董明民 李 瑩 謝沖沖 李海山 楊建輝

(1. 昆明理工大學機電工程學院，云南 昆明 650000；2. 昆明瑞豐印刷有限公司，云南 昆明 650000)

裱盒工序是將已完成圖文印刷工序的皮殼(外裱紙)粘合裱糊在包裝產(chǎn)品的內(nèi)殼之上，是包裝產(chǎn)品生產(chǎn)中不可或缺的重要步驟。由于禮盒產(chǎn)品造型的多樣化[1-2]，過去使用的單一造型自動包裝機漸已不能滿足生產(chǎn)需求[3]。

在包裝產(chǎn)品市場的不斷豐富、不斷擴大的背景下，對包裝機械也提出了非常高的要求，新一代包裝設(shè)備更是融合了機械加工、電氣控制、信息系統(tǒng)控制、工業(yè)機器人、圖像傳感技術(shù)、微電子等多領(lǐng)域技術(shù)[4]。針對多樣化的裱盒生產(chǎn)需求，結(jié)合柔性化設(shè)計，擬設(shè)計一種裱盒粘合裝置，將機器視覺與機器人技術(shù)融入裱盒包裝生產(chǎn)中，使其可以滿足不同種類結(jié)構(gòu)的產(chǎn)品包裝生產(chǎn)，適應(yīng)多種包裝裱盒產(chǎn)品，有效彌補當前企業(yè)自動包裝機產(chǎn)品單一化和人工流水線效率低等兩種包裝生產(chǎn)方式的不足，滿足企業(yè)順應(yīng)不斷升級的禮盒產(chǎn)品消費市場需求，為企業(yè)提高生產(chǎn)效率、降低勞動強度、改善作業(yè)環(huán)境、節(jié)約人工成本、優(yōu)化生產(chǎn)工藝和實現(xiàn)大規(guī)模生產(chǎn)，同時使禮盒產(chǎn)品生產(chǎn)方式具有更高的智能性，可以應(yīng)對裱盒包裝生產(chǎn)中復(fù)雜的生產(chǎn)實際問題，進而實現(xiàn)包裝企業(yè)向智能化生產(chǎn)邁進[5-7]。

1 裱盒粘合裝置結(jié)構(gòu)設(shè)計

裱盒粘合裝置由圖像采集單元、噴膠單元、抓取單元以及壓合單元等組成，整體結(jié)構(gòu)與工作流程如圖1所示。傳送帶首先輸送皮殼至攝像頭下方進行皮殼圖像采集，圖像采集后，噴膠單元與抓取單元分別依據(jù)圖像處理后的皮殼特征信息依次完成分區(qū)噴膠與內(nèi)殼放置作業(yè)，最后由壓合單元壓實使皮殼與內(nèi)盒緊密粘合。

1. 皮殼輸送 2. 皮殼圖像攝取 3. 皮殼上膠 4. 皮殼內(nèi)殼放置 5. 整體壓合 6. 成品輸送

1.1 圖像采集單元

圖像采集單元使用CCD攝像機用于皮殼圖像攝取，針對攝像機和鏡頭的選用與裝配主要依據(jù)產(chǎn)品皮殼的尺寸、物距、精度、成本等因素，當檢測目標大小一定時，選擇對應(yīng)攝取范圍的CCD攝像機，即可拍攝出在要求精度內(nèi)的清晰皮殼圖像。該裝置對應(yīng)生產(chǎn)的禮盒產(chǎn)品最大尺寸為210 mm×320 mm，誤差最大值為0.2 mm。擬選用500萬像素的WP-UFV500M工業(yè)攝像機進行皮殼圖像攝取，相機對準常數(shù)取0.1。其各項參數(shù)與生產(chǎn)需求如表1所示。

根據(jù)透鏡模型定義關(guān)系式：

FOV-x=(Dx+L)(1+P)，

(1)

FOV-y=(Dy+L)(1+P)，

(2)

