李 夢,王旭揚,韓幫國

（安徽信息工程學(xué)院，安徽 蕪湖241000 ）

零件分揀是工業(yè)生產(chǎn)中不可或缺的重要環(huán)節(jié)，國內(nèi)大部分工廠仍然采用人工分揀，分揀的效率低、出錯率高。隨著生產(chǎn)速度的加快，已無法滿足實際的生產(chǎn)需求[1]。與此同時，隨著機器視覺在工業(yè)領(lǐng)域，特別是工控分類的逐漸廣泛應(yīng)用，目前已經(jīng)借助視覺分類和機器人控制技術(shù)，達到了信息自動化采集與分類識別，完成自動分揀與搬運碼物動作[2]。美國Adept 公司研發(fā)的圖像處理系統(tǒng)可以在復(fù)雜的光照條件完成目標的抓舉與放置[3]。德國KUKA機器人結(jié)合系統(tǒng)ISRA視覺技術(shù)，對2D與3D的零件進行識別，精確控制機器人預(yù)設(shè)方位完成任務(wù)[4]。日本FANUC 公司研發(fā)的機器人集成視覺功能，可以檢測位置偏差與定位誤差補償[5]。瑞典ABB 機器人公司推出的Flex Picker 機器人可以快速準確的抓取目標跟蹤性能好[6]。納斯達克技術(shù)公司生產(chǎn)的Quattro 4 軸并聯(lián)機器人支持在傳送帶上快速抓取放置[7]。國內(nèi)視覺技術(shù)起步較晚，卻發(fā)展迅速，但與國外的分揀精度與控制技術(shù)還存在一定差距。如臺達集團研發(fā)的DMV 機器視覺系統(tǒng)，與機械手自由組合拾放系統(tǒng)[8]。

目前現(xiàn)有的國內(nèi)、外基于視覺的分揀系統(tǒng)設(shè)備雖然不少，但是價格都比較昂貴，設(shè)計復(fù)雜，維護困難，大多針對零件的某一關(guān)鍵尺寸，借助機器視覺進行測量，或是針對多個關(guān)鍵尺寸采用多次測量。本文通過機器視覺對復(fù)雜零件進行多尺寸測量與誤差級聯(lián)運算完成合格判斷，借助串口通信對下位機控制，分離出不合格品，系統(tǒng)成本低、測量精度高、識別準確率高、分揀速度快。

1 系統(tǒng)整體設(shè)計

本文針對復(fù)雜軸類零件設(shè)計分揀系統(tǒng)，系統(tǒng)主要包括機器視覺圖像處理模塊、多尺寸級聯(lián)誤差分類模塊、分揀系統(tǒng)設(shè)計模塊3 部分組成。機器視覺處理模塊對攝像頭采集到的零件圖像進行處理，得到零件外輪廓尺寸。根據(jù)零件加工要求，將圖紙中指定的多段關(guān)鍵尺寸組合成級聯(lián)分類器，對單個關(guān)鍵尺寸的誤差范圍值進行串聯(lián)求與運算。當(dāng)滿足所有關(guān)鍵尺寸的測量結(jié)果均處于圖紙規(guī)定的誤差范圍內(nèi)時，級聯(lián)分類器輸出為真，判斷為合格品。當(dāng)檢測出不合格品時，通過搭建的PLC 分揀系統(tǒng)進行不合格品的有效分離。

2 機器視覺圖像處理系統(tǒng)設(shè)計

借助機器視覺算法對采集的零件圖像進行處理，完成對零件輪廓的尺寸測量。主要包括以下部分組成：鏡頭畸變矯正、像素參數(shù)標定、圖像預(yù)處理、零件幾何尺寸測量。

視覺系統(tǒng)建立在攝像頭成像模型搭建的實際場景與拍攝圖像之間映射關(guān)系，從三維空間到二位平面的圖像信息轉(zhuǎn)換。由于成像過程中鏡頭不可避免地存在失真、非線性的鏡頭畸變[9]，所以需要對鏡頭畸變進行矯正，提高測量精度。

2.1 鏡頭畸變與矯正

2.1.1 徑向畸變矯正

徑向畸變是理想成像點與實際成像點不重合而產(chǎn)生的距離值，導(dǎo)致物體成像變形，產(chǎn)生彎曲畸變。研究徑向畸變，以光學(xué)中心的畸變?yōu)?，當(dāng)遠離光學(xué)中心時，畸變現(xiàn)象越明顯，最終產(chǎn)生枕形或桶形畸變變形。

