嚴(yán)培培

(江西科技學(xué)院機(jī)械學(xué)院，江西 南昌 330098)

?

基于網(wǎng)絡(luò)環(huán)境的食品分揀視覺檢測(cè)系統(tǒng)設(shè)計(jì)

嚴(yán)培培

(江西科技學(xué)院機(jī)械學(xué)院，江西 南昌 330098)

以網(wǎng)絡(luò)環(huán)境為基礎(chǔ)，對(duì)食品分揀視覺檢測(cè)系統(tǒng)進(jìn)行研究，通過分析食品分揀系統(tǒng)的設(shè)計(jì)要求和設(shè)計(jì)原理，建立食品分揀系統(tǒng)結(jié)構(gòu)模型，并以面包為對(duì)象進(jìn)行食品中心位置檢測(cè)試驗(yàn)，結(jié)果表明：試驗(yàn)誤差范圍在-1%～4%，滿足分揀視覺處理的精度要求，可為其它工業(yè)自動(dòng)化分揀系統(tǒng)設(shè)計(jì)提供參考。

食品；分揀；網(wǎng)絡(luò)結(jié)構(gòu)；視覺檢測(cè)

隨著科學(xué)技術(shù)的快速發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，工業(yè)機(jī)器人技術(shù)、網(wǎng)絡(luò)技術(shù)、視覺檢測(cè)技術(shù)不斷被引進(jìn)到食品生產(chǎn)行業(yè)中，這些技術(shù)不僅降低了生產(chǎn)成本和勞動(dòng)強(qiáng)度，還提高了生產(chǎn)效率、保證了產(chǎn)品的質(zhì)量[1]。

傳統(tǒng)的食品生產(chǎn)行業(yè)主要依靠人工來完成食品的分揀，效率非常低，而且會(huì)造成食品的二次污染[2]。機(jī)器人視覺技術(shù)主要是為機(jī)器人建立視覺檢測(cè)系統(tǒng)，動(dòng)作達(dá)到靈活性和柔性化要求，對(duì)所處的環(huán)境具有一定的適應(yīng)性。在生產(chǎn)線中主要采用Eye-to-Hand的方式實(shí)現(xiàn)目標(biāo)抓取[3]。國(guó)外已有利用視覺檢測(cè)技術(shù)來完成對(duì)未知目標(biāo)的檢測(cè)。中國(guó)起步比較晚，主要集中在科研機(jī)構(gòu)，如天津大學(xué)與哇哈哈集團(tuán)研發(fā)基于Delta 機(jī)器人的果奶裝箱機(jī)構(gòu)和沈陽(yáng)新松研發(fā)的工業(yè)搬運(yùn)機(jī)器人等[4]。為實(shí)現(xiàn)食品分揀視覺系統(tǒng)的開發(fā)應(yīng)用，試驗(yàn)擬以網(wǎng)絡(luò)環(huán)境為基礎(chǔ)，對(duì)食品分揀視覺檢測(cè)系統(tǒng)進(jìn)行研究，旨在提高分揀視覺處理的精度，減小誤差范圍。

1 食品分揀系統(tǒng)的設(shè)計(jì)原理及模型構(gòu)建

1.1 分揀系統(tǒng)的設(shè)計(jì)要求

由于市場(chǎng)對(duì)高品質(zhì)的產(chǎn)品需要以及人工成本的增加，生產(chǎn)企業(yè)不斷將機(jī)器人生產(chǎn)線投入車間。特別是食品生產(chǎn)行業(yè)，對(duì)其安全性能要求極高。食品的分揀系統(tǒng)主要是由一系列的工業(yè)控制機(jī)、工業(yè)相機(jī)以及運(yùn)動(dòng)控制器等組成[5]。在對(duì)其設(shè)計(jì)的過程中，應(yīng)滿足四點(diǎn)要求：① 各運(yùn)行機(jī)構(gòu)性能高效穩(wěn)定；② 執(zhí)行機(jī)構(gòu)具有高度的靈活性和柔性化，能夠完成不同的產(chǎn)品規(guī)格化和標(biāo)準(zhǔn)化；③ 在控制系統(tǒng)工作的過程中具有一定的自適應(yīng)性和自動(dòng)識(shí)別的功能；④ 在整個(gè)包裝食品分揀過程中，實(shí)現(xiàn)無人接觸，確保食品的安全衛(wèi)生。

