, ,

(石家莊鐵道大學(xué) 機械工程學(xué)院，河北 石家莊 050043)

0 引言

普通沖床落料工藝主要是通過人工操作沖床得到落料件。隨著國內(nèi)人力成本不斷提高和生產(chǎn)制造自動化的發(fā)展趨勢，人工落料體現(xiàn)出很多不足，如勞動強度大、人工成本高、定位不準確、生產(chǎn)效率低、板料利用率低等[1]。同時，如果能夠?qū)辶霞庸て髽I(yè)在生產(chǎn)過程中產(chǎn)生的大量不規(guī)則板料進行二次利用，將極大地提高板料的利用率，降低企業(yè)成本，提高經(jīng)濟效益。

隨著機器視覺技術(shù)的不斷發(fā)展，機器視覺在機械制造業(yè)領(lǐng)域中的應(yīng)用越來越廣泛。文獻[2]進行了智能化上料系統(tǒng)中工件視覺定位的研究，解決工業(yè)生產(chǎn)線生產(chǎn)效率不高，人工成本過大問題；文獻[3]進行了基于機器視覺的焊縫追蹤技術(shù)的應(yīng)用研究，實現(xiàn)焊縫自動跟蹤，達到實時和精確，保證了焊接質(zhì)量。文獻[4]提出了基于機器視覺的機械產(chǎn)品裝配系統(tǒng)在線作業(yè)方法并應(yīng)用于某型號變速箱閥體裝配工藝中。而機器視覺在沖床應(yīng)用方面相對少見報道，為實現(xiàn)沖床的自動化布料和落料，提出了實現(xiàn)沖床自動化的機器視覺系統(tǒng)，研究了機器視覺系統(tǒng)中圖像采集、圖像處理和系統(tǒng)控制等，并對圖像處理中布料算法進行了重點闡述。

1 系統(tǒng)整體設(shè)計

機器視覺系統(tǒng)主要包括工業(yè)相機、工業(yè)鏡頭、照明光源、圖像采集卡，圖像處理軟件等。圖1為實現(xiàn)沖床自動化改造的機器視覺系統(tǒng)整體示意圖，該系統(tǒng)從結(jié)構(gòu)上劃分主要組成為機器視覺部分、系統(tǒng)控制部分和機械結(jié)構(gòu)3大部分；從功能上劃分包括：圖像采集與圖像處理功能模塊、控制功能模塊和機械運動功能模塊。圖2為功能實現(xiàn)流程圖，啟動設(shè)備后對設(shè)備進行調(diào)試，根據(jù)落料的直徑和布料間隙設(shè)定系統(tǒng)參數(shù)，從送料口入料，當板料隨輥子移動設(shè)定距離時，視覺系統(tǒng)完成圖像采集，并傳輸?shù)焦た貦C中；控制程序進行圖像處理，實現(xiàn)自動布料并得到布料位置坐標和布料位置數(shù)量；根據(jù)布料參數(shù)，控制程序?qū)ζ溥M行處理，調(diào)用運動控制卡控制函數(shù)，運動控制卡發(fā)生動作，控制兩臺伺服電機轉(zhuǎn)動，送料平臺將板料送到實際落料位置后工控機再次調(diào)用運動控制卡控制函數(shù)，運動控制卡控制沖床動作實現(xiàn)落料。

圖1 系統(tǒng)整體示意圖

圖2 功能實現(xiàn)流程圖

圖3 圖像采集裝置側(cè)視圖

2 圖像采集與圖像處理

圖像采集和處理模塊主要包括工業(yè)攝像機、照明光源和工控計算機及機器視覺相關(guān)軟件等。圖3和圖4分別為圖像采集裝置的側(cè)視圖和俯視圖，其中工業(yè)相機選用普通黑白CCD工業(yè)相機并選配合適焦距的手動調(diào)焦鏡頭，光源照明采用背光照明方式，工控機選用Windows系統(tǒng)，選擇Halcon機器視覺軟件完成自動布料算法的開發(fā)。圖5為圖像采集和處理流程圖，圖像采集和處理實現(xiàn)過程為：根據(jù)所要加工出零件的尺寸參數(shù)和加工工藝，輥子帶動板料移動一定距離時觸發(fā)相機拍攝圖像，對圖像進行矯正后提取參考物兩交點對角線所在區(qū)域圖像，即圖4中虛線框區(qū)域的背光區(qū)域圖像；獲取背光區(qū)域后，對其進行全局閾值分割，分離出板料所在區(qū)域，然后通過一定的算法進行布料，篩選出能夠獲得完整零件的布料位置，獲取位置參數(shù)后，程序控制模塊根據(jù)位置參數(shù)控制平臺和沖頭的運動實現(xiàn)落料。