徑向半徑r2=x2+y2，r=0 處通過泰勒級數(shù)進行展開后，保留前幾項。可得：

(x,y)為畸變點原始位置，(xcorrected，ycorrected)為畸變矯正后的位置。

2.1.2 切向畸變矯正

由于薄透鏡制造工藝可能存在的缺陷，使得透鏡本身與圖像平面發(fā)生傾斜，具體表達式如下：

2.1.3 鏡頭矯正處理

本文中，選用圓形標定板在VBAI 中構(gòu)建模板完成對鏡頭的矯正設(shè)置，形成標定模板后進行訓(xùn)練，得到的矯正后平均誤差為0.0003mm，鏡頭的測量精度得到很大提高。

2.2 像素參數(shù)標定

本文中零件尺寸以mm為單位，根據(jù)與像素坐標轉(zhuǎn)換關(guān)系，完成像素當(dāng)量的標定[10]。選擇OpenCV 55mm的棋盤標定板，對直線距離進行標定。對標定后的棋盤進行寬度尺寸測量，白色與黑色棋盤的間距均為2.50mm，與實際物理長度值完全相同。

2.3 圖像預(yù)處理

2.3.1 圖像灰度化

圖像為彩色RGB圖像，會增加整體計算時間和內(nèi)存使用量，影響最后檢測效果。對原始彩色圖像進行灰度化處理。根據(jù)人眼特性和人類對顏色的心理反應(yīng)研究發(fā)現(xiàn)，物體的亮度Y 可以用不同比重的RGB 三基色表示，RGB 比重分別為：0.299,0.587,0.114處理采集圖像。

2.3.2 Brightness亮度設(shè)置與圖像優(yōu)化

對灰度圖的參數(shù)：亮度值Brightenss，對比度值Contrast，伽馬值Gamma進行設(shè)置，強化圖像處理結(jié)果，在此基礎(chǔ)上對存在的金屬反光的部分進行邏輯運算進行去除。

2.3.3 Basic基礎(chǔ)形態(tài)學(xué)設(shè)置

為了提高邊界檢測的準確性，在提取閾值時更便于設(shè)置，對圖像進行反轉(zhuǎn)設(shè)置，顯示為圖像底片像素值。

2.4 零件幾何尺寸測量

零件尺寸測量通過邊緣檢測算法對上述預(yù)處理步驟中得到的圖像結(jié)果進行灰度變化，提取圖像中不連續(xù)的邊緣點，采用Fit Line 直線擬合優(yōu)化算法對所有離散的邊緣數(shù)據(jù)點進行擬合求解，通過直線擬合成績LFS 對去除外圍遠點后直線的擬合精度進行評價，獲得最優(yōu)擬合直線。最后對擬合后的直線測量像素間距，并在此基礎(chǔ)上轉(zhuǎn)換為物理距離。

邊緣檢測算法是在興趣區(qū)域ROI 中對圖像中的點從左上角開始從左到右、從上到下逐點掃描，對每個像素值都以其為模板中心進行模板運算，獲得圖像中的孤立點與其鄰域內(nèi)像素點灰度值差異。

當(dāng)結(jié)果高于門限閾值時，說明該孤立點鄰域的灰度值有較大差異，將根據(jù)閾值T來認定是否為邊緣點。

在理想閾值T的基礎(chǔ)上設(shè)定裕量（hysteresis），當(dāng)搜索到大于等于“理想閾值量與裕量之和”的像素點時，定義為上邊緣點，當(dāng)尋找到小于等于“理想閾值量減去裕量”時，該點記為下邊緣點。盡可能減小噪聲干擾，提高邊緣點分辨的精度。

對檢測到的所有離散邊緣點進行Fit Line 直線擬合優(yōu)化算法處理：

1.根據(jù)像素半徑從特征數(shù)據(jù)集中選擇數(shù)據(jù)子集。像素半徑用于確定有效的像素點，指像素點到擬合直線之間的最大距離。開始擬合時，算法先隨機選擇兩個點作一條直線，并在此條直線像素半徑范圍內(nèi)組成一個子集。