1.2 分揀系統(tǒng)的設(shè)計(jì)原理

機(jī)器視覺系統(tǒng)工作原理見圖1，整個(gè)機(jī)器的食品分揀系統(tǒng)主要是工業(yè)計(jì)算機(jī)、運(yùn)動(dòng)器、工業(yè)相機(jī)、交流伺服系統(tǒng)。當(dāng)食品在生產(chǎn)線上運(yùn)動(dòng)時(shí)，工業(yè)相機(jī)會(huì)對(duì)其進(jìn)行拍照，將得到的圖像通過數(shù)據(jù)總線傳到工業(yè)控制機(jī)中，通過一定的算法對(duì)圖像進(jìn)行處理和判斷，得到的食品屬性信息會(huì)傳送到執(zhí)行機(jī)構(gòu)中，交流伺服系統(tǒng)根據(jù)發(fā)來的指令完成食品分揀[6]。

1.3 分揀系統(tǒng)的結(jié)構(gòu)模型

根據(jù)分揀系統(tǒng)的設(shè)計(jì)要求與原理，進(jìn)行了分揀系統(tǒng)的結(jié)構(gòu)建模(見圖2)。模型由五部分組成，分別為PC機(jī)、工業(yè)相機(jī)、執(zhí)行機(jī)構(gòu)、工控機(jī)、數(shù)據(jù)傳輸設(shè)備。在系統(tǒng)構(gòu)建安裝過程中，應(yīng)該保證各裝置的協(xié)調(diào)性。主要控制的核心是PC機(jī)，對(duì)整體布局也是非常重要的。工業(yè)相機(jī)安裝在執(zhí)行機(jī)構(gòu)的前面，并且拍照的寬度要比傳送帶的寬度略大，合理的布置也為后續(xù)的軟件設(shè)計(jì)提供了依據(jù)。

圖1 機(jī)器視覺系統(tǒng)工作原理圖

圖2 分揀系統(tǒng)的結(jié)構(gòu)模型

2 硬件選型及網(wǎng)絡(luò)結(jié)構(gòu)

整個(gè)工業(yè)機(jī)器人系統(tǒng)是以Motoman系列為本體，其為6軸多關(guān)節(jié)型，由交流伺服電機(jī)驅(qū)動(dòng)[7]。該機(jī)器人系統(tǒng)的控制柜能夠與計(jì)算機(jī)進(jìn)行通信。

2.1 工業(yè)相機(jī)

在對(duì)食品進(jìn)行拍照時(shí)，光源的選取非常重要。它能夠檢測(cè)物品的突出部分，而且光源的穩(wěn)定性對(duì)圖像的質(zhì)量影響非常大[8]。因此，考慮成本的情況下，盡量保證其不受其他光源的干擾。綜合亮度、穩(wěn)定性、壽命等屬性參數(shù)，試驗(yàn)選定LED光源。

圖像的采集不僅要考慮速度、方式、分辨率等，而且要考慮精度、視野、成本和壽命等。CCD相機(jī)通過反射的光線，經(jīng)過鏡頭傳播至CCD芯片上，根據(jù)累積的電荷，對(duì)其進(jìn)行濾波和放大處理，最后對(duì)圖像進(jìn)行輸出，并非采用常規(guī)的采集卡，而是通過網(wǎng)絡(luò)的傳播，直接送到服務(wù)器[9]。經(jīng)過比較，選擇DALSL系列的工業(yè)相機(jī)(基于以太網(wǎng)協(xié)議開發(fā))。其參數(shù)為：80萬像素、外形尺寸95 mm×50 mm×16 mm，光圈手動(dòng)，以64幀每秒的速度進(jìn)行掃描，分辨率可以達(dá)到1 024×768。

2.2 工控機(jī)

在食品分揀系統(tǒng)中，工控機(jī)是控制的大腦，對(duì)其選擇直接決定著圖像的處理和執(zhí)行機(jī)構(gòu)的效率。但是在實(shí)際過程中，還要考慮安裝、防塵等。綜合比較下，選擇研華科技的610L型工控機(jī)[10]。其參數(shù)為：處理器Dual-Core，主頻3 GHz，內(nèi)存4 G。

2.3 網(wǎng)絡(luò)控制

食品分揀系統(tǒng)以工業(yè)以太網(wǎng)為總體結(jié)構(gòu)，可實(shí)現(xiàn)不同系統(tǒng)的協(xié)調(diào)。圖3為網(wǎng)絡(luò)控制結(jié)構(gòu)圖，在運(yùn)行的過程中，運(yùn)用工業(yè)相機(jī)對(duì)食品的信息進(jìn)行采集，存在主機(jī)中。在對(duì)系統(tǒng)進(jìn)行逐級(jí)分類時(shí)，HMI可以設(shè)置不同的參數(shù)，并對(duì)出現(xiàn)的異常情況及時(shí)進(jìn)行處理，將結(jié)果反映到主機(jī)中[11]。管理級(jí)主要是工控機(jī)和服務(wù)器，現(xiàn)場(chǎng)級(jí)可以將處理的信息進(jìn)行交換，實(shí)現(xiàn)一定的操作。

