張驍哲，劉成清

(西南交通大學(xué) 土木工程學(xué)院，成都 610031)

0 引言

制藥企業(yè)在藥片的生產(chǎn)加工過程中，不可避免地會(huì)產(chǎn)生各種缺陷，例如斷裂、缺角、漏印、異色等，一些生產(chǎn)企業(yè)仍然采用人工肉眼觀察的方法分揀出有缺陷的藥片[1-2]。由于檢驗(yàn)人員的視覺疲勞，以及對(duì)細(xì)微部分的識(shí)別局限，很容易造成漏檢，并且檢驗(yàn)速度很慢[3-4]。人工分揀缺陷藥片，不但效率低，而且很難保證產(chǎn)品的整批質(zhì)量。對(duì)缺陷藥片進(jìn)行高效揀出、高合格率出廠，是目前中小型制藥企業(yè)面臨的低成本智能制造難題。雖然國外已經(jīng)有專用的藥片檢驗(yàn)設(shè)備，但幾百萬元甚至上千萬元的售價(jià)過于昂貴。國內(nèi)專用藥片檢驗(yàn)設(shè)備的技術(shù)受到國外核心技術(shù)的封鎖，進(jìn)展較慢，所研發(fā)的專用藥片檢驗(yàn)與分揀設(shè)備同樣也是價(jià)格昂貴，而且通用性差、適用范圍也不理想。

研制缺陷藥片智能分揀機(jī)器人，代替人工分揀，對(duì)于提高生產(chǎn)效率和產(chǎn)品質(zhì)量具有重要意義。目前專用檢驗(yàn)設(shè)備不能普遍被采用，一個(gè)重要瓶頸問題就是設(shè)備成本過高問題，所以研制成本低廉的機(jī)器人分揀系統(tǒng)，對(duì)于中小型制藥企業(yè)實(shí)現(xiàn)低成本智能制造、代替人工分揀以及降低人工成本，意義重大。已有一般設(shè)備雖然可以實(shí)現(xiàn)缺陷藥片的檢驗(yàn)，但其專用性的特點(diǎn)注定了適用產(chǎn)品型號(hào)單一[5]，而且用戶不能進(jìn)行二次開發(fā)以滿足不同工況的使用需求。所以，本文提出的智能分揀機(jī)器人技術(shù)適用范圍廣、通用性好、智能化程度高，對(duì)于在中小企業(yè)中推廣低成本應(yīng)用具有重要意義。

1 機(jī)器人系統(tǒng)結(jié)構(gòu)及原理

分揀機(jī)器人系統(tǒng)由關(guān)節(jié)型機(jī)器人本體、電動(dòng)手爪、傳送帶、控制器、驅(qū)動(dòng)器、電機(jī)、工業(yè)相機(jī)、計(jì)算機(jī)及視覺軟件系統(tǒng)等組成。視覺系統(tǒng)通過機(jī)器視覺[6]來獲取目標(biāo)物體的特征點(diǎn)，由機(jī)器人根據(jù)目標(biāo)位置，完成快速動(dòng)態(tài)的抓取任務(wù)。將相機(jī)布置在藥片輸送帶上方，機(jī)器人位于傳送帶側(cè)面。藥片在圖像識(shí)別區(qū)時(shí)，經(jīng)相機(jī)采集圖像，圖像經(jīng)視覺處理系統(tǒng)處理后，將得出的輪廓和位置等數(shù)據(jù)結(jié)果傳給機(jī)器人控制器，機(jī)器人對(duì)其進(jìn)行分類抓取，并放在藥片規(guī)定的終檢區(qū)域。智能分揀機(jī)器人系統(tǒng)整體原理設(shè)計(jì)縮比結(jié)構(gòu)圖見圖1所示。

