江燕，王敬東

（1.應(yīng)天職業(yè)技術(shù)學(xué)院 機電與信息工程系，江蘇南京210033；2.南京航空航天大學(xué)自動化學(xué)院，江蘇南京210016）

1 引言

隨著計算機技術(shù)及應(yīng)用的飛速發(fā)展，PLC的應(yīng)用越來越廣泛。PLC有很強的現(xiàn)場控制能力，廣泛應(yīng)用于工業(yè)生產(chǎn)線，配合各類傳感器可以檢測出零件的材質(zhì)和大小，并對零件進行分類。但因其沒有視覺，對這類材質(zhì)相同且外形相似的零件，PLC 表現(xiàn)出力不從心。PLC 本身沒有視覺，也無法對圖像進行匹配和識別。但是如果PLC能借助于Matlab強大的圖像處理能力，對PLC控制系統(tǒng)是錦上添花。簡言之，如果能將兩者結(jié)合起來應(yīng)用于生產(chǎn)實際中，那么可以充分發(fā)揮各自的優(yōu)勢，對實際被控過程進行更好地控制。提高企業(yè)的生產(chǎn)效率和企業(yè)的核心競爭力，為企業(yè)帶來可觀的經(jīng)濟效益。

2 主要算法

本文總體設(shè)計思路：系統(tǒng)初始化后，PLC 控制傳送運行，待零件已到攝像頭下，PLC 控制傳送帶暫停；Matlab 收到零件到位信息，啟動攝像頭拍照，并將圖像與樣本圖像進行匹配識別，然后將識別結(jié)果發(fā)送給MCGS；MCGS 收到信息后，PLC 控制傳送帶運行，根據(jù)PLC 識別結(jié)果信息，控制相應(yīng)的電磁閥驅(qū)動氣缸動作，將零件推入分類槽，結(jié)束本工作周期任務(wù)，PLC 控制傳送帶運行，等待下個零件的到來。其中主要的研究內(nèi)容是Matlab的圖像處理、DDE通道建立和PLC分揀控制算法。

2.1 圖像處理算法

本文利用Matlab 的圖像處理功能，獲取待檢零件圖像，并完成待檢零件圖像與樣本庫零件圖像的一一比對，繼而得出識別結(jié)果。如果樣本庫中有與之匹配的圖像，則返回該樣本庫零件的編號；如果樣本庫中無與之匹配的圖像，則認為該待檢零件為廢品，返回廢品標(biāo)志。借助Windows 操作系統(tǒng)提供的VFW 庫函數(shù)控制USB 攝像頭獲取零件圖像后，具體的圖像處理有如下4個方面。

1）利用rgb2gray函數(shù)［1］獲得零件圖像的灰度圖，再利用histeq 函數(shù)獲得零件圖像的均衡化直方圖，統(tǒng)計均衡化直方圖中的“1”的個數(shù)（用a 表示），與樣本庫零件圖像的均衡化直方圖中的“1”的個數(shù)（用b表示）的比值為

若L很接近1，表示待檢圖與樣本圖有著極相似的均衡化直方圖，然而我們知道，每幅圖都有一個跟它對應(yīng)的直方圖（如圖1 所示），但是不同圖的直方圖有可能是一樣的（如圖2所示）。即L很接近1不是兩圖像一致的充分條件［2］，而只是必要條件。如果待檢零件先與樣本庫圖像計算L 值，將L值最接近1的那個樣本圖作為準(zhǔn)匹配圖，那么才鎖定該樣本圖進行更深入的比較。這樣可以大大減少待測圖像與樣本庫圖像的比對和匹配時間，尤其是樣本庫零件數(shù)量較多的情況。

圖2 有相同灰度圖的不同圖像Fig.2 Different images of the same image

2）為了去除或降低光照等干擾因素對零件圖像質(zhì)量的影響，對待檢零件圖進行預(yù)處理［3］，得到比較清晰，準(zhǔn)確的零件邊緣，防止由于這些干擾因素的存在而導(dǎo)致誤判。

利用Matlab對待檢零件圖進行邊緣提取［4］、膨脹、細化、去毛刺等預(yù)處理，得到比較清晰，準(zhǔn)確的零件邊緣。如圖3所示。

圖3 零件圖像預(yù)處理Fig.3 Parts image preprocessing

3）通過bwlabel 函數(shù)對零件圖像進行區(qū)域標(biāo)記［4］，統(tǒng)計出孔洞個數(shù)，如果待檢零件孔洞數(shù)與準(zhǔn)樣本一致，再利用sum 函數(shù)計算標(biāo)記為1 的區(qū)域（標(biāo)記1 為最大的區(qū)域）中像素點的個數(shù)，如果最長邊緣像素點數(shù)也很接近，可以認為待檢零件和準(zhǔn)樣本零件有很相似的外輪廓。