圖3 網(wǎng)絡(luò)控制結(jié)構(gòu)圖

3 軟件設(shè)計(jì)

系統(tǒng)的軟件主要是由人機(jī)交互界面、視覺軟件、運(yùn)動(dòng)控制組成。通過人機(jī)界面的信息分析處理，由視覺軟件傳遞給控制部分，系統(tǒng)見圖4。在視覺系統(tǒng)選取時(shí)，要滿足3個(gè)要求：① 魯棒性能要高；② 系統(tǒng)要能保證可靠和準(zhǔn)確性；③ 整個(gè)系統(tǒng)的算法要能對(duì)實(shí)際情況完成實(shí)時(shí)性和通用性[12]。根據(jù)上面選擇的工業(yè)相機(jī)，DALSA系列的相機(jī)采用的視覺軟件是Sherlock。其是基于VC軟件開發(fā)的，視覺采集的過程主要是圖像信息的收集，根據(jù)運(yùn)用的算法，對(duì)特征提取。然后基于VC環(huán)境，對(duì)控制系統(tǒng)進(jìn)行實(shí)時(shí)處理，保證數(shù)據(jù)的正確分析和準(zhǔn)確無誤的傳送，及時(shí)達(dá)到控制端，為執(zhí)行機(jī)構(gòu)運(yùn)行奠定基礎(chǔ)[13]。

4 視覺系統(tǒng)的開發(fā)

軟件Sherlock具有強(qiáng)大的不同數(shù)據(jù)通訊接口，不僅擁有

圖4 軟件系統(tǒng)圖

高等的編輯功能，而且支持第三方工具開發(fā)以及特殊工具的定制[14]。此視覺系統(tǒng)的開發(fā)就是基于此展開的。在整個(gè)設(shè)計(jì)的過程中，首先基于VC的開發(fā)視覺環(huán)境對(duì)軟件進(jìn)行處理，實(shí)現(xiàn)與Sherlock軟件的連接。然后對(duì)比不同食品圖像，實(shí)現(xiàn)算法的結(jié)合。最后對(duì)掃描到的特征進(jìn)行配對(duì)，并反饋給控制系統(tǒng)。

經(jīng)過一定的運(yùn)算，編寫圖像采集的程序：

void CmypicprosysDlg::OnBnClickedStartBtn()

{ if (m_bstate)

SetTimer( 1 ,m—timer, NULL);//每秒執(zhí)行一次

GetDlgItem(IDC_START_BTN)-〉SetWindowText(“暫停”);

KiliTimer(l);

GetDlgltem(IDC_START_BTN)->SetWindowText(“開始處理”);

m_bstate=!m_bstate;}

在對(duì)系統(tǒng)進(jìn)行處理時(shí)，速度也是重要的影響因素。影響其快慢的主要是圖像處理時(shí)間和VC數(shù)據(jù)的處理，故有必要對(duì)其進(jìn)行系統(tǒng)檢測(cè)[15]。

5 實(shí)驗(yàn)結(jié)果與分析

選取面包為研究對(duì)象，經(jīng)過實(shí)驗(yàn)驗(yàn)證，獲得圖像見圖5。

經(jīng)過實(shí)際驗(yàn)證，發(fā)現(xiàn)視覺軟件處理得到的結(jié)果與實(shí)際的食品距離存在誤差。根據(jù)中心點(diǎn)來算(圖6)，其誤差范圍為-1%～4%，能夠滿足視覺處理的精度要求。但是對(duì)于所需的旋轉(zhuǎn)角度來說，不同的軟件算法并不一樣，加上不同的誤差波動(dòng)是比較大的，其誤差值為-6%～9%，基本滿足設(shè)計(jì)的要求。

圖5 食品中心位置圖像

圖6 實(shí)際食品中心位置檢測(cè)

6 結(jié)論

本試驗(yàn)以網(wǎng)絡(luò)環(huán)境為基礎(chǔ)，對(duì)食品分揀視覺檢測(cè)系統(tǒng)進(jìn)行了研究，通過分析食品分揀系統(tǒng)的設(shè)計(jì)要求和設(shè)計(jì)原理，建立了食品分揀系統(tǒng)結(jié)構(gòu)模型，采用80萬像素，進(jìn)行速度掃描為64幀每秒，分辨率為1 024×768的DALSL工業(yè)相機(jī)，610L型的工控機(jī)作為系統(tǒng)硬件，Sherlock為系統(tǒng)軟件，實(shí)現(xiàn)了食品分揀視覺系統(tǒng)的開發(fā)。以面包為對(duì)象進(jìn)行食品中心位置檢測(cè)試驗(yàn)，結(jié)果表明，試驗(yàn)誤差范圍在-1%～4%，滿足分揀視覺處理的精度要求，這為其它工業(yè)自動(dòng)化分揀系統(tǒng)設(shè)計(jì)提供了參考。

[1] 晏祖根, 李明, 徐克非, 等. 高速機(jī)器人分揀系統(tǒng)機(jī)器視覺技術(shù)的研究[J]. 包裝與食品機(jī)械, 2014(1): 28-31.