圖1 機(jī)器人系統(tǒng)組成原理結(jié)構(gòu)圖

2 藥片的圖像采集與分析處理

為了對(duì)缺陷藥片進(jìn)行快速定位，對(duì)拍攝到的圖像進(jìn)行預(yù)處理是必不可少的工作?；贖alcon視覺開發(fā)平臺(tái)[7]進(jìn)行圖像處理，包括圖像分割、區(qū)域連通、圓擬合、獲得中心等[8-9]。對(duì)將要分揀的藥片進(jìn)行目標(biāo)檢測(cè)時(shí)，首先利用gen_rectangle1對(duì)需要分析的區(qū)域進(jìn)行選定。目前，對(duì)于目標(biāo)物體的檢測(cè)方法主要有：幀間差分法、光流法、背景減除法和閾值分割法[10-11]。通過對(duì)比和結(jié)合實(shí)際藥片分揀工作環(huán)境，最終選擇了簡單易行的閾值分割法中的固定閾值分割法。采用thread 函數(shù)對(duì)圖像進(jìn)行閾值分割。處理函數(shù)：threshold(ho_Image, out ho_Region，grayValueMin，grayValueMax)；這個(gè)函數(shù)的輸入為圖片即用戶想要處理的圖像，輸出的區(qū)域即想要得到的特征區(qū)域，兩個(gè)參數(shù)grayValueMin與grayValueMax 是需設(shè)置的最小與最大閾值，這個(gè)值的選取通過圖片的灰度直方圖獲得。然后利用物體的圓度和面積腐蝕出圓形結(jié)構(gòu)，最后得到物體的坐標(biāo)中心點(diǎn)，具體如下：

grab_image(Image,FGHandle) //獲取圖像

dev_display(Image) //顯示圖像

gen_rectangle1 (ROI, Row111, Column111, Row222, Column222) //選擇區(qū)域

reduce_domain (Image, ROI, ImageROI) //減少到選擇的區(qū)域

threshold(ImageROI, write, 131, 255) //閾值分割

fill_up_shape(write, RegionFillUp, 'area', 1, 100) //形狀填充

opening_circle(RegionFillUp, RegionOpening, 1)

connection(RegionOpening,SingleBalls) //區(qū)域連通

select_shape (SingleBalls, IntermediateBalls, 'circularity', 'and', 0.8, 1.0) //用圓度區(qū)分

select_shape(IntermediateBalls, SelectedRegionsWhite, 'area', 'and', 7000, 10000) //用面積區(qū)分

erosion_circle(SelectedRegionsWhite, RegionErosionWhite, 3.5) //腐蝕一個(gè)圓形結(jié)構(gòu)基礎(chǔ)的一個(gè)區(qū)域

dev_display(RegionErosionWhite)

count_obj(RegionErosionWhite, NumberWhite) //得到物體的個(gè)數(shù)

area_center(RegionErosionWhite, AreaWhite, Row1, Column1) //獲得物體中心點(diǎn)。

3 機(jī)器人正運(yùn)動(dòng)學(xué)求解

分揀機(jī)器人系統(tǒng)所設(shè)計(jì)的關(guān)節(jié)型機(jī)器人具有4個(gè)旋轉(zhuǎn)關(guān)節(jié)，從底座至末端依次為0～3關(guān)節(jié) ，其中1～3關(guān)節(jié)軸線相互平行，0～2的3個(gè)關(guān)節(jié)由電機(jī)驅(qū)動(dòng)，第4個(gè)關(guān)節(jié)為被動(dòng)關(guān)節(jié)，受第2個(gè)關(guān)節(jié)和第3個(gè)關(guān)節(jié)電機(jī)控制，保持自身姿態(tài)為0°。因此，被動(dòng)關(guān)節(jié)4運(yùn)動(dòng)的末端執(zhí)行器工具保持水平，即保持自身與水平面平行。利用D-H坐標(biāo)變換法[12]研究機(jī)器人運(yùn)動(dòng)學(xué)，確定機(jī)器人各連桿之間的坐標(biāo)系，建立坐標(biāo)系如下圖2所示。

圖2 機(jī)器人連桿坐標(biāo)系

關(guān)節(jié)軸i-1和關(guān)節(jié)軸i之間的公垂線的長度為ai，即為連桿長度；垂直于ai所在的平面內(nèi)的兩軸線之間的夾角用連桿扭角αi表示；兩條公法線ai-1與ai為兩連桿之間的偏置用di表示；兩條公法線ai-1與ai之間的夾角為關(guān)節(jié)角，用θi表示。首先對(duì)機(jī)器人每一個(gè)桿件上分別固定一個(gè)坐標(biāo)系進(jìn)行編號(hào)，基座即為桿件0號(hào)，坐標(biāo)系{0}，第一個(gè)有相對(duì)運(yùn)動(dòng)的剛體為桿件1，其坐標(biāo)系為{1}，以此類推。

