茍建峰 孟 靂

(①四川工程職業(yè)技術學院機電工程系，四川 德陽 618000; ②西安理工大學機械與精密儀器工程學院，陜西 西安 710048;③德陽市產(chǎn)品質(zhì)量監(jiān)督檢驗所，四川 德陽 618000 )

?

基于圖像處理的零件分揀系統(tǒng)設計與實現(xiàn)*

茍建峰①②孟 靂③

(①四川工程職業(yè)技術學院機電工程系，四川 德陽 618000; ②西安理工大學機械與精密儀器工程學院，陜西 西安 710048;③德陽市產(chǎn)品質(zhì)量監(jiān)督檢驗所，四川 德陽 618000 )

以某企業(yè)實際生產(chǎn)的平面類零件為研究對象。并結(jié)合該企業(yè)的具體生產(chǎn)條件以及實際生產(chǎn)的需要，針對原零件分揀系統(tǒng)分揀精度低且對同材質(zhì)、外形相似的零件極易產(chǎn)生誤揀的問題展開研究。提出通過將視覺技術引入到可編程控制器中的方法，并結(jié)合成像設設備及圖像處理技術的方法來實現(xiàn)該類零件快速準確的識別和分揀。在實際生產(chǎn)中有很好的推廣應用價值。

圖像處理；零件分揀；邊緣跟蹤；圖像識別；氣動控制

隨著計算機和工業(yè)自動化技術的快速發(fā)展，在實際的生產(chǎn)制造中自動化生產(chǎn)線的應用越來越普遍。而PLC以其強大的控制功能被廣泛地運用于自動化生產(chǎn)線中。尤其是配合一些光電傳感器在零件的分類分揀中應用更為廣泛。然而目前這種以PLC為主控制器的零件分揀機構，通常主要是依靠傳感器來判斷和識別零件,進而實現(xiàn)零件的分揀。但往往這種分揀系統(tǒng)其分揀準確度較低，特別是對材質(zhì)相同且外形相似的零件極易造成誤揀。因此，為了提高自動化的生產(chǎn)效率以及分揀系統(tǒng)的分揀精度，所以對于這種分揀系統(tǒng)的改造升級很有必要。

本文以某企業(yè)實際生產(chǎn)的平面類零件碟剎片(如圖1所示)為研究對象。針對原零件分揀系統(tǒng)分揀精度低以及對同材質(zhì)、外形相似的零件容易產(chǎn)生誤揀的問題展開研究。提出以PLC為主控制器，并結(jié)合成像設設備及圖像處理技術的方法來實現(xiàn)該類零件的快速準確的識別和分揀，其創(chuàng)新點在于：提出通過將視覺技術引入到可編程控制器中的方法，同時將PLC強大的現(xiàn)場控制能力和Matlab強大的圖像處理能力二者完美結(jié)合，并運用生產(chǎn)實際。實現(xiàn)了材質(zhì)相同、形狀相近零件的快速準確分揀。在實際生產(chǎn)中有很好的推廣應用價值。

1 零件分揀機構工作原理

該分揀系統(tǒng)首先初始化，然后通過RS232接口與計算機相連的PLC控制零件傳送，當被測零件到達固定位置即攝像頭下時，傳送暫停；此時Matlab軟件驅(qū)動攝像頭采集零件圖像信息，并將所采集的圖像預處理后與數(shù)據(jù)庫中的樣本信息進行匹配判別，最后將判別結(jié)果發(fā)送給MCGS；同時PLC繼續(xù)控制零件傳輸，根據(jù)識別結(jié)果信息，控制相應的氣缸工作并將零件推入分揀槽進行分類，完成一個循環(huán)周期的任務。PLC繼續(xù)控制零件傳送，等待下一個零件的到來。分揀系統(tǒng)機構如圖2所示。

2 零件圖像的獲取和識別算法

首先Matlab軟件利用微軟公司W(wǎng)indows操作系統(tǒng)提供的VFW庫函數(shù)控制USB攝像頭采集被測零件的圖像，然后再利用Matlab軟件對采集的零件圖像進行直方圖比較、圖像預處理以及識別特征的提取，最后再將其與樣本庫的零件圖像信息進行逐一的比對識別和判斷，識別結(jié)果以樣本庫零件編號的形式發(fā)送給PLC控制氣缸進行分揀。圖像識別特征的提取主要包括：零件孔洞數(shù)計算、最長邊緣長度計算、總邊緣長度計算、各質(zhì)心間距的計算。采集的被測零件與樣本庫圖像的具體識別算法如圖3所示。