(3)

(4)

式中：

L——目標的定位誤差，mm；

Rx——X方向測量精度，mm；

Ry——Y方向測量精度，mm；

FOV-x——X方向目標尺寸，mm；

FOV-y——Y方向目標尺寸，mm；

P——攝像機對準常數(shù)；

Xpixels——X方向像素個數(shù)；

Ypixels——Y方向像素個數(shù)。

將表1各參數(shù)代入上述關(guān)系式中，可得FOV-x=220.22 mm，F(xiàn)OV-y=330.22 mm，Xpixels=1 100，Ypixels=1 650。圖像采集過程中攝像頭目標尺寸與皮殼產(chǎn)品關(guān)系如圖2所示。

1. 攝像頭 2. 皮殼圖2 圖像采集Figure 2 Image capture

表1 研究需要的各項參數(shù)和要求Table 1 Parameters and requirements for the study

鏡頭選用時焦距確定公式為：

(5)

(6)

式中：

Mi——攝像機放大倍率；

Hi——傳感器尺寸，mm；

H0——皮殼實際視場大小，mm；

D0——皮殼與鏡頭直線距離，mm；

F——焦距，mm。

裝置中WP-UFV500M攝像機，其設(shè)計D0≤500 mm，擬定D0=400 mm，傳感器尺寸為6.17 mm×4.55 mm，計算得到Mi=0.015 6，F(xiàn)=6.144 mm。選用6 mm 的定焦鏡頭，計算得D0=405 mm，因此選定攝像機鏡頭安裝位置與輸送帶距離為405 mm。

1.2 噴膠單元

噴膠單元膠在通過視覺系統(tǒng)對產(chǎn)品皮殼圖像進行識別和定位后進行噴膠，采用噴膠方式對產(chǎn)品皮殼進行上膠作業(yè)可實現(xiàn)對每個產(chǎn)品皮殼的精確、均勻、適量上膠。

某禮盒產(chǎn)品皮殼上膠區(qū)域上膠順序如圖3(b)所示， 1～3區(qū)分別為3個待上膠區(qū)域。劃分的1區(qū)為內(nèi)殼放置粘合區(qū)，2區(qū)和3區(qū)為壓合單元粘合區(qū)域，考慮到時間順序在上膠機構(gòu)噴頭進行噴膠作業(yè)時需要先選擇1區(qū)，之后再進行2區(qū)及3區(qū)待上膠區(qū)域進行上膠。圖3中虛線為對皮殼上膠時噴頭運動軌跡，運動軌跡根據(jù)噴頭噴膠范圍在需上膠區(qū)域和無需上膠區(qū)域、上膠區(qū)域和輸送帶區(qū)域預(yù)留合理距離，避免產(chǎn)生不良產(chǎn)品。

圖3 上膠作業(yè)Figure 3 Gluing operation

1.3 抓取單位

抓取單元設(shè)計為末端安裝氣動吸盤的六自由度機械臂，末端吸盤位置可以根據(jù)不同禮盒產(chǎn)品幾何特征進行合理調(diào)節(jié)，實現(xiàn)產(chǎn)品內(nèi)殼的平穩(wěn)吸附和放置[8]。使用氣動吸盤完成抓取工作，可以避免對質(zhì)量較輕的內(nèi)殼造成損壞，同時也能根據(jù)內(nèi)殼質(zhì)量及其材質(zhì)調(diào)節(jié)吸盤吸力，避免影響產(chǎn)品的表面質(zhì)量。