(1)中間連桿坐標(biāo)系{i}：

坐標(biāo)軸Zi：與關(guān)節(jié)軸i+1共線，指向任意；

坐標(biāo)軸Xi：沿連桿i兩關(guān)節(jié)軸線之公垂線，指向由i關(guān)節(jié)到i+l關(guān)節(jié)；

坐標(biāo)軸Yi：按照右手法則確定。

(2)首、末連桿坐標(biāo)系：

基礎(chǔ)坐標(biāo)系{0}與基座固接，常用它來描述操作臂與其他連桿的運(yùn)動(dòng)。

機(jī)器人系統(tǒng)原理樣機(jī)的縮比機(jī)械結(jié)構(gòu)尺寸如圖3所示(單位mm)。

圖3 機(jī)器人系統(tǒng)原理縮比結(jié)構(gòu)圖

根據(jù)圖2建立的機(jī)器人的連桿坐標(biāo)系，從而確定連桿參數(shù)表。

表1 連桿參數(shù)表

(1)

其中：ci= cosθi，si=sinθi，cij=cos(θi+θj)，sij=sin(θi+θj)?？梢郧蟪鰅關(guān)節(jié)相對(duì)i+1關(guān)節(jié)的變化矩陣。

(5)

可得位姿方程為：

(6)

根據(jù)機(jī)器人的D-H參數(shù)，建立如下MATLAB程序：L1=link([-pi/2 65 0 90],'standard')；

L2=link([0 135 -pi/2 0],'standard')；

L3=link([0 170 pi/2 0],'standard')；

r=robot({L1 L2 L3 })；

r.name='Robot'；

drivebot(r)

為了驗(yàn)證變換矩陣的準(zhǔn)確性，在MATLAB中給定初始角度：θ1=0，θ2=-pi/2，θ3= pi/2，得到末端坐標(biāo)點(diǎn)X=235，Y=0，Z=225，與機(jī)器人結(jié)構(gòu)尺寸一致，也驗(yàn)證了上述算法的正確性。

通過MATLAB機(jī)器人工具箱，輸入關(guān)節(jié)位置后，得到機(jī)器人的仿真圖如圖4所示。

圖4 機(jī)器人正解仿真圖

4 分揀機(jī)器人逆運(yùn)動(dòng)學(xué)求解

在藥片分揀實(shí)際工程中，是根據(jù)視覺系統(tǒng)識(shí)別的藥片位置規(guī)劃機(jī)器人末端運(yùn)動(dòng)位置和姿態(tài)，根據(jù)藥片位置計(jì)算每個(gè)關(guān)節(jié)角度的相應(yīng)值，驅(qū)動(dòng)各個(gè)關(guān)節(jié)電機(jī)運(yùn)動(dòng)，完成運(yùn)動(dòng)軌跡，求解各個(gè)關(guān)節(jié)角度值的過程稱為逆運(yùn)動(dòng)學(xué)。

求解關(guān)節(jié)變量θ1，根據(jù)式(6)可得：

(7)

從而得出：

(8)

其中:u14=a3c23+a2c2，u24=a3s23+a2s2，u34=0。

根據(jù)方程兩端的元素(3,4)(1,4)和(2,4)分別對(duì)應(yīng)相等，得出如下方程：

-s1px+c1py=0

(9)

(10)

根據(jù)式(9)得到θ1：

θ1=Atan2(py,px)

(11)

根據(jù)式(10)的聯(lián)立方程，可得到θ2和θ3的值。

得出：

(12)

根據(jù)式(12)已求出θ3的值，將式(10)展開，求解θ2。得到θ2的值：

得出：

(13)

從而得出：

θ4=-(θ2+θ3)

(14)

因此，根據(jù)藥片位置，得到通過運(yùn)動(dòng)學(xué)逆解計(jì)算的機(jī)器人各關(guān)節(jié)的運(yùn)動(dòng)角度θ1、θ2、θ3和θ4的值。

根據(jù)機(jī)器人自身結(jié)構(gòu)特征及逆解特點(diǎn)，通過Halcon程序，利用atan2函數(shù)可以確定θ1的運(yùn)動(dòng)角度。其次對(duì)θ2進(jìn)行判斷，選擇與上一路徑點(diǎn)相近的關(guān)節(jié)變量θ2，確定θ2以后，依次類推求解θ3。利用“最短行程”求解降低機(jī)器人運(yùn)動(dòng)能量消耗、縮短運(yùn)動(dòng)時(shí)間。對(duì)運(yùn)動(dòng)學(xué)逆解的實(shí)時(shí)性選擇優(yōu)化，大大提高了機(jī)器人的工作效率。

