基于機(jī)器視覺的分揀技術(shù)研究概述

《基于機(jī)器視覺的分揀技術(shù)研究概述》由會(huì)員分享，可在線閱讀，更多相關(guān)《基于機(jī)器視覺的分揀技術(shù)研究概述（3頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、基于機(jī)器視覺的分揀技術(shù)研究概述 摘要：機(jī)器視覺在近幾年開展非常迅速，并滲透于各個(gè)行業(yè)中，極大地提高了工作效率。本文對(duì)機(jī)器視覺的整體結(jié)構(gòu)布局進(jìn)行了介紹，詳細(xì)介紹了圖像識(shí)別局部軟、硬件設(shè)備和相關(guān)算法，介紹了該技術(shù)在零件分揀領(lǐng)域的應(yīng)用，并對(duì)機(jī)器視覺技術(shù)今后開展做出展望。 關(guān)鍵詞：機(jī)器視覺;圖像處理;視覺分揀;圖像預(yù)處理 中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168〔2021〕34-0031-03 OverviewofSortingTechnologyResearchBasedonMachineVision YANGSaiZHANGPengbo 〔SchoolofMe

2、chanical，NorthChinaUniversityofWaterResourcesandElectricPower，ZhengzhouHenan450045〕 Abstract：Machinevisionhasdevelopedveryrapidlyinrecentyears，andhaspenetratedintovariousindustries，greatlyimprovingworkefficiency.Thispaperintroducedtheoverallstructurelayoutofmachinevision，introducedsomesoftwareandha

3、rdwareequipmentofimagerecognitionandrelatedalgorithmsindetail，andintroducedtheapplicationofthistechnologyinthefieldofpartsorting.Thefuturedevelopmentofmachinevisiontechnologywasprospected. Keywords：machinevision;theimageprocessing;visualsorting;imagepreprocessing 機(jī)器視覺在最近20年里開展非常迅速。2021—2021年，在中國制造

4、2025的推動(dòng)下，中國機(jī)器視覺市場(chǎng)增速預(yù)計(jì)將保持在20%左右【1】。特別是隨著相機(jī)、半導(dǎo)體及大規(guī)模集成電路的開展，機(jī)器視覺被廣泛應(yīng)用于機(jī)械加工、醫(yī)學(xué)、計(jì)算機(jī)、農(nóng)業(yè)等領(lǐng)域。 1視覺圖像處理結(jié)構(gòu) 對(duì)于一個(gè)典型的機(jī)器視覺分揀系統(tǒng)，其整體結(jié)構(gòu)可以劃分為圖像采集模塊、圖像處理模塊、機(jī)械結(jié)構(gòu)模塊、系統(tǒng)控制模塊、人機(jī)交互〔可視化〕模塊。當(dāng)被測(cè)目標(biāo)通過機(jī)械結(jié)構(gòu)〔如傳送帶〕輸送到工業(yè)相機(jī)的檢測(cè)范圍時(shí)，被測(cè)目標(biāo)會(huì)被光源照亮，工業(yè)相機(jī)進(jìn)行拍照【2】。拍完的圖像傳遞到圖像處理模塊進(jìn)行處理，然后系統(tǒng)控制模塊根據(jù)處理后的圖片信息對(duì)被測(cè)目標(biāo)進(jìn)行分揀分類，并將結(jié)果顯示在人機(jī)交互界面上，所有的處理過程都是在PC機(jī)控制下

5、完成的。典型的機(jī)器視覺分揀系統(tǒng)整體結(jié)構(gòu)如圖1所示。 本文主要對(duì)典型的機(jī)器視覺分揀系統(tǒng)圖像采集模塊和圖像處理模塊進(jìn)行詳細(xì)分析。 1.2.1.1光照源。目前，市面上的光照源主要可分為鹵素?zé)?、熒光燈、LED燈三種，選擇一種適宜的光源能極大減少后續(xù)對(duì)圖像的處理工作，并且能提高系統(tǒng)的準(zhǔn)確度。表1對(duì)這幾種光源進(jìn)行了比較。 1.2.1.2工業(yè)相機(jī)。工業(yè)相機(jī)猶如人的眼睛，采集到的數(shù)據(jù)信號(hào)發(fā)送給圖像采集卡。常用的工業(yè)相機(jī)有CCD〔見圖2〕和CMOS相機(jī)〔見圖3〕，二者的區(qū)別是采用不同的感光芯片。CCD相機(jī)有線陣式和面陣式兩種，其成像質(zhì)量較高，但因工藝復(fù)雜，導(dǎo)致本錢較高。CMOS相機(jī)色彩復(fù)原能力弱，

6、成像質(zhì)量差，但耗電低，價(jià)格相對(duì)CCD廉價(jià)。 1.2.1.3光學(xué)鏡頭。鏡頭通過光學(xué)成像，決定著成像質(zhì)量的好壞，鏡頭要與選取的相機(jī)相匹配。在選取鏡頭時(shí)，要著重考慮其分辨率、焦距、視野角度。 1.2.2.1機(jī)器視覺編程語言及開發(fā)軟件。大多數(shù)編程語言如C++、C#、python、Visualbasic等適用。主流的機(jī)器視覺圖像處理軟件包括MATLAB的圖像處理工具箱〔ImageProcessingToolbox〕、OpenCV、LabVIEW、HALCON等。 1.2.2.2圖像預(yù)處理操作。圖像預(yù)處理操作包括以下內(nèi)容。 圖像增強(qiáng)處理：將圖像進(jìn)行均衡化處理，以使圖像灰度分布均衡，縮小圖像灰度