圖4 圖像采集裝置俯視圖

圖5 圖像采集和處理流程圖

3 圖像處理——布料算法的實現(xiàn)

首先在Halcon的Hdevelop開發(fā)環(huán)境中開發(fā)和調(diào)試機器視覺算法；然后將調(diào)試好的算法導(dǎo)出高級語言的程序，如C++、VB等；最后將導(dǎo)出的機器視覺程序和運動控制卡落料控制程序集成在同一軟件中，實現(xiàn)自動布料和落料控制等全部功能。

搭建好視覺平臺，并對設(shè)備進行調(diào)試；打開攝像機用傳統(tǒng)標定方法對攝像機進行標定[5]。攝像機拍攝圖像后對圖像使用map_image等算子進行畸變校正；利用get_mbutton算子對矯正圖像進行操作，獲取光源面板對角處兩個參考物的角點的坐標，使用crop_domain_rel算子截取背光區(qū)域圖像ImagePart，如圖6所示。

圖像分割[6]是指按照一定標準，將圖像空間換分成若干個互不重疊的區(qū)域。為便于后續(xù)布料算法的特征提取，對背光區(qū)域圖像應(yīng)用圖像分割分離出板料存在區(qū)域。圖像分割中閾值分割是從圖像中提取物體形狀的基本方法，閾值分割的操作定義為[7]

S+{(r,c)}∈R|gmin≤fr，c≤gmax

閾值分割將圖像R內(nèi)灰度值處于某一指定灰度值范圍內(nèi)全部點選到輸出區(qū)域S中。閾值分割是基于灰度值自身的，所以只要被分割的物體和背景存在非常顯著的灰度差時都能使用閾值分割。如果光照保持恒定，閾值在系統(tǒng)設(shè)置時被選定且永遠不用被調(diào)節(jié)。分析截取的背光區(qū)域圖像ImagePart，背光區(qū)域被板料遮擋,區(qū)域灰度值較低，而未被板料遮擋的區(qū)域灰度值較高，二者的灰度值差異明顯，符合閾值分割的條件，因此使用全局閾值分割算子threshold進行圖像分割，對矯正后的圖像中對象和背景進行分離，轉(zhuǎn)換為二值圖像，如圖7所示。圖像分割后提取出圖像中板料存在區(qū)域只有轉(zhuǎn)化為圖像才能進行布料，使用region_to_bin算子將分割后的區(qū)域連接起來并轉(zhuǎn)化為圖像。

圖6 背光區(qū)域圖像ImagePart

圖7 閾值分割圖像

圖8 篩選前板料布料圖像

圖9 布料算法對比圖

以圓形落料件布料為例，對分割圖像應(yīng)用自動布料算法。自動布料的實現(xiàn)首先是進行單個布料，然后通過循環(huán)語句實現(xiàn)多次布料的過程達到重復(fù)布料。首先通過gen_circle算子生成單個落料等直徑大小的圓形區(qū)域，然后對region_to_bin算子輸出的圖像進行操作，使用overpaint_region算子將生成的圓形區(qū)域以region_to_bin算子輸出的圖像中背光區(qū)相同灰度值繪制到region_to_bin算子輸出的圖像中，得到單個圓布料后的圖像，通過循環(huán)語句多次實現(xiàn)上述過程得到篩選前板料布料圖像，如圖8所示。

實現(xiàn)自動布料的同時，進行了布料算法的優(yōu)化。圖9為兩種布料方式的對比圖像。由圖所示，R為布料半徑，M為布料間隙，兩種算法相鄰圓心的距離均為2R+M，第一種布料方式是矩形布料算法，相鄰布料的圓心連心線呈矩形樣式，算法實現(xiàn)是每行從左到右等距離依次進行單個布料，當?shù)谝恍胁紳M之后，由控制語句控制第二行開始布料，重復(fù)第一行布料，通過逐行掃描的形式，布料圓布滿整個板料圖像，完成布料；第二種布料方式是等邊三角形布料算法，相鄰布料的圓心連心線呈等邊三角形樣式，與矩形布料算法相比，單行布料方法相同，均是從左向右依次等距離排布布料圓，不過每行行距L發(fā)生改變，行距L由公式(1)確定，算法實現(xiàn)是判斷語句首先判斷排列行數(shù)，當判斷為奇數(shù)行時按照矩形算法排布布料圓，當判斷是偶數(shù)行時，所有布料圓心向右移動R+M/2距離，按照從左到右等距離依次進行單個布料，直到達到指定數(shù)量，布滿整行，重復(fù)上述過程對下一行進行布料。