bwlabel函數(shù)的調(diào)用格式如下：

［L，num］=bwlabel（BW，n）

其中，返回一個和BW大小相同的L矩陣，包含了標(biāo)記了BW 中每個連通區(qū)域的類別標(biāo)簽，這些標(biāo)簽的值為1，2，num（連通區(qū)域的個數(shù)）。n的值為4 或8，表示是按4 連通尋找區(qū)域，還是8 連通尋找，默認為8［5］。num返回的就是BW中連通區(qū)域的個數(shù)。如分別利用4連通、8連通對矩陣a進行標(biāo)記，標(biāo)記結(jié)果如圖4 所示。用4 連通標(biāo)記中，把2個孔洞當(dāng)5個標(biāo)記了；用8連通標(biāo)記中，正確的標(biāo)記為2個孔洞。由于要檢測的是零件孔洞的個數(shù)，因而應(yīng)該用8 連通來標(biāo)記區(qū)域。用8 連通標(biāo)記零件區(qū)域的效果如表1所列。從表1中可發(fā)現(xiàn)，8連通標(biāo)記的正確率很高。6個測試零件孔洞的標(biāo)記都正確無誤。

圖4 圖像矩陣的連通標(biāo)記Fig.4 Image matrix of connected component labeling

表1 零件孔洞個數(shù)的標(biāo)記Tab.1 The mark hole number of parts

4）通過統(tǒng)計零件邊緣的總像素點來判斷其內(nèi)部空洞的形狀。由于圖像邊緣圖像為二值圖像，“0”為背景，“1”為邊緣像素點，因而可以利用sum 函數(shù)統(tǒng)計“1”（邊緣像素點）的個數(shù)。如果待檢零件邊緣像素點與準(zhǔn)樣本零件相等或很接近，則可以認為它們空洞形狀很相似。

5）通過上面的比對，已經(jīng)能確定待檢零件與準(zhǔn)樣本有著很相似的外輪廓和相同數(shù)目的空洞。但是還不能確定各個空洞的位置是否一致?？梢酝ㄟ^mean函數(shù)求取零件各個標(biāo)記的區(qū)域的質(zhì)心坐標(biāo)［6］，但是由于圖像有可能存在位移或旋轉(zhuǎn)，這些都會導(dǎo)致質(zhì)心坐標(biāo)的變化，所以用比對兩幅圖質(zhì)心的坐標(biāo)來判斷是否為相同零件是不可行的。如果通過計算各個區(qū)域質(zhì)心之間的距離值與準(zhǔn)樣本零件的很接近，那么則認為待檢零件確實與該準(zhǔn)樣本零件是同一種零件。

在Matlab命令窗口輸入以下代碼，可獲得零件圖像的各個孔洞的質(zhì)心，如圖5所示。

i1=im2bw（i）；

g=～i1；

［L，num］=bwlabel（g，8）；

for i=1：num

［r，c］=find（L==i）；

rchar=mean（r）；

cchar=mean（c）；

R（1，i）=rchar；

C（1，i）=cchar；

end

圖5 測試圖形及質(zhì)心坐標(biāo)Fig.5 The test pattern and the centroid coordinates

有了各質(zhì)心的坐標(biāo)，就可以用兩點的距離公式來計算任意2個質(zhì)心的距離。

設(shè)A(x1,y1),B(x2,y2)，則A，B兩點的距離為

取兩幅空洞個數(shù)相同，且空洞形狀相同但相對位置有差別的測試圖形，得到的對比數(shù)據(jù)如表2所示。

表2 測試圖形的質(zhì)心距離Tab.2 The centroid distance of test pattern

從表2 可以發(fā)現(xiàn)空洞的位置變化，計算出來的質(zhì)心位置和各質(zhì)心距離存在較大差別，因此，如果待檢零件的各質(zhì)心的距離矩陣存在著差別，那么說明零件各孔洞位置存在不完全一致的情況。而如果待檢零件的各質(zhì)心的距離矩陣一致或存在微小的差別，就可以斷定待檢零件與準(zhǔn)樣本零件是同一種零件。

2.2 DDE通道建立

DDE（dynamic data exchange，DDE）是一種動態(tài)數(shù)據(jù)交換機制，可完成兩個應(yīng)用程序之間的數(shù)據(jù)交換。本文利用DDE 實現(xiàn)分揀系統(tǒng)中Matlab 與PLC 的數(shù)據(jù)通信。PLC 通過DDE 發(fā)送“零件到位”信息給Matlab；Matlab 則將圖像處理結(jié)果“1”，“2”，“3”，“4”發(fā)送給PLC，實時完成待檢零件的分揀任務(wù)。

Matlab 與PLC 的DDE 通信，實質(zhì)是Matlab與excel，MCGS 與excel，MCGS 與PLC 之間的數(shù)據(jù)交換。具體的設(shè)置有以下幾方面。

1）新建excel 表單，在sheet1 中R1C1，R1C3對應(yīng)MCGS 輸出的數(shù)據(jù)data1，data3；R1C2 對應(yīng)MCGS輸入的數(shù)據(jù)data2。給R1C1，R1C3分別輸入“ =McGsRun|DataCentre!data1”和“ =McGs-Run|DataCentre!data3”。如圖6所示。