2.1 直方圖和均衡化直方圖處理

在圖像處理前為減少對比的時間，可先利用rgb2gray函數(shù)提取零件圖像的灰度圖，再利用histeq函數(shù)提取圖像直方圖和均衡化直方圖(如圖4所示)，通過比對發(fā)現(xiàn)一般形狀不太相似的零件的直方圖和均衡化直方圖也不相同；形狀相同的零件其均衡化直方圖也相同。但是均衡化直方圖相同的圖像不一定為同一零件。因此可以利用這一條件作為被測圖像與樣本圖像進行對比的前提，若均衡化直方圖差異較大，那么就沒必要對其進行更深入的對比了，即將其與下一個樣本圖像進行比對；若均衡化直方圖極相似，那么再繼續(xù)進行更深入的比對。

2.2 圖像預處理

要準確對圖像特征進行識別提取和判斷，首先要排除噪音、光照、位移、旋轉(zhuǎn)等干擾因素，防止由于其存在而導致誤判。所以必須利用Matlab軟件對圖像進行預處理，以得到清晰準確的零件邊緣，這里零件圖像的預處理包括：邊緣檢測、膨脹、細化、去毛刺處理。如圖5所示。

2.3 圖像特征的識別和提取

圖像經(jīng)過預處理后，就要對它的特征進行識別提取。在該零件分揀系統(tǒng)中圖像識別特征的提取主要包括以下特征：零件孔洞數(shù)、最長邊緣長度、總邊緣長度以及各質(zhì)心間距。

(1)在確定零件上空洞數(shù)目時，一般是先通過Matlab軟件的bwlabel函數(shù)對零件圖像區(qū)域進行標識，然后再來計算出孔洞數(shù)目。若被測零件的孔洞數(shù)與準樣本一致，那么我們再利用Matlab軟件中的sum函數(shù)算出標識為1的區(qū)域中像素點的數(shù)目，若最長邊緣像素點數(shù)相近，那么我們一般可以認為兩者之間有很相似的輪廓。要確定兩者是否為同一零件。則還需要進一步計算和對比。

在實際統(tǒng)計時通?？梢杂胋wlabel函數(shù)完成零件圖像區(qū)域的檢測和統(tǒng)計。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同樣大小的L矩陣，其中包含標識BW中每一個連通區(qū)域的類別標識，其值為1、2、num。n的值通常為4或8，即表示按照4連通尋找區(qū)域，或者按照8連通尋找，一般默認為8。n通常返回BW連通區(qū)域的數(shù)目。由于在此零件分揀系統(tǒng)中我們要檢測零件孔洞的個數(shù)，因此，通常應該選用8連通來標記區(qū)域。用8連通標記零件區(qū)域的效果見表1所示。

表1 零件孔洞個數(shù)的標記

測試零件測試零件圖像檢測到的區(qū)域個數(shù)碟剎片184碟剎片249碟剎片352碟剎片460

(2) 總邊緣長度的計算：即計算被測零件圖像的邊緣總像素點個數(shù)。通過零件邊緣總像素點的統(tǒng)計，就可以判斷其內(nèi)部空洞的形狀。由于圖像邊緣圖像為二值圖像，所以通常利用sum函數(shù)統(tǒng)計邊緣像素點“1”的個數(shù)。若與準樣本圖很相近，則可以認為被測零件的內(nèi)部孔洞形狀也相似，然后繼續(xù)進入下一步計算和比對。

(3) 通過上述識別比對方法之后，基本可以確定被測零件與準樣本輪廓相似且孔洞數(shù)相同。但各個孔洞的位置是否一致，還有待進一步確定。所以可以利用Matlab中的mean函數(shù)求取零件各個標記區(qū)域的質(zhì)心坐標，但圖像的位移、旋轉(zhuǎn)都會引起質(zhì)心坐標的變化。所以以此來判斷是否為同一零件是不充分的。但如果各區(qū)域質(zhì)心間的距離值與樣本零件很接近，再結(jié)合前面的方法可以認為被測零件與該樣本零件確實為同一種零件。

利用Matlab命令可以求出零件圖像的各個孔洞的質(zhì)心坐標值，在確定了各個質(zhì)心的坐標之后，就可以用兩點的距離公式來計算任意兩個質(zhì)心的距離。

設兩質(zhì)心A(x1,y1)、B(x2,y2)，則A、B兩點的距離為：

取兩幅孔數(shù)、形狀相同，但其相對位置有差異的測試零件，獲得的對比結(jié)果見表2所示。

表2 測試圖形的質(zhì)心及距離對比表

測試圖像各質(zhì)心坐標各質(zhì)心之間的距離R=46.00042.500042.500042.5000C=65.00038.500065.500092.5000Distance=0 26.7301 3.535527.7218 26.7301 027.0000 54.00003.5355 27.0000 027.0000 27.7218 44.0000 27.0000 0R=43.0000 39.500050.5000 39.5000C=64.0000 37.500064.5000 91.5000Distance=0 26.7301 7.5166 27.7218 26.7301 029.1548 54.00007.5166 29.1548 0 29.1548 27.7218 54.0000 29.1548 0