六自由度吸附式抓取機械臂需要完成內(nèi)盒抓取、放置、皮殼位置調(diào)整等系列復(fù)雜動作，所以后文對其運動進行了計算機仿真分析。

1.4 壓合單元

壓合單元如圖4所示，由折邊模組、下吸附平臺、上壓板3個主要部件組成。其中折邊模組設(shè)置橡膠輥與折邊推板，滿足皮殼與內(nèi)殼周邊位置的折邊粘合和推平作業(yè)，上壓板與包裝盒上蓋接觸處同樣設(shè)置橡膠，折邊推板表面設(shè)置海綿，使用橡膠、海綿與禮盒產(chǎn)品表面接觸可有效保護產(chǎn)品表面的印刷質(zhì)量。壓合單元在產(chǎn)品放置下吸附平臺底部設(shè)置回轉(zhuǎn)機構(gòu)，下吸附平臺與設(shè)備底座由旋轉(zhuǎn)軸連接，旋轉(zhuǎn)軸可使下吸附平臺位置可自由上下伸縮及角度旋轉(zhuǎn)調(diào)節(jié)。

1. 推板 2. 橡膠輥 3. 上壓板 4. 下吸附平臺 5. 旋轉(zhuǎn)軸6. 邊條圖4 壓合機構(gòu)Figure 4 Pressing mechanism

2 皮殼圖像處理

皮殼圖像處理主要包括皮殼圖像的預(yù)處理與皮殼圖像的特征檢測，經(jīng)過圖像處理流程后能有效檢測出皮殼圖像的邊緣與壓痕特征。

2.1 皮殼圖像預(yù)處理

2.1.1 皮殼圖像灰度化 采用平均值法對皮殼圖像進行灰度化處理，平均值法是對紅色分量R、綠色分量G以及藍色分量B分別進行平均值計算，并將平均值計算結(jié)果賦予RGB 3個像素分量，實現(xiàn)灰度化后的圖像灰度值與原彩色圖像的RGB值相同，使得Gray=(R+G+B)/3，其中Gray為灰色。平均值法灰度化處理結(jié)果如圖5所示。

圖5 皮殼圖像灰度處理Figure 5 Gray processing of shell image

2.1.2 皮殼圖像均衡化 對皮殼圖像進行直方圖均衡化處理可以更好地突顯皮殼圖像中的壓痕特征以及邊緣輪廓。該處理是以調(diào)整皮殼圖像的灰度值來擴大圖像中背景傳送帶和目標皮殼的灰度差，以達到增強傳送帶和皮殼的對比度的目的，圖6(a)為皮殼灰度圖像，圖6(b)為均衡化處理后的皮殼圖像。其原理為對所采集的皮殼圖像進行非線性拉伸，使圖像灰度值能在整個灰度區(qū)間均勻分布，而不是局部集中，最后達到圖像像素值被重新分配的效果，使得皮殼圖像中一定范圍的像素數(shù)量能夠趨于一致[9]。圖像均衡化前后灰度值分布如圖7所示。

圖6 直方圖均衡化Figure 6 Histogram equalization

圖7 灰度值分布Figure 7 Gray value distribution

2.2 皮殼圖像特征檢測

2.2.1 皮殼圖像角點檢測與二值化 通過Harris角點檢測算法處理圖8(a)皮殼灰度圖可以標定出圖像中皮殼的拐角特征，結(jié)果如圖8(b)所示，通過已標定的角點特征可實現(xiàn)皮殼圖像中目標皮殼特征的分割，進而可通過分割后的皮殼特征對皮殼邊緣及壓痕特征進行提取，保障了后續(xù)皮殼圖像識別處理的高效準確。圖8(c)為皮殼二值化圖像，二值化的目的是進一步簡化灰度圖像，使圖像中的信息更加純粹，邊緣亮度變化更加明顯，濾除不需要的弱邊緣，使邊緣處理后的圖像輪廓更加清晰。

圖8 角點檢測與邊緣檢測Figure 8 Corner detection and edge detection

2.2.2 皮殼壓痕特征檢測 通過檢測算子即可實現(xiàn)皮殼壓痕特征的檢測，分別使用Sobel檢測算子和Canny檢測算子對皮殼圖像進行壓痕特征檢測，對比其處理結(jié)果。