2.針對數(shù)據(jù)子集擬合直線，并計算所有子集的像素點到直線的平均平方距離值。平均平方距離值（MSD）用于衡量擬合的直線質(zhì)量。是數(shù)據(jù)集中所有像素點到擬合直線之間距離平方的平均值。MSD數(shù)值越小，擬合直線越好。

3.除去上次擬合的數(shù)據(jù)子集，對剩余的數(shù)據(jù)重新擬合，并計算MSD值，重復(fù)步驟過程，當(dāng)所有數(shù)據(jù)均被擬合后，選取最小的MSD值作為候選直線。

4.對候選直線進行優(yōu)化，算法不斷去除最遠外圍點后擬合的直線，通過計算直線擬合成績（Line Fit Iteration,LSF）求解精度最高的直線：

其中，PR2為像素半徑，像素點越靠近擬合線，MXD值越小，LFS值越大。當(dāng)擬合直線的成績達到要求分數(shù)時，則返回最佳擬合直線。

擬合出所有邊界直線后，測量的尺寸距離的像素值，通過像素的參數(shù)標定，獲得實際的物理長度值。

3 多尺寸級聯(lián)分類

對于實際生產(chǎn)中的大多數(shù)復(fù)雜零件，需要同時滿足多個關(guān)鍵尺寸同時達到精度要求，才能視為合格。根據(jù)級聯(lián)分類器的設(shè)計思路，每個關(guān)鍵尺寸使用一個特征檢驗條件，即通過計算該尺寸值是否在圖紙設(shè)定誤差范圍作為該級滿足條件的判斷依據(jù)。各級進行串聯(lián)運算后，得到最終的檢測結(jié)果。全部通過時，視為合格品。多尺寸級聯(lián)分類器示意圖如圖1所示。

圖1 級聯(lián)分類器示意圖

通過圖像處理得到零件的所有尺寸值，可以根據(jù)實際需要，快速提取出所需的關(guān)鍵尺寸進行合格判斷，具有較好的適應(yīng)性與靈活性。

4 分揀系統(tǒng)設(shè)計

經(jīng)過尺寸測量與合格判斷后，借助LabVIEW軟件編程完成PC 與下位機PLC 的通信與輸出控制，根據(jù)Modbus ASCII 協(xié)議，選擇RS485 串口通信通訊方式，對二位四通的電磁閥進行控制。通過活塞帶動機械執(zhí)行機構(gòu)直線往復(fù)運動，推送出不合格品至不合格品區(qū)后復(fù)位，完成分揀動作。

4.1 系統(tǒng)硬件選型

根據(jù)系統(tǒng)設(shè)計，進行分揀系統(tǒng)硬件選型：臺達PLC（型號DVP-32EH（EH2）），流水線皮帶輪驅(qū)動直流電機（GEAR HEAD，型號為Z2D6-24GN，直流24V 驅(qū)動），電磁閥（亞德克4V110-06，二位四通電磁閥），氣缸（亞德克PB16X75SU），光電開關(guān)（RVKO，三線制NPN 型光電開關(guān)）。搭建的系統(tǒng)實物圖如圖2所示。

圖2 PLC分揀系統(tǒng)實物圖

4.2 系統(tǒng)軟件設(shè)計

根據(jù)PLC 手冊中規(guī)定的報文格式，上位機對下位機發(fā)送數(shù)據(jù)。使用while 循環(huán)體持續(xù)運行上位機程序，完成串口的相關(guān)參數(shù)設(shè)置。下位機通過梯形圖編程，對各負載運行狀態(tài)進行控制。程序設(shè)計流程如圖3所示。

圖3 程序設(shè)計流程圖

下位機采用臺達編程軟件WPL 進行編程。當(dāng)上位機按下“PLC 啟動按鈕”，LabVIEW 調(diào)用VISA函數(shù)將Modbus ASCII 數(shù)據(jù)發(fā)送給下位機控制，當(dāng)位機成功寫入M0數(shù)據(jù)時，M2與M3將被置位，傳送帶由直流電機驅(qū)動運行。若攝像頭監(jiān)測到不合格信號則電磁閥動作，驅(qū)動氣缸分離不合格產(chǎn)品，當(dāng)上位機程序?qū)懭隡5 數(shù)據(jù)時，梯形圖復(fù)位，所有動作停止，直至上位機繼續(xù)發(fā)送啟動指令。