7、差異。 圖像濾波處理：受外界因素干擾，采集到的圖像會(huì)產(chǎn)生圖像噪聲，如椒鹽噪聲，可通過濾波處理消除噪聲。田曉東、張曉峰、孔侃等的研究中給出了中值濾波、形態(tài)學(xué)濾波、均值濾波、高斯濾波、小波變換、自適應(yīng)濾波等多種濾波處理方法[3-5]。 圖像分割處理：根據(jù)圖像某方面的相似性將其分割開，這是圖像處理的關(guān)鍵步驟。傳統(tǒng)的圖像分割方法有單閾值分割法、多閾值分割法和大津法。另外，姜楓等人還提出了基于內(nèi)容的圖像分割方法【6】。 圖像邊緣檢測(cè)：邊緣檢測(cè)也屬于圖像分割的一種，里面包含了很多算子，不同的算子原理不同，最后得出的圖像邊緣效果也不盡相同。一階微分算子有Prewitt、Sobel、Roberts等，二

8、階微分算子有Marr、Laplacian、Canny。 2機(jī)器視覺分揀技術(shù)的應(yīng)用 由于機(jī)器視覺分揀技術(shù)在各個(gè)領(lǐng)域內(nèi)都有獨(dú)特的優(yōu)勢(shì)，因此幾乎各個(gè)領(lǐng)域都有其身影。 JahanbakhshiAhmad等人選取56個(gè)規(guī)那么的和79個(gè)不規(guī)那么的胡蘿卜樣品進(jìn)行視覺處理，通過一系列圖像處理后，根據(jù)胡蘿卜的形狀特征成功地將胡蘿卜進(jìn)行篩選分類【7】。 由山東大學(xué)和山東農(nóng)業(yè)大學(xué)設(shè)計(jì)的一種小型的自動(dòng)識(shí)別分揀系統(tǒng)，通過小型機(jī)械手臂可以實(shí)現(xiàn)多種小物件的識(shí)別分揀，分類成功率接近98%[8]。機(jī)器視覺機(jī)械手測(cè)試平臺(tái)如圖5所示。 方法，并成功設(shè)計(jì)出了一種零件分揀系統(tǒng)[9]，整體結(jié)構(gòu)如圖6所示。在傳送帶上可對(duì)硬幣、齒

9、輪和引腳管進(jìn)行自動(dòng)識(shí)別并分揀。 識(shí)別物體顏色、形狀及位置的可視化機(jī)器視覺系統(tǒng)[10]。顏色識(shí)別采用HSV〔Hue、Saturation、Value〕模式進(jìn)行色彩分選，該系統(tǒng)結(jié)構(gòu)見圖7。大致流程為，相機(jī)采集圖像后在PC上進(jìn)行相應(yīng)算法處理，然后Arduino微控制器根據(jù)處理信息控制機(jī)械手對(duì)物體進(jìn)行分揀。 3結(jié)語 本文主要分析了機(jī)器視覺的整體結(jié)構(gòu)，并列舉了一些機(jī)器視覺分揀技術(shù)的例子。目前，機(jī)器視覺開展非常迅速，相應(yīng)的硬件、軟件技術(shù)日趨成熟，筆者認(rèn)為，該技術(shù)仍然存在較大的開展空間。比方，在機(jī)械行業(yè)中要進(jìn)一步提高對(duì)高精尖零件的檢測(cè)精度，大多數(shù)視覺檢測(cè)系統(tǒng)只能針對(duì)某一特征物體進(jìn)行檢測(cè)，不能對(duì)多種特征

10、、多種物體同時(shí)進(jìn)行檢測(cè)，難以到達(dá)檢測(cè)精度高、效率高的目的。 另外，圖像處理過程中去噪和特征提取相關(guān)算法可以進(jìn)一步改善，使圖像的處理和特征提取效果更加明顯，從而提高機(jī)器視覺的識(shí)別精度。 參考文獻(xiàn)： 【1】阮晉蒙.機(jī)器視覺：讓中國制造2025“看〞得更遠(yuǎn)[J].新經(jīng)濟(jì)導(dǎo)刊，2021〔Z1〕：80-83. 【2】傅田.基于機(jī)器視覺的帶式輸送機(jī)糾偏系統(tǒng)設(shè)計(jì)[J].煤礦機(jī)械，2021〔8〕：183-185. 方法的比較分析[J].聲學(xué)與電子工程，2021〔1〕：22-25，30. 方法研究[D].合肥：合肥工業(yè)大學(xué)，2021：12. 【5】孔侃.螺母機(jī)器視覺檢測(cè)與篩選系統(tǒng)研究與設(shè)計(jì)[D].

11、贛州：江西理工大學(xué)，2021：23. 方法綜述[J].軟件學(xué)報(bào)，2021〔1〕：160-183. 【7】JahanbakhshiA，KheiralipourK.Evaluationofimageprocessingtechniqueanddiscriminantanalysismethodsinpostharvestprocessingofcarrotfruit[J].Foodence&Nutrition，2021〔3〕：1-7. [8]ZhouK，MengZ，HeM，etal.DesignandTestofaSortingDeviceBasedonMachineVision[J].IE

12、EEAccess，2021〔99〕：1. [9]Joshi，K.D.，Chauhan，V.&Surgenor，B.AflexiblemachinevisionsystemforsmallpartinspectionbasedonahybridSVM/ANNapproach[J].JournalofIntelligentManufacturing，2021〔1〕：103-125. [10]AbboodWT，AbdullahOI，KhalidEA.Areal-timeautomatedsortingofroboticvisionsystembasedontheinteractivedesignapproach[J].InternationalJournalonInteractiveDesignandManufacturing，2021〔3〕：201-209.