馬海舒，趙曉華，謝克偉，羅慧勇，白云凱，岳杉杉

（河南工程學(xué)院機(jī)械工程學(xué)院，河南 鄭州 451191）

1 研究背景

目前，全球?qū)C(jī)器人工程專業(yè)的人才需求都是極其緊迫的，該行業(yè)存在巨大的人才缺口[1-2]。隨著機(jī)器人在各個(gè)行業(yè)大規(guī)模普及應(yīng)用，人工智能產(chǎn)業(yè)快速發(fā)展，社會(huì)對(duì)于機(jī)器人工程專業(yè)人才的需求將會(huì)更加迫切。

機(jī)器人工程專業(yè)是適應(yīng)國(guó)家戰(zhàn)略需求的新工科熱門專業(yè)，具有很強(qiáng)的新穎性、綜合性和實(shí)踐性，是教育部重點(diǎn)扶持的新專業(yè)之一[3-5]。在本科教學(xué)過(guò)程中增加人工智能與機(jī)器人控制相融合的實(shí)踐教學(xué)環(huán)節(jié)，有助于鞏固大學(xué)生的理論知識(shí)和培養(yǎng)其學(xué)以致用的動(dòng)手能力。

2 實(shí)驗(yàn)平臺(tái)整體框架

整個(gè)分揀系統(tǒng)可大致分為上下位機(jī)控制系統(tǒng)、檢測(cè)控制部分和執(zhí)行部分3 個(gè)層面，見圖1。

圖1 實(shí)驗(yàn)平臺(tái)整體框架圖

上下位機(jī)控制系統(tǒng)主要指計(jì)算機(jī)，也指互聯(lián)網(wǎng)通信系統(tǒng)，用于對(duì)圖像識(shí)別的信息分析，參與控制機(jī)械臂，通過(guò)計(jì)算規(guī)劃并選擇出機(jī)械臂最優(yōu)的運(yùn)動(dòng)軌跡，選擇合適的運(yùn)動(dòng)模式，實(shí)時(shí)獲取機(jī)械臂的狀況用于分析下發(fā)運(yùn)動(dòng)指令等。

檢測(cè)控制部分主要負(fù)責(zé)圖像識(shí)別的信息處理和機(jī)械臂姿態(tài)的反饋，在機(jī)械臂的大臂、小臂等電機(jī)的輸出軸上安裝傳感器，以檢測(cè)和反饋機(jī)械臂的實(shí)時(shí)位姿。機(jī)械臂執(zhí)行指令的控制以及機(jī)械臂運(yùn)動(dòng)方式模式的控制。

執(zhí)行部分由用于抓放和移動(dòng)物品的機(jī)械臂以及用于圖像識(shí)別的攝像頭組成，其通過(guò)控制器下發(fā)指令控制伺服電機(jī)和氣泵來(lái)完成機(jī)械臂的移動(dòng)和吸盤的吸放工作，這一部分是整個(gè)系統(tǒng)對(duì)外展示的層面，代表著整個(gè)系統(tǒng)的表現(xiàn)。

三部分互相合作，協(xié)調(diào)運(yùn)作，共同完成垃圾的分揀工作。

3 機(jī)械臂的選型

基于運(yùn)動(dòng)空間、工作環(huán)境的要求，成本和便攜性的考慮以及后期應(yīng)用場(chǎng)景的不同，該平臺(tái)采用的機(jī)械臂為Dobot Magician 機(jī)器人系列，其優(yōu)點(diǎn)突出，能適用于多種應(yīng)用場(chǎng)景，并且能夠根據(jù)各種需求來(lái)替換模塊，從而實(shí)現(xiàn)不同功能[6]。該機(jī)器人由大臂、小臂、底座和末端工具等部分構(gòu)成，可分別作為人的大臂、小臂和具有支撐作用的軀干，末端工具可作為人的手掌，不僅能完成抓放，還能配合各種工具達(dá)到其他目的。

