基于機器視覺技術的分揀系統設計＊

舒 慧，張 融，李 皓，楊世昌

（1.武昌工學院智能制造學院，湖北 武漢 430065；2.綠色風機制造湖北協同創新中心，湖北 武漢 430065）

隨著物流行業的蓬勃發展，條碼被廣泛應用于快遞物流產品的傳輸、識別、記錄等方面，舊的條碼標識依賴人工較多，受舊識別技術、自身速度等因素的限制，識別速度過慢，工作效率過低[1-2]。針對這一問題，可以設計一種基于機器視覺和工業機器人的快速分揀自動控制系統。

機器視覺系統采集條碼信息時，通過高清攝像頭采集快遞物流產品的圖形、尺寸、質量等信息，發送到計算機中進行圖像處理和識別，再將識別結果與產品特征參數和物流信息一起發送到執行單元，以此來實現視覺系統和工業機器人對目標物的有效信息的快速識別，以及對目標物的動態追蹤和抓取分揀，與以往人工稱重、人工復檢相比，可靠性和工作效率大大提高[3]。

1 視覺分揀系統的方案設計

1.1 工作流程

本文研究的是基于機器視覺技術的分揀系統設計，針對物流線上出現的不同物品，進行跟蹤拍照、掃碼識別、區塊分揀。

具體工作過程是將輸送帶上的快遞包裹運送至視覺檢測處，激活拍照傳感器，輸送帶停止傳送，智能相機根據外部信號觸發拍照，獲取靜止狀態下當前快遞包裹的圖片信息，視覺系統通過圖像識別，將快遞包裹的位姿進行提取和識別，再將識別結果傳遞給機械臂，從而實現快遞包裹的自動分揀，具體工作流程如圖1 所示。

圖1 快遞分揀視覺系統的工作流程

1.2 設備選型

硬件設備：樹莓派博通BCM2837、工業相機HV3808、筆記本電腦、USB 串口通信線、網線。

軟件環境：Python3.7、VS code 集成開發環境（Windows x64 User Installer 版本）、第三方Python庫（QRcode 庫、Pyzbar 庫和Pillow 庫）、VNC 軟件、File Zilla 軟件。

2 快遞條碼圖像處理

圖像處理是指利用計算機算法，對圖像進行分析運算的處理技術，包括圖像的存儲、表示、提取、運算、增強、恢復和解譯等[4]。

目前，快遞信息通常采用條形碼或者二維碼的形式進行承載，本文主要對二維碼的圖像處理進行分析研究，具體處理流程如下：①圖像獲取與存儲；②加載圖像數據至內存并存盤；③操作、增強和復原，即圖像轉換（二值化、灰度化）、圖像增強（清晰化處理）、圖像去噪及復原；④圖像分割；⑤信息提取與表示；⑥圖像理解/圖像結束，即圖像分類、對象識別。

3 視覺分揀系統仿真測試

3.1 程序設計

本文基于Python 編寫了一套程序來實現對快遞二維碼圖像的識別處理，以樹莓派作為微控制器，使用Python+OpenCV 庫編程[5-6]，其中，部分程序如下所示：

加載測試所需要的庫

import cv2

import time

from PIL import Image

from pyzbar import pyzbar

提取二維碼邊框并繪出

def decodeDisplay(image):

barcodes=pyzbar.decode(image)

for barcode in barcodes:

# 提取二維碼的邊界框的位置，畫出圖像中條形碼的邊界框

(x,y,w,h)=barcode.rect

cv2.rectangle(image, (x, y), (x + w, y + h),(225,0,0),2)

提取二維碼數據為字節對象并轉換成字符串

barcodeData=barcode.data.decode("utf-8")

barcodeType=barcode.type

# 繪出圖像上二維碼的數據和條形碼類型

text = "{} ({})".format(barcodeData,barcodeType)

cv2.putText(image, text, (x-200, y - 10),cv2.FONT_HERSHEY_SIMPLEX,1.2,(255,136,0),2)

向終端打印二維碼數據和條形碼類型

value=barcode.data.decode("utf-8")

print("[INFO] Found {} barcode:{}".format(barcodeType,barcodeData))

if value=='Beijing':

print(該快遞包裹需要分發到北京地區.")

elif value=='Shenzhen':

print(該快遞包裹需要分發到深圳地區.")elif value=='Shanghai':

print(該快遞包裹需要分發到上海地區.")

else:

print(未找到該快遞包裹需要分發的區域.")

return image

設置圖像捕獲設備參數和指令

def camera(cap):

print('請把含二維碼圖片放置攝像頭正下方.')

print('開始捕獲圖像，按空格鍵確認拍照，ESC 鍵關閉窗口')

width=640

height=480

cap.set(cv2.CAP_PROP_FRAME_WIDTH,width)

cap.set(cv2.CAP_PROP_FRAME_HEIGHT,height)

while True:

# 捕獲視頻幀

ret,frame=cap.read()

image=frame.copy()

# 實時顯示二維碼

img=decodeDisplay(frame)

cv2.imshow('camera',img)

# 保持畫面持續

key=cv2.waitKey(1)

# 空格鍵保存

if key==ord(""):

cv2.imwrite(".image/image.png",image)

#Esc 退出

if key==27:

break

# 關閉攝像頭

# 關閉窗口

cap.release()

cv2.destroyAllWindows()

# 主程序入口

圖像捕獲設備的連接

if__name__=="__main__":

#0: 筆記本內置攝像頭1:USB 攝像頭

cap=cv2.VideoCapture(1)

video="http://admin:admin@192.168.31.177:8081/"

# 此處@后的ipv4 地址需要改為app 提供的地址

cap=cv2.VideoCapture(video)

while True:

# 開始捕獲圖像camera(cap)

# 二維碼解碼

time.sleep(1)

3.2 仿真測試結果

本文所設計的視覺分揀系統使用工業相機來獲取快遞二維碼的圖像，經過灰度化、二值化、去噪、增強、分割、提取等一系列圖像處理后，得到快遞二維碼的信息，再使用MODBUS TCP/IP 協議將所獲得的信息發送至工業機器人，由工業機器人進行分類分揀。

仿真測試結果如圖2—圖4 所示。

圖2 深圳快遞

圖3 上海快遞

圖4 北京快遞

4 結論

通過此次研究與分析，證明了利用機器視覺技術識別二維碼實現快遞分揀是切實可行的，采用工業相機實時獲取快遞二維碼圖像，再對圖像進行識別處理、提取信息，并將獲得的信息傳遞給機器人，從而對快遞進行分類。機器視覺技術具有識別速度快、準確率高、抗干擾性強的優點，且此方案設計結構簡單、便于組裝，極大地提高了快遞分揀效率，降低了人工成本。可以預見，機器視覺技術在傳統物流行業將發揮越來越大的作用。