(1) Sobel檢測算子是一種一階導數(shù)的邊緣檢測算子，屬于離散型差分算子，分離出皮殼圖像中壓痕與邊緣輪廓時采用計算圖像中灰度梯度值的方式。計算時使用3×3模版作為核分別與圖像中每個像素點作卷積運算，最后選取合適的閾值即可提取圖像中皮殼的壓痕與邊緣特征。設(shè)Gx為皮殼圖像橫向灰度值、Gy為皮殼圖像縱向灰度值，A為原始圖像，則有：

(7)

(8)

式(7)、(8)中，x,y表示圖像上像素點(x,y)處的灰度值，圖中每個像素點的灰度值為：

(9)

像素灰度值公式可以進一步變形為：

|G|=|Gx|+|Gy|。

(10)

圖像中該點的梯度方向：

(11)

(2) Canny檢測算子的檢測原理是對二位的高斯模板和圖像進行卷積運算，過程：

(12)

式中：

f(x,y)——輸入圖像；

g(x,y)——進行平滑后的圖像。

(13)

Canny算子的實現(xiàn)本質(zhì)上是運用數(shù)學模型實現(xiàn)皮殼圖像特征檢測的目的，其步驟：① 對輸入的皮殼圖像預(yù)處理以降低邊緣識別的錯誤率；② 計算梯度幅值和方向來推算出皮殼圖像中每一位置點的邊緣強度與梯度方向；③ 根據(jù)梯度方向?qū)μ荻确颠M行非極大值抑制；④ 用雙閾值處理并對皮殼邊緣點進行連接，呈現(xiàn)出完整的皮殼壓痕邊緣特征。

通過兩種邊緣檢測算子對皮殼圖像處理后，得到圖9(a) Sobel算子的處理結(jié)果與圖9(b)Canny算子的處理結(jié)果，由兩種算子邊緣特征檢測效果可以看出相對于Sobel算子，Canny算子對皮殼特征檢測的效果更好。皮殼邊緣和傳送帶底色分離效果較明顯且皮殼特征信息凸顯得更多。

圖9 圖像特征檢測Figure 9 Image feature detection

3 機械臂運動仿真分析

試驗主要使用Matlab軟件中的工具箱對六自由度吸附式抓取機械臂進行模擬仿真分析。機械臂在仿真運動中需要根據(jù)裱盒粘合作業(yè)要求設(shè)定具體位置參數(shù)，依靠末端吸附裝置吸附內(nèi)殼對皮殼定位并進行粘合作業(yè)，通過對關(guān)節(jié)角度變化進行分析獲取運動參數(shù)才能實現(xiàn)對機械臂運動路徑的最佳規(guī)劃，最終實現(xiàn)機械臂各關(guān)節(jié)運動配合及合理化分析[10]。如圖10、11所示為機械臂整體簡易模型與機器人Simulink程序模塊。

1. 關(guān)節(jié)1 2. 關(guān)節(jié)2 3. 關(guān)節(jié)3 4. 關(guān)節(jié)4 5. 關(guān)節(jié)5圖10 簡易機械臂模型Figure 10 Simple robot model

圖11 機器人程序模塊Figure 11 Robot program module

采用每一關(guān)節(jié)相對于機械臂基坐標的運動變量描述方式對吸附式抓取機械臂關(guān)節(jié)運動進行仿真試驗[11]?，F(xiàn)對機械臂在裱盒包裝粘合工序中對產(chǎn)品內(nèi)殼的抓取并將內(nèi)殼放置在皮殼上作業(yè)時的運動進行模擬仿真，整體作業(yè)周期設(shè)定運動時間為10 s，機械臂在10 s作業(yè)期間各個關(guān)節(jié)運動相對于基坐標的運動曲線如圖12所示。