[2] 嚴(yán)培培. 面向非典型食品生產(chǎn)的高速機(jī)器人分揀系統(tǒng)設(shè)計(jì)[J]. 食品與機(jī)械, 2016, 32(2): 94-97.

[3] 蔣毅, 李正洋, 應(yīng)在恩, 等. 食品分揀機(jī)器人動(dòng)力學(xué)仿真[J]. 食品與機(jī)械, 2015, 31(5): 93-95.

[4] 袁歡. 基于計(jì)算機(jī)視覺技術(shù)的零件自動(dòng)分檢系統(tǒng)[D]. 杭州: 浙江理工大學(xué), 2015: 23.

[5] 霍罡. 基于PLC的工件表面檢測(cè)與分揀控制系統(tǒng)設(shè)計(jì)[J]. 微計(jì)算機(jī)信息, 2012(6): 42-43.

[6] 張朝陽(yáng). 基于視覺的機(jī)器人廢金屬分揀系統(tǒng)研究[D]. 北京: 中國(guó)農(nóng)業(yè)大學(xué), 2015: 21.

[7] 王衛(wèi)翼, 張秋菊. 基于機(jī)器視覺的蟲蝕葵花籽識(shí)別與分選系統(tǒng)[J]. 食品與機(jī)械, 2014, 30(2): 109-113.

[8] 楊芳, 吳進(jìn)軍. 基于機(jī)器視覺的機(jī)針智能質(zhì)量檢測(cè)分揀系統(tǒng)設(shè)計(jì)[J]. 制造業(yè)自動(dòng)化, 2013(16): 18-20.

[9] 李勇, 伍先達(dá), 邢武, 等. 基于機(jī)器視覺的零件表面瑕疵自動(dòng)分揀系統(tǒng)設(shè)計(jì)[J]. 自動(dòng)化與儀器儀表, 2010(5): 40-41, 44.

[10] 修學(xué)強(qiáng), 姜鑫. 一種食品自動(dòng)傳送分揀機(jī)的結(jié)構(gòu)設(shè)計(jì)與控制實(shí)現(xiàn)[J]. 食品工業(yè), 2014(9): 203-205.

[11] 劉子龍. 基于機(jī)器視覺的快速分揀食品包裝系統(tǒng)研究[D]. 漢中: 浙江工業(yè)大學(xué), 2015: 32.

[12] 何探. 基于機(jī)器視覺的Tripod機(jī)器人分揀算法研究與應(yīng)用[D]. 廣州: 華南理工大學(xué), 2015: 26.

[13] 王振杰, 孫曄, 顧欣哲, 等. 計(jì)算機(jī)視覺技術(shù)對(duì)食品腐敗檢測(cè)的研究進(jìn)展[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào), 2015(8): 2 969-2 975.

[14] 蔣毅, 李正洋, 應(yīng)在恩, 等. 食品分揀機(jī)器人動(dòng)力學(xué)仿真[J]. 食品與機(jī)械, 2015, 31(5): 93-95, 148.

[15] 李嘯宇, 張秋菊. 顆粒狀食品視覺檢測(cè)分選技術(shù)的發(fā)展[J]. 食品工業(yè)科技, 2014(13): 378-381, 386.

Design of visual inspection system for bulk food sorting based on network environment

YANPei-pei

(JiangxiUniversityofTechnology,DepartmentofMechanicalEngineering,Nanchang,Jiangxi330098,China)

Based on the network environment, the food sorting visual inspection system was studied. Through the analysis of the design requirements of food sorting system and the design principle, the food sorting system structure model was established, and the bread was taken as the garget for food center position detection test. The results showed that: test error in the range of -1%～4%, meet the requirements of precision sorting and visual processing and can provide a reference for the design of other industrial automatic sorting system.Keywords： food sorting; network structure; visual inspection; control system

嚴(yán)培培(1985-)，女，江西科技學(xué)院講師，碩士。

E-mail：yuyansiying@163.com

2016—05—27

10.13652/j.issn.1003-5788.2016.10.025