L=sqrt(2/3)×(2R+M)

(1)

矩形布料算法簡單，但布料區(qū)域圍成的區(qū)域較大，板料利用率沒有達到最優(yōu)；等邊三角形布料算法相對復(fù)雜，運算量和運算時間有一定的增加，相對于前一種布料算法板料利用率有較大提升，利用率提高了將近8%。

圖10 篩選后板料布料圖像

對布料后的結(jié)果進行分析，發(fā)現(xiàn)板料所布位置在邊界處可能存在不完整的布料，需要篩選出能夠?qū)崿F(xiàn)完整落料位置的布料區(qū)域并提取出相應(yīng)的位置坐標；與此同時發(fā)現(xiàn)能夠?qū)崿F(xiàn)完整落料的位置，都是等直徑并完整的圓形輪廓區(qū)域并且面積相等，因此可以使用區(qū)域的等面積屬性，剔除不想要的落料位置，篩選出完整落料區(qū)域，該過程的實現(xiàn)本質(zhì)上是區(qū)域特征提取過程。首先使用fast_threshold算子對圖像再次分割，分割之后求得布料后板料的區(qū)域，使用complement算子求取圖像域中的補集，這樣就可以得到未篩選的布料區(qū)域和背光區(qū)域，剔除的布料區(qū)域和背光區(qū)域相連通并且遠大于要篩選出的等面積的布料區(qū)域，使用select_ shape求取等面積的布料區(qū)域，篩選出完整的圓形落料，圖10為在板料上通過求取圖像域中的補集后進行基于形狀屬性的等面積篩選的結(jié)果，其中板料上完整的圓形中心位置即為布料位置，通過count_obj和area_center算子求得板料需要布料位置的個數(shù)與布料的位置坐標。

圖11 控制流程

4 系統(tǒng)控制

圖像處理的目的就是對板料進行布料并獲取布料位置，而系統(tǒng)控制是通過基于 PC的運動控制卡對送料平臺和普通沖床進行控制，完成自動落料的工藝，得到所要零件，真正實現(xiàn)普通沖床自動化。

控制系統(tǒng)的組成：主要包括工控機及控制軟件、基于PC的運動控制卡、伺服電機及伺服控制器和沖床等。圖11為落料控制實現(xiàn)過程流程圖，得到了布料位置，工控機控制運動伺服平臺將板料送到算法指定位置，配合沖床動作實現(xiàn)落料工藝。

5 結(jié)論

提出了沖床自動化布-落料的機器視覺系統(tǒng)的實現(xiàn)方法，對機器視覺系統(tǒng)的圖像采集與處理和控制模塊進行了細致的研究。開發(fā)的自動布料算法不僅能夠?qū)崿F(xiàn)對規(guī)則板料的布料，而且同樣適用于不規(guī)則板料，從而很大程度提高了系統(tǒng)的柔性和自動化程度；同時還對布料算法進行了優(yōu)化，優(yōu)化后板料的利用率提升了將近8%?；跈C器視覺的沖床自動化布料和落料的實現(xiàn)方法同樣對其它視覺系統(tǒng)的開發(fā)提供參考，具有良好的可移植性。

參 考 文 獻

[1]房超. 機器視覺及其在工業(yè)檢測中的應(yīng)用[J]. 自動化博覽,2007(4):46-48.

[2]郭斌,朱戈,陸藝,等. 智能化上料系統(tǒng)中工件視覺定位的研究[J]. 計算機測量與控制,2016,24(2):232-234+238.

[3]潘東,王琪,潘旭紅. 基于機器視覺的焊接跟蹤技術(shù)的應(yīng)用研究[J]. 機械制造,2011,49(11):13-16.

[4]劉明周,馬靖,張淼,等. 基于機器視覺的機械產(chǎn)品裝配系統(tǒng)在線作業(yè)方法[J]. 計算機集成制造系統(tǒng),2015,21(9):2343-2353.

[5]羅珍茜,薛雷,孫峰杰,等. 基于HALCON的攝像機標定[J]. 電視技術(shù),2010,3(4):100-102.

[6]白福忠.視覺測量技術(shù)基礎(chǔ)[M].北京：電子工業(yè)出版社,2013.

[7]斯蒂格,尤里奇,威德曼.機器視覺算法和應(yīng)用[M].北京：清華大學(xué)出版社,2008.