5 實驗驗證

選擇1 種復(fù)雜的軸類零件，根據(jù)該零件的實際生產(chǎn)要求，選定3 段軸的直徑為關(guān)鍵尺寸，分別為作為合格品判斷依據(jù)，零件二維圖如圖4所示。

圖4 零件二維圖

根據(jù)零件尺寸選擇圖像處理硬件：相機（大恒HV1300FM 1394 彩色），鏡頭（3Mega Pixel 5-55mm，F(xiàn)1.4 IR），標定板（圓形，直徑為5.00mm，圓心距10mm，精度等級±0.001mm），標定板（棋盤形，方格尺寸2.5mm，有效尺寸50*40mm，精度等級±0.001mm）。

5.1 尺寸測量結(jié)果分析

利用搭建的機器視覺圖像處理系統(tǒng)，對采集到的零件進行處理，得到的圖像預(yù)處理結(jié)果。處理后的零件圖像經(jīng)邊緣點提取、Fit Line 直線擬合優(yōu)化算法處理、像素尺寸轉(zhuǎn)換后得到實測的尺寸，包括3段關(guān)鍵尺寸的軸直徑、2段臺階長度值與零件總長6個數(shù)據(jù)，結(jié)果如圖5中第2～7行所示。其中3段軸尺寸分別為：9.998mm，23.20799mm，15.9264mm。針對3 段關(guān)鍵尺寸，通過所測軸直徑值是否在圖紙誤差范圍內(nèi)進行合格判斷，單尺寸合格判斷結(jié)果分別為True，F(xiàn)alse，True，如圖5 中第8～10 行所示。多尺寸級聯(lián)尺寸合格判斷結(jié)果如圖5 最后1 行所示，結(jié)果為False。

圖5 零件尺寸測量結(jié)果

選用精度為±1um，平行度±1um，平面度3um，測力5～10N 的三豐數(shù)顯千分尺對以上6 個尺寸進行測量。具體數(shù)據(jù)如下表1所示。

表1 千分尺測量數(shù)據(jù)（單位：mm）

根據(jù)表1 計算出千分尺所測得的6 個尺寸參量5 個數(shù)據(jù)的平均值，如表2 第2 列所示。結(jié)合圖像處理的實際測量值進行誤差分析，得到所有參數(shù)尺寸的測量誤差值，測量值與測量誤差分別如表2 的第3、4列所示。

表2 圖像處理誤差分析

從表2 中可以看出，機器視覺圖像處理后的6個尺寸測量值的誤差值在-0.0006～-0.00264mm 范圍，而3段軸直徑的長度平均誤差≤-0.002mm，測量精度接近千分尺的測量精度。

5.2 分揀結(jié)果分析

從測得所有尺寸中提取出關(guān)鍵尺寸后，經(jīng)過級聯(lián)分類器進行合格品檢測，針對534 個加工零件進行視覺識別分揀，統(tǒng)計數(shù)據(jù)如表3所示。

表3 零件分揀結(jié)果統(tǒng)計

經(jīng)人工多次復(fù)檢與分揀驗證，不合格品數(shù)量與本文視覺系統(tǒng)檢測分揀結(jié)果相同。分揀正確率為100%。當(dāng)識別出不合格品時，下位機通過電磁閥控制氣缸動作，活塞往復(fù)運動完成不合格品分離。選擇10個不合格零件測量其分揀時間，分揀單個不合格零件的系統(tǒng)運行時間在1.5s以內(nèi)，效率高，能滿足生產(chǎn)要求。

6 結(jié)論

本文通過機器視覺處理，完成零件尺寸的測量與顯示，從中提取所需的關(guān)鍵尺寸數(shù)值。根據(jù)圖紙具體的誤差要求，設(shè)計多尺度的級聯(lián)判斷的合格品識別模式，借助串口通信對下位機進行控制，最終實現(xiàn)對不合格品的分揀。

系統(tǒng)利用視覺尺寸測量，測量誤差小、精度高。零件合格識別準確率高，下位機控制執(zhí)行器分揀速度快、效率高。系統(tǒng)硬件成本低，可以針對不同零件進行柔性設(shè)計，在工控生產(chǎn)加工過程將有很好的實用價值。