文/潘宇 騰菲 毋靜霞

某糖廠生產(chǎn)的糖包傳送線末端需要機(jī)械手搬運堆垛時，糖包需要快速準(zhǔn)確的搬運到指定區(qū)域按規(guī)律進(jìn)行堆垛，現(xiàn)今現(xiàn)場操作基本都是手動完成，這樣操作不安全、速度慢，工人勞動強(qiáng)度大，所以預(yù)設(shè)計一套自動抓取搬運機(jī)械手來替代工人進(jìn)行快速準(zhǔn)確的工作迫在眉睫，機(jī)械手可減少人力，提高生產(chǎn)率。這一機(jī)構(gòu)需要對糖包編織袋平放時平面內(nèi)的平面大小及位置進(jìn)行識別，以便于抓手抓取張角寬度及位置的目標(biāo)控制。本文基于MATLAB 圖像處理技術(shù)，設(shè)計了一種識別編織袋平放時平面大小及位置的處理算法，為機(jī)械手傳輸準(zhǔn)確的搬運編織袋時的張角寬度及位置信息。

1 編織袋識別的總體方案

編織袋平放時平面大小及位置的識別技術(shù)是通過圖像攝取裝置獲得RGB 圖像，利用RGB 圖像的一些特性(形狀、紋理、顏色、光譜等)來分割編織袋和傳送帶背景，得到編織袋的二值圖，通過邊緣檢測識別其四角信息并計算其大小及位置信息。方案由圖像采集、圖像增強(qiáng)、圖像灰度化、圖像分割、形態(tài)學(xué)處理、邊緣檢測以及角點識別組成。

2 圖像處理

2.1 圖像采集

圖像采集是進(jìn)行圖像處理的首要任務(wù)，為驗證本文所研究的識別算法的普遍適用性，盡量使拍攝環(huán)境與工廠的生產(chǎn)環(huán)境基本一致。因工廠里傳送帶的工作環(huán)境光線比較暗，所以選了一個陰天光線不是很強(qiáng)的環(huán)境進(jìn)行圖像采集。把編織袋放在傳送帶上，共采集6 幅圖像作為樣本來研究。經(jīng)過分析，選擇一副圖片較清晰、傳送帶反光較少的圖像（如圖(a)所示）進(jìn)行識別研究。

表1：樣本6 幅圖片的處理結(jié)果

2.2 圖像增強(qiáng)及灰度化處理

因圖像是陰天拍攝的，會存在曝光不足或者過曝的現(xiàn)象，這種圖像對比度效果較差。為了讓圖像得到一個滿意的結(jié)果，可采用圖像增強(qiáng)技術(shù)。這里通過imadd 函數(shù)來實現(xiàn)圖像的算術(shù)疊加增強(qiáng)運算，可得到一副編織袋和傳送帶有明顯區(qū)分的圖像（如圖(b)所示），之后再進(jìn)行灰度化處理。

2.3 圖像二值化閾值分割

圖像閾值分割的原理如下式：

其中數(shù)字0、數(shù)字1 以及T 均代表圖像中的灰度級，設(shè)T 為閾值，且T∈[0,1]，則可根據(jù)式（1）的關(guān)系將包含多個灰度級的圖片轉(zhuǎn)換為僅含0（黑色）、1（白色）兩個差異明顯的灰度級的圖片，將所有的不利于計算機(jī)儲存和識別的圖像信息簡化為利于計算機(jī)處理和識別的二進(jìn)制信息來表達(dá)圖像的特征。采用im2bw 函數(shù)將灰度圖像轉(zhuǎn)換成二值圖像，發(fā)現(xiàn)利用最大類間方差法的分割效果優(yōu)于局部閾值分割，并采用graythresh 函數(shù)選擇合適的閾值，得到如圖（c）所示的經(jīng)過二值化閾值分割處理后的圖像。

2.4 圖像形態(tài)學(xué)處理

分析圖（c）可知，經(jīng)過二值化閾值分割處理后的圖像，還有一些反光、灰塵等影響邊緣檢測結(jié)果的因素?？刹捎酶g運算的方法來消除這些瑕疵，使得傳送帶背景變成完全的黑色。經(jīng)過二次腐蝕運算，如圖（d）所示，傳送帶上面的小反光以及編織袋邊緣的小毛刺都消除了，兩者區(qū)分非常明顯；但同時也腐蝕出了編織袋下端的小孔洞，所以要對孔洞進(jìn)行填補，可采用圖像的封閉區(qū)域填充操作，如圖（e）所示為區(qū)域填充后的圖像。