就Dobot Magician 機(jī)器人的機(jī)械臂的工作流程來(lái)說(shuō)，首先利用攝像機(jī)對(duì)目標(biāo)進(jìn)行捕獲拍照，然后通過(guò)神經(jīng)網(wǎng)絡(luò)模型對(duì)照片進(jìn)行識(shí)別分析，進(jìn)而對(duì)目標(biāo)進(jìn)行智能分類并將信號(hào)傳達(dá)到機(jī)械臂，最后機(jī)械臂根據(jù)分類結(jié)果將待分揀目標(biāo)抓取并運(yùn)送到合適的位置，完成投放后回到初始位置，以便進(jìn)行下一次的分揀處理。機(jī)械臂運(yùn)動(dòng)模式包括點(diǎn)動(dòng)模式、點(diǎn)位模式（PTP）、圓弧運(yùn)動(dòng)模式（ARC）?；谠搶?shí)驗(yàn)平臺(tái)，學(xué)生們可以練習(xí)機(jī)械臂運(yùn)動(dòng)控制。本文所述機(jī)械臂默認(rèn)使用的是點(diǎn)位模式，即實(shí)現(xiàn)點(diǎn)到點(diǎn)運(yùn)動(dòng)，Dobot 機(jī)械臂采用MOVJ 運(yùn)動(dòng)模式即關(guān)節(jié)運(yùn)動(dòng)，由A 點(diǎn)運(yùn)動(dòng)到B 點(diǎn)，各個(gè)關(guān)節(jié)從A 點(diǎn)對(duì)應(yīng)的關(guān)節(jié)角運(yùn)行至B 點(diǎn)對(duì)應(yīng)的關(guān)節(jié)角。關(guān)節(jié)運(yùn)動(dòng)過(guò)程中，各個(gè)關(guān)節(jié)軸的運(yùn)行時(shí)間一致，且同時(shí)到達(dá)終點(diǎn)，在Dobot 機(jī)械臂末端安裝吸盤，目標(biāo)經(jīng)過(guò)識(shí)別和定位，將坐標(biāo)返回，即可執(zhí)行機(jī)械臂運(yùn)動(dòng)命令，吸取目標(biāo)并放置分揀位置。

4 圖像識(shí)別

首先對(duì)攝像頭捕獲的目標(biāo)圖像進(jìn)行去畸變，這是圖像預(yù)處理的重要環(huán)節(jié)之一，其工作原理是將成像平面（圖像物理坐標(biāo)系）的數(shù)據(jù)轉(zhuǎn)換到圖像平面（圖像像素坐標(biāo)）。其次將圖片由彩色圖像轉(zhuǎn)化為灰度圖像，經(jīng)過(guò)灰度化處理，在獲取目標(biāo)位置信息的過(guò)程中可以顯著降低數(shù)據(jù)計(jì)算量，提高運(yùn)算速度。然后將圖像平滑處理，即將圖片處理得更加模糊，其作用是為圖像預(yù)處理時(shí)降低噪聲，便于后期目標(biāo)輪廓提取。圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而凸顯出目標(biāo)的輪廓。最后經(jīng)過(guò)圖像掩膜處理，用選定的圖像、圖形或物體，對(duì)處理的圖像（全部或局部）進(jìn)行遮擋，來(lái)控制圖像處理的區(qū)域或處理過(guò)程。以目標(biāo)輪廓信息為掩膜，提取出目標(biāo)圖片，并根據(jù)目標(biāo)輪廓信息確認(rèn)目標(biāo)中心位置的過(guò)程，見圖2。

圖2 目標(biāo)圖像處理過(guò)程

提取到待測(cè)目標(biāo)圖片后，將圖片傳送給resnet18 已預(yù)訓(xùn)練好的模型進(jìn)行檢測(cè)，輸出目標(biāo)種類名稱。通過(guò)requests 提交web，進(jìn)行網(wǎng)頁(yè)端的目標(biāo)分類，獲得目標(biāo)分類信息，進(jìn)而獲取待測(cè)目標(biāo)名稱。將獲得的目標(biāo)名稱傳遞給待分揀箱子的字典，從而獲取對(duì)應(yīng)的名稱代碼和坐標(biāo)位置。機(jī)械臂根據(jù)待測(cè)目標(biāo)的位置信息抓取目標(biāo)并放置在對(duì)應(yīng)的分揀箱中。殘差網(wǎng)絡(luò)resnet 作為圖像識(shí)別領(lǐng)域的主流神經(jīng)網(wǎng)絡(luò)模型已經(jīng)得到了廣泛運(yùn)用，其中輕量化模型ResNet18 網(wǎng)絡(luò)對(duì)于硬件要求不高，可以在樹莓派上進(jìn)行運(yùn)算，因此被用在實(shí)驗(yàn)平臺(tái)上進(jìn)行教學(xué)。通過(guò)對(duì)主流模型的認(rèn)識(shí)學(xué)習(xí)，學(xué)生們可以對(duì)神經(jīng)網(wǎng)絡(luò)有更深入的理解。

5 結(jié)束語(yǔ)

面向新專業(yè)人才培養(yǎng)，應(yīng)該堅(jiān)持“強(qiáng)化基礎(chǔ)、突出實(shí)踐、面向創(chuàng)新”的本科人才培養(yǎng)方針。因此，本實(shí)驗(yàn)平臺(tái)的設(shè)計(jì)開發(fā)有助于培養(yǎng)具備機(jī)械、控制、信息等多學(xué)科專業(yè)基礎(chǔ)知識(shí)與技能，掌握智能機(jī)器人系統(tǒng)設(shè)計(jì)、編程和集成應(yīng)用技術(shù)，善于學(xué)習(xí)實(shí)踐的高素質(zhì)學(xué)科交叉型工程技術(shù)人才。