從表2可以看出，所求的質(zhì)心位置和各質(zhì)心距離差別較大，因此，若被測零件各質(zhì)心的距離矩陣存在差別，那么其孔洞位置有可能不同。但若被零件的各質(zhì)心的距離矩陣一致或差別微小，那么可以斷定被測零件與樣本零件為同一種零件。

3 實際識別效果驗證

在經(jīng)過上述零件的識別對比方法之后。然后對該零件分揀系統(tǒng)進行了多次實際驗證，其測試驗證數(shù)據(jù)見表3所示。從表中的數(shù)據(jù)統(tǒng)計顯示，識別錯誤率很低，誤判率為0.16%左右，即正確分揀率約為99.84%。無論從分揀的效率，還是分揀的正確性來說，效果都很好。

表3 測試數(shù)據(jù)統(tǒng)計

測試零件測試零件圖測試次數(shù)測試效果正確次數(shù)誤判次數(shù)平均識別時間/s碟剎片1302911.7碟剎片2302911.7碟剎片3303001.6碟剎片4303001.7

4 結(jié)語

本文以某企業(yè)實際生產(chǎn)的同材質(zhì)且外形相似的剎車片類零件為研究對象。針對原分揀系統(tǒng)分揀精度低且極易產(chǎn)生誤揀的問題展開研究。提出以可編程控制器為主控制器，并結(jié)合成像設備及圖像處理技術的方法來實現(xiàn)該類零件的快速準確的識別和分揀，即首先通過Matlab軟件控制成像設備采集待測零件的圖像信息，然后通過Matlab軟件本身自帶的強大的圖像處理技術對所采集的圖像信息進行預處理后，將其與樣本庫中的零件圖像進行比對。進而實現(xiàn)該類零件的快速準確的識別和分揀。最后通過實際驗證該系統(tǒng)能夠極大地提高同材質(zhì)且外形相似的零件的分揀精度。在實際生產(chǎn)中有很好的推廣應用價值。

[1]陳廉清,崔治,王龍山.基于計算機視覺的微小軸承表面缺陷在線識別[J].農(nóng)業(yè)機械學報,2006,37(5):132-143.

[2]張利,許青,計時鳴,等.基于計算機視覺的刀具磨損狀態(tài)識別技術[J].機電工程，2001(6):89-92.

[3]李勇,伍先達,邢武,龍飛.基于機器視覺的零件表面瑕疵自動分揀系統(tǒng)設計[J].自動化與儀器儀表，2010(5):40-44.

[4]李闖,丁曉青,吳佑壽.一種基于直方圖特征AdaBoost的圖像中的文字定位算法[J].中國圖象圖形學報, 2006,11(3):325-331.

[5]林壽光.基于圖像增強的直方圖均衡化處理[J].科技廣場,2012(10):32-34.

[6]李志軍,傅蓉浣.應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]朱虹.數(shù)字圖像處理基礎[M].北京：科學出版社, 2005.

[8]范維浩，張磊，陳紅，等.基于機器視覺的產(chǎn)品質(zhì)量自動檢測裝置[J].自動化技術與應用，2007，26(1): 115-117.

[9]王鄭耀.數(shù)字圖像的邊緣檢測[M].西安:西安交通大學出版社,2003：56-89.

如果您想發(fā)表對本文的看法，請將文章編號填入讀者意見調(diào)查表中的相應位置。

Based on image processing of parts sorting system design and implementation

GOU Jianfeng①②， MENG Li②

(Sichuan Engineering Technical College， Deyang 618000，CHN；②Xi’an University of Technology, Xi’an 710048，CHN;③Deyang City Product Quality Supervision and Inspection, Deyang 618000，CHN)

In this paper, a enterprise actual production of plane parts as the research object.And combined with the production conditions of the enterprise and the need of actual production, according to the original parts sorting precision low and sorting system for parts with a similar material, shape susceptible to sort by mistake to research.Put forward by the visual technology is introduced into the method of programmable controller, and combined with imaging set equipment and the method of image processing technology to realize fast and exact identification and sorting the parts.In the actual production has good popularization and application value.

image processing; parts sorting; edge tracking; image recognition; pneumatic control

* 德陽市2015 年度重點科技計劃( 科技支撐計劃、校企科技合作) 項目( 2015ZZ052)

TH162

A

10.19287/j.cnki.1005-2402.2016.11.003

茍建峰，男，1983年生，博士研究生，副教授，加工中心技師，主要從事機械制造及其自動化研究。

(編輯 譚弘穎)

2016-09-19)

161110