2.5 邊緣檢測

邊緣檢測不但可以得到編織袋的輪廓信息，還能減少數(shù)據(jù)處理所需要的時間。檢測邊緣原理是逐一搜查一個地方之內(nèi)灰度的改變，用變動的規(guī)律來進(jìn)行檢測邊緣。邊緣檢測采用Canny 梯度算子，可最好的優(yōu)化對受白噪聲的影響。邊緣檢測如圖（f）所示。

3 編織袋大小及位置的識別

為了能準(zhǔn)確的讓機(jī)械手抓取編織袋，需要計算編織袋的邊界距離，以及求出編織袋的中心坐標(biāo)。編織袋的邊界距離中的寬度距離決定了機(jī)械手張角的寬度，編織袋的中心坐標(biāo)決定了機(jī)械手抓取編織袋的位置。

為了方便圖像中像素的掃描，先把邊緣檢測的圖像進(jìn)行取反，再求四個角點的坐標(biāo)。采用循環(huán)結(jié)構(gòu)來掃描像素點，并且記錄黑色像素點行最開始的點和最后結(jié)束的點；列最開始的點和列最后結(jié)束的點。以此來得到編織袋四個角點的坐標(biāo)。

首先，采用size 函數(shù)求出圖像的尺寸。

然后，使用for 循環(huán)來掃水平、豎直方向黑色像素點的信息。設(shè)置p 為編織袋最左坐標(biāo)，r 為編織袋最右坐標(biāo)，s 為編織袋最上坐標(biāo)，t為編織袋最下坐標(biāo)，為了確定某區(qū)域的分布位置，把水平或豎直投影結(jié)合起來用。編程由水平方向投影統(tǒng)計信息找到p 值和r 值，由豎直方向投影統(tǒng)計信息找到s 值和t 值。那么，就大概得到了四個點的坐標(biāo)：左上角坐標(biāo)（x,y）=(s, p)，左下角坐標(biāo)（x,y）=(t, p)，右上角坐標(biāo)（x,y）=(s, r)，右下角坐標(biāo)（x,y）=(t, r)。

最后，編織袋的寬度為：B=r-p；長度為：L=t-s。以及用如下方程式求出中心點坐標(biāo)：

為了驗證初步結(jié)論的可靠性與可適用性，對采集的樣本6 幅圖像進(jìn)行以上的處理。因編織袋的寬度距離決定了機(jī)械手張角的寬度，所以僅列出了編織袋平面大小的寬度信息，可得表1處理的結(jié)果。為了更直接的計算出編織袋的寬度（mm），根據(jù)實際尺寸(英寸)=像素/分辨率，進(jìn)行了像素與毫米的轉(zhuǎn)換。得知，此攝像頭的單個像素尺寸為1.22 毫米。為了與編織袋實際寬度（40 厘米）進(jìn)行比較，計算寬度誤差率。

由表1可知，編織袋寬度識別的誤差率都在5%以內(nèi)，可初步得出識別程序有效，基本可靠。編織袋的位置信息可由上表的“中心點坐標(biāo)像素值”乘以單個像素值1.22 毫米，就可得到識別的中心點位置到圖像邊界的距離，間接的得出編織袋的位置信息。

4 結(jié)論

本課題采用MATLAB 軟件對編織袋的圖像進(jìn)行識別。首先通過實物模擬采集圖像，用加運算進(jìn)行圖像疊加，增強(qiáng)圖片的對比度；然后使用最大類間方差法進(jìn)行分割，轉(zhuǎn)化為二值圖像；再通過腐蝕運算對二值化的圖像進(jìn)行去噪處理，通過區(qū)域填充對被不該腐蝕掉的地方進(jìn)行填充；接著開始邊緣檢測，獲得編織袋的邊緣輪廓。對編織袋的邊緣輪廓取反，使用循環(huán)結(jié)構(gòu)掃描圖像行像素點和列像素點，得到編織袋四個角點的坐標(biāo)；再用坐標(biāo)求出編織袋的大小和中心點坐標(biāo)。

測試結(jié)果初步表明，該算法識別效率高，識別質(zhì)量準(zhǔn)確，能夠滿足機(jī)械手控制的信號需求，使自動化作業(yè)快速準(zhǔn)確安全。但研究離實際應(yīng)用還有一定差距，只是通過圖像識別解決了人工搬運編織袋的一部分問題，也存在著缺陷，如生產(chǎn)線上編織袋擺放位置若有傾斜，那么此算法的使用效果就會稍有欠缺。