5 機(jī)器人抓取過程求解

機(jī)器人手爪與機(jī)器人末端的位置關(guān)系如圖5所示，可以看出，T_03和T_04的位置關(guān)系為：

X0=X1-L×cos(β1)

(15)

Y0=Y1-L×sin(β1)

(16)

圖5 機(jī)器人手爪與末端的位置關(guān)系圖

相機(jī)安放于固定位置，當(dāng)藥片運(yùn)行到相機(jī)視野范圍時(shí)，相機(jī)進(jìn)行拍照。經(jīng)實(shí)驗(yàn)，機(jī)器人手爪在相機(jī)坐標(biāo)系下像素點(diǎn)為(1 069,1 314)。被抓取的物體位置在視野中是任意的，設(shè)為(Row1[0]，Column1[0])，同時(shí)測(cè)得Column方向上65.4個(gè)像素代表10 mm，Row方向上63.9個(gè)像素代表10 mm。由于機(jī)器人電動(dòng)手爪在圖像中的位置為定值，這樣即可得到物體與手爪在實(shí)際坐標(biāo)系下的相對(duì)位置。關(guān)系如下：

CharX:=(round( -(Row1[0]-1069)/63.9))*10

CharY:=(round(-(Column1[0]-1314)/65.4))*10

根據(jù)圖3，得到T_04初始的位置為：

X=235+50=285，Y=0，Z=225-14-85=126(其中85是指電動(dòng)手爪的高度)。在實(shí)現(xiàn)物體快速抓取的過程中，相機(jī)采集到物體圖像進(jìn)行分析后，得出CharX和CharY這兩個(gè)偏移量，即可計(jì)算出：

X1=285+CharX

Y1=0+CharY

根據(jù)式(15)和式(16)得到機(jī)器人T_03的位置(X0和Y0)，再經(jīng)過逆解求得每個(gè)軸當(dāng)前的角度，記為theta1、theta2、theta3。

根據(jù)電機(jī)轉(zhuǎn)1圈發(fā)20000個(gè)脈沖，可以得到電機(jī)轉(zhuǎn)1°發(fā)56個(gè)脈沖。每個(gè)軸電機(jī)應(yīng)發(fā)的脈沖數(shù)為：

Pulse1=round(theta1*56)

Pulse2=round((90+theta2)*56)

Pulse3=round(theta3*56)

其中，round是取整，theta1-theta3是抓取位置時(shí)電機(jī)的角度，并不是從原點(diǎn)到抓取位置所需走過角度值。因此需要根據(jù)當(dāng)前角度值減去建模時(shí)的初始值(0，-90，90)。并且根據(jù)機(jī)器人特殊的機(jī)械結(jié)構(gòu)，theta3等于theta2與theta3的和。發(fā)送給控制器的代碼如下：

send_data (Socket, 'czc', [10,' MOVE',13], To)

send_data (Socket, 'czc', [10,'SH',13], To)

send_data (Socket, 'czc', [10,'AC320,320,320',13], To) //每個(gè)軸的加速度值

send_data (Socket, 'czc', [10,'DC320,320,320',13], To) //每個(gè)軸的減速度值

send_data (Socket, 'czc', [10,'SP220,220,220',13], To) // 每個(gè)軸的速度值

send_data(Socket,'czc', [10,'PR'+ords(Pulse1)+','+ords(-Pulse2)+','+ords(Pulse3),13], To) //發(fā)送每個(gè)軸的脈沖數(shù)

send_data (Socket, 'czc', [10,'BGXYZ',13], To) //開始運(yùn)行

send_data (Socket, 'czc', [10,'AMXYZ',13], To) //等待動(dòng)作完成

6 機(jī)器人動(dòng)作規(guī)劃

系統(tǒng)上電完成后，機(jī)器人末端先到達(dá)預(yù)設(shè)定的位置等待，傳送帶上放置藥片啟動(dòng)運(yùn)行，相機(jī)開始拍照識(shí)別，當(dāng)進(jìn)入相機(jī)視野范圍并識(shí)別出傳送帶上的缺陷藥片后，機(jī)器人控制器發(fā)送指令，控制傳送帶停止，機(jī)器人開始運(yùn)行抓取。機(jī)器人執(zhí)行端運(yùn)動(dòng)到待分揀的藥片位置后，電動(dòng)手爪閉合抓取。抓取完成后，機(jī)器人到達(dá)指定藥片放置位置，電動(dòng)手爪自動(dòng)松開釋放，機(jī)器人回到初始位置，以此循環(huán)抓取缺陷藥片。視野范圍內(nèi)無缺陷藥片時(shí)，機(jī)器人運(yùn)動(dòng)在初始原點(diǎn)位置等待下一次的識(shí)別與抓取。若傳送帶無缺陷藥片，傳送帶一直運(yùn)行，機(jī)器人無動(dòng)作，完整藥片流放到規(guī)定區(qū)域。