圖6 excel表單數(shù)據(jù)區(qū)域的設(shè)置Fig.6 Set up region of excel form data

2）新建MCGS 工程，建立3 個數(shù)值變量：data1，data2和data3，data1和data3為DDE輸出；data2 為DDE 輸入［7］。另外為了觀察方便，新建一個用戶窗口（命名為“窗口0”），建立3 個數(shù)據(jù)輸出框，用于顯示data1，data2，data3。如圖7所示。

圖7 MCGS數(shù)據(jù)變量的建立Fig.7 Set variable data of MCGS

3）新建Matlab 的M 文件程序（命名為“ddee.m”），程序語句如下所示。

z=34；

chann=ddeinit（'excel'，'sheet1'）

%與excel就sheet1創(chuàng)建對話通道chann［8］

rc=ddepoke（chann，'r1c2'，z）

%通過對話通道chann，將34寫給R1C2

r1=ddereq（chann，'r1c1'）

%通過對話通道chann，讀取R1C1數(shù)據(jù)給r1

r2=ddereq（chann，'r1c3'）

%通過對話通道chann，讀取R1C3數(shù)據(jù)并賦給r2

4）建立DDE 數(shù)據(jù)連接。打開excel 文檔；運行MCGS 的窗口0，并給data1 和data3 賦值；在Matlab 下運行“ddee.m”文件?？捎^察到，Matlab成功接收MCGS 的data1（=5）和data3（=1）值，MCGS 的data2 的值也更新為Matlab 所發(fā)送的數(shù)值（z=34）。如圖8 所示?？梢奃DE 數(shù)據(jù)交換通信正常。通過DDE數(shù)據(jù)通道，PLC可將data1（系統(tǒng)啟動信息）和data3（零件到位信息）發(fā)送給Matlab，而Matlab可將識別結(jié)果z發(fā)送給PLC。完成數(shù)據(jù)的實時更新。

圖8 DDE下的數(shù)據(jù)交換Fig.8 Data exchange by using DDE

2.3 分揀控制算法

本文采用PLC完成零件的傳輸、定位和分揀動作控制。PLC 的控制思路：系統(tǒng)初始化后，啟動電機，傳送帶運行，當(dāng)檢測到有零件到達攝像機正下方時，電機立即停止，同時令零件到位標(biāo)志為1；延時2 s（等待拍照和圖像處理）后，讀取圖像處理結(jié)果，如果收到的“1”或“2”或“3”或“4”或“5”，代表“1#零件”或“2#零件”或“3#零件”或“廢品”或“未處理完”，PLC 驅(qū)動電機運轉(zhuǎn)將零件運至“1#槽”或“2#槽”或“3#槽”處，驅(qū)動“1#氣缸”或“2#氣缸”或“3#氣缸”動作；如果收到的是“4”，則代表是廢品，PLC 啟動電機將其運至傳送帶盡頭，使其掉落廢品筐中。

3 識別效果

經(jīng)過多次的測試，測試數(shù)據(jù)如表3 所示。從統(tǒng)計的數(shù)據(jù)看，該識別方法誤判率很低，據(jù)有限數(shù)據(jù)統(tǒng)計表明，誤判率約為0.16%，即分揀正確率約為99.84%，效果很好。

表3 測試數(shù)據(jù)統(tǒng)計Tab.3 Test statistics

4 結(jié)論

本文主要介紹借助DDE 技術(shù)將Matlab 圖像處理技術(shù)應(yīng)用于平面零件的分揀控制系統(tǒng)，實現(xiàn)結(jié)構(gòu)復(fù)雜且材質(zhì)相同的零件的識別和分揀控制。本系統(tǒng)分揀正確率不小于99.8%，零件分揀準(zhǔn)確可靠、抗干擾能力強、維護簡單方便；在平面類零件分揀控制設(shè)計中，有一定的實際應(yīng)用價值。

［1］岡薩雷斯.數(shù)字圖像處理（MATLAB 版）［M］.北京：電子工業(yè)出版社，2007.

［2］Poggio T，Voorhees H，Yuille A.Regularized Solution to Edge Detection［J］.J.Complexity，1988（4）：106-123.

［3］Oliveira P R，Roseli R A F.Improvements on ICA Mixture Models for Image Pre-processing and Segmentation［J］.Neurocomputing，2008，71（10）：2180-2193.

［4］Nalwa V S，Binford T O.On Detecting Edges［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：699-714.

［5］王鄭耀.數(shù)字圖像的邊緣檢測［M］.西安：西安交通大學(xué)出版社，2003.

［6］李志軍，傅蓉浣.應(yīng)用于機器視覺的圖像自動比對算法研究［J］.機電工程，2009（7）：53-56.

［7］郁漢琪，盛黨紅.電氣控制技術(shù)與可編程控制器應(yīng)用［M］.南京：東南大學(xué)出版社，2003.

［8］張志涌.精通MATLAB 6.5 版［M］.北京：北京航天航空大學(xué)出版社，2009.