臂的Z軸上升，移動到快遞發往地，將物品放到相應位置。主控流程圖如圖13所示。

3? ? 結語

本文設計了一種基于OpenCV的機器人分揀系統，運用OpenCV對快遞信息進行圖像讀取及圖像預處理，再用OpenCV內置的圖像檢測算子進行檢測，最后傳入tesseract-OCR進行識別，協同控制機械臂，實現在復雜環境下的包裹分揀。該設計大量減少了分揀過程中的人工需求，提高了分揀效率及自動化程度，并大幅提高了分揀準確率。同時，將視覺技術應用到工業分揀中，提高了企業運營效率，降低了企業生產成本，能夠促進工廠和企業的升級，因而具有較好的應用前景。

[參考文獻]

[1] 韋志文.基于機器視覺的分揀機器人設計與研究[D].淮南：安徽理工大學，2022.

[2] 李殷.基于深度學習的工業機器人物品識別分揀系統設計[J].湖北農機化，2019（20）：159.

[3] 馬澤明，俞曉丹，鄧雨晴，等.基于機器視覺的物體分揀系統設計[J].科學技術創新，2022（36）：159-162.

[4] 王連慶，錢莉.基于視覺引導的工業機器人無序抓取系統設計[J].制造業自動化，2022，44（3）：86-89.

[5] 胡文，馬玲玉.基于OpenCV手機拍照快遞單文字識別的研究[J].哈爾濱商業大學學報（自然科學版），2015，31（5）：564-568.

[6] 金高威，董錚.基于Arduino的六自由度機械臂控制系統設計[J].科學技術創新，2019（35）：64-65.

收稿日期：2023-02-09

作者簡介：張立婷（2002—），女，安徽人，研究方向：機器人工程。