7 實(shí)驗(yàn)結(jié)果與分析

根據(jù)上述的方法研究，機(jī)器人分揀缺陷藥片的實(shí)現(xiàn)程序在Halcon視覺開發(fā)軟件平臺(tái)中完成，整個(gè)程序包括圖像識(shí)別算法、機(jī)器人正逆解算法、電機(jī)驅(qū)動(dòng)、數(shù)據(jù)通訊與交互等。PC端與機(jī)器人控制器創(chuàng)建通訊連接使用open_socket_connect('192.168.1.2', 3000, 'protocol', 'TCP4', Socket)，打開相機(jī)使用open_framegrabber('GenICamTL', 1, 1, 0, 0, 0, 0, 'default', -1, 'default', -1, 'default', 'default', 'default', -1, 1, FGHandle)。

機(jī)器人工作時(shí)，首先從任意位置回到原點(diǎn)初始位置，傳送帶運(yùn)行，相機(jī)開始采集圖像，在Halcon中利用第2節(jié)圖像分析方法進(jìn)行圖像處理與分析，缺陷藥片圖像處理算法與檢測(cè)分析處理結(jié)果如圖6所示。

從圖6右下角可以看出已檢測(cè)出缺陷藥片，藥片在圖像坐標(biāo)系下的位置為(572，1423),從而可以計(jì)算得出藥片所在位置處機(jī)器人手爪的X1和Y1數(shù)值。

X1=362.778

Y1=-16.6667

根據(jù)式(15),(16)可以計(jì)算出機(jī)器人末端處的位置，Z0的高度根據(jù)傳送帶的高度得出，按照機(jī)器人可抓取到藥片末端的高度為195 mm，由此可得：

X0=314，Y0=-14，Z0=195

經(jīng)逆解式(11)，(12)，(13)可以得到每個(gè)軸相對(duì)于初始位置轉(zhuǎn)動(dòng)的角度，從而可得每個(gè)軸應(yīng)該發(fā)送的脈沖數(shù)，然后根據(jù)第5節(jié)的控制指令，將數(shù)據(jù)發(fā)送到機(jī)器人控制器中，驅(qū)動(dòng)電機(jī)進(jìn)行運(yùn)動(dòng)，以此計(jì)算驅(qū)動(dòng)機(jī)器人進(jìn)行缺陷藥片分揀工作，脈沖數(shù)計(jì)算結(jié)果如下：

Pulse1=-147，Pulse2=2016，Pulse3=79

經(jīng)實(shí)驗(yàn)驗(yàn)證與反復(fù)測(cè)試，通過以上算法，機(jī)器人可以準(zhǔn)確定位識(shí)別抓取藥片，并實(shí)現(xiàn)智能分揀功能。

8 結(jié)束語

針對(duì)中小型制藥企業(yè)對(duì)缺陷藥片準(zhǔn)確高效且低成本分揀的迫切需求，研究了缺陷藥片視覺智能識(shí)別與定位技術(shù)、關(guān)節(jié)機(jī)器人位置和姿態(tài)解算技術(shù)、機(jī)器人系統(tǒng)結(jié)構(gòu)優(yōu)化設(shè)計(jì)技術(shù)等關(guān)鍵技術(shù)，研制出具有缺陷藥片智能識(shí)別定位與分揀功能的機(jī)器人原理縮比樣機(jī)，通過對(duì)藥片分揀的實(shí)際驗(yàn)證，具有成本低、工作范圍大、智能識(shí)別定位準(zhǔn)確、通用性好的特點(diǎn)，具備缺陷藥片智能識(shí)別定位與分揀功能，為中小型制藥企業(yè)提高藥片分揀效率和藥品質(zhì)量、降低成本奠定了技術(shù)基礎(chǔ)。