圖 12 關(guān)節(jié)運動數(shù)據(jù)曲線Figure 12 Joint motion data curve

圖12中關(guān)節(jié)1位置變化曲線為機械臂底座在抓取產(chǎn)品內(nèi)殼后逆時針旋轉(zhuǎn)90°，圖中關(guān)節(jié)1位置變化曲線停頓時間為內(nèi)殼在皮殼上放置粘合作業(yè)時間，停頓時間結(jié)束后底座順時針旋轉(zhuǎn)90°回到起始位置，完成內(nèi)殼放置粘合作業(yè)；關(guān)節(jié)2、關(guān)節(jié)3、關(guān)節(jié)4位置變化曲線分別為機械臂粘合作業(yè)時3個關(guān)節(jié)的運動變化特征；因在對機械臂運動作業(yè)設(shè)定時未將關(guān)節(jié)5設(shè)置旋轉(zhuǎn)角度，因此關(guān)節(jié)5位置變化曲線無運動特征變化。通過對機械臂運動過程中每個關(guān)節(jié)運動變量變化情況進行分析可以有效地了解機械臂的運動狀態(tài)及各個關(guān)節(jié)之間的配合。因機械臂模擬仿真試驗中內(nèi)殼的放置粘合運動作業(yè)未涉及腕擺動作，因此運動仿真時只涉及5個關(guān)節(jié)運動變化。

試驗使用機器人工具箱設(shè)定機械臂末端吸附裝置運動軌跡，將三維路徑軌跡進行二維平面投影，計算出機械臂末端吸附裝置運動到皮殼位置點的運動數(shù)據(jù)，運動曲線投影使用二維平面坐標顯示[12]。圖13為機械臂運動時末端吸附裝置相對于基坐標的位移、速度、加速度曲線變化情況。

圖13 位移、速度、加速度曲線Figure 13 Displacement, velocity and acceleration curve

仿真試驗可以獲取在實現(xiàn)粘合包裝作業(yè)運動時其各個關(guān)節(jié)位移、移動速度、加速度等數(shù)據(jù)的實時變化情況，各關(guān)節(jié)的運動特性是機械臂仿真運動中最主要的表現(xiàn)，對機械臂進行仿真運動分析可以有效地驗證機械臂的運動性能[13]。上述仿真試驗規(guī)劃并分析了機械臂在執(zhí)行包裝作業(yè)過程中的一段運動路徑，進而使用工具箱對生產(chǎn)過程中機械臂末端吸附裝置運動路徑與預(yù)先設(shè)定的運動路徑進行路徑擬合試驗，結(jié)果如圖14所示。

對比圖14中的兩條曲線可以看出路徑軌跡擬合效果較好，機械臂依照預(yù)先規(guī)劃的運動路徑軌跡進行運動，滿足包裝粘合作業(yè)中誤差范圍內(nèi)的定位作業(yè)[14]。

4 結(jié)論

(1) 對機構(gòu)各單元進行設(shè)計建模，并分析各單元需要滿足的工序功能，通過各單元的功能實現(xiàn)進行裝配組合提供一套完整機構(gòu)模型。

虛線為機械臂末端吸附裝置在模擬仿真時預(yù)先設(shè)定的運動路徑軌跡，實線為在模擬包裝生產(chǎn)實際的運動軌跡

(2) 對采集的產(chǎn)品皮殼圖像進行預(yù)處理后，進行皮殼圖像的壓痕與邊緣輪廓特征檢測，對比Sobel檢測算子與Canny檢測算子的圖像處理結(jié)果，得到Canny檢測算子對皮殼特征檢測的效果更好的結(jié)論。

(3) 運用Matlab機器人工具箱對六自由度吸附式抓取機械臂進行運動學分析驗證并創(chuàng)建物理模型進行生產(chǎn)作業(yè)仿真試驗，來進一步分析機器人在運動過程中關(guān)節(jié)變化情況，最終規(guī)劃最優(yōu)運動路徑滿足產(chǎn)品的包裝粘合生產(chǎn)作業(yè)。