王銀明 張 丹

分揀作業(yè)是食品、醫(yī)藥生產(chǎn)的重要環(huán)節(jié)，在工業(yè)、煤炭等領(lǐng)域也有應(yīng)用。目前大部分中小企業(yè)依然采用人工分揀的方式，不但分揀效率低、勞動(dòng)強(qiáng)度大，而且容易造成二次污染。因此，學(xué)者們采用高精度、高靈活性的并聯(lián)機(jī)器人，并結(jié)合自動(dòng)控制、機(jī)器視覺等技術(shù)，開發(fā)自動(dòng)分揀系統(tǒng)，替代人工完成復(fù)雜的識(shí)別、抓取、搬運(yùn)、裝箱等作業(yè)[1-2]。顧涵等[3]開發(fā)了食品分揀系統(tǒng)，最大抓取速度達(dá)到150次/min，漏抓率小于0.1%，誤抓率小于0.05%。陳永平等[4]開發(fā)了傳送分揀系統(tǒng)，分揀效率可達(dá)到60個(gè)/min，漏抓率小于0.2%。姚學(xué)峰等[5]基于改進(jìn)NURBS曲線插補(bǔ)算法，將食品分揀機(jī)器人的運(yùn)動(dòng)時(shí)間從3 230 ms降低到3 070 ms。王秋紅等[6]開發(fā)了塊狀食品分揀系統(tǒng)，定位偏差僅為0.20 mm。包光旋等[7]開發(fā)了智能分揀系統(tǒng)，分揀成功率在96%以上，識(shí)別率為100%。陳亞琳等[8]、賈超廣等[9]分別開發(fā)了袋裝食品分揀系統(tǒng)，每分鐘能夠分揀120包袋裝食品。趙鵬宇等[10]開發(fā)了法蘭軸承的分揀系統(tǒng)，識(shí)別率在99%以上，識(shí)別速度為110 ms左右。商德勇等[11]開發(fā)了煤矸分揀機(jī)器人，大大提高了分揀效率。趙鵬宇等[12]改進(jìn)了目標(biāo)識(shí)別算法，該算法的定位精度達(dá)到并聯(lián)機(jī)器人的抓取要求。代慧等[13]為了提高抓取、碼放包裝物品的精度與穩(wěn)定性，建立了并聯(lián)機(jī)器人的動(dòng)力學(xué)模型。

目前大多分揀系統(tǒng)針對(duì)合格產(chǎn)品進(jìn)行抓取，視覺系統(tǒng)的作用大多為跟蹤定位。而實(shí)際上，大多產(chǎn)品都可能出現(xiàn)殘缺品，后續(xù)如果重新安排人工分揀進(jìn)行剔除，分揀效率將大打折扣。由于殘缺品的缺陷種類、形狀、大小各不相同，識(shí)別殘缺品的算法比識(shí)別合格品的算法復(fù)雜很多。程子華[14]開發(fā)了殘缺餅干分揀系統(tǒng)，對(duì)殘缺餅干的識(shí)別準(zhǔn)確率達(dá)到100%。陳立辛等[15]基于深度學(xué)習(xí)的圖像處理算法，開發(fā)了花生米缺陷分揀系統(tǒng)，對(duì)缺陷花生米的識(shí)別準(zhǔn)確率達(dá)到98.71%，抓取耗時(shí)為0.61 s。餅干、花生米這類食品的缺陷較為簡(jiǎn)單，而火腿等肉制品因黏度高，容易粘附混入異物，也可能粘附包裝導(dǎo)致折痕，因此缺陷識(shí)別難度更大，目前尚未出現(xiàn)識(shí)別火腿等肉制品缺陷的分揀系統(tǒng)。研究擬基于Delta并聯(lián)機(jī)器人，開發(fā)一種能夠識(shí)別單片裝火腿缺陷的分揀系統(tǒng)，以期實(shí)現(xiàn)單片裝火腿識(shí)別、抓取、搬運(yùn)、分揀、剔除的連續(xù)化作業(yè)。

1 并聯(lián)機(jī)器人數(shù)學(xué)建模與優(yōu)化設(shè)計(jì)

所采用的Delta并聯(lián)機(jī)器人是一個(gè)結(jié)構(gòu)簡(jiǎn)單的2自由度平面并聯(lián)機(jī)器人，其運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)特性是分揀系統(tǒng)的關(guān)鍵，直接影響分揀的速度與精度。為了建立運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型，將機(jī)構(gòu)簡(jiǎn)化為平面5桿鉸鏈機(jī)構(gòu)，以A1A2線段的中點(diǎn)O為原點(diǎn)，以A1A2所在直線為x軸，水平向右方向?yàn)閤軸正方向；以垂直于A1A2的直線為y軸，豎直向上方向?yàn)閥軸正方向，建立xOy平面坐標(biāo)系，如圖1所示。

1.1 運(yùn)動(dòng)學(xué)模型

e. 主動(dòng)關(guān)節(jié)與原點(diǎn)的間距 H. 原點(diǎn)到工作空間的距離 b、h. 工作空間的寬度、高度 l1、l2. 主動(dòng)臂、從動(dòng)臂的桿長(zhǎng) ui、wi. 主動(dòng)臂、從動(dòng)臂的單位向量 θ1i、θ2i. 主動(dòng)臂桿、從動(dòng)臂桿與x軸的夾角圖1 Delta并聯(lián)機(jī)器人簡(jiǎn)圖Figure 1 Diagram of Delta parallel robot

(1)

式中：

Ai=-2l1y；

Bi=-2l1[x-sgn(i)e]；

反之，給出關(guān)節(jié)變量θ，求解機(jī)器人末端位姿矩陣r，得到位置正解方程，如式(2)所示。

(2)

式中：

D=-[2e+l1(cosθ11-cosθ12)]；

E=-l1(sinθ11-sinθ12)；

F=el1(cosθ11+cosθ12)；

1.2 動(dòng)力學(xué)模型

假設(shè)Delta并聯(lián)機(jī)器人為理想運(yùn)動(dòng)副，并將動(dòng)平臺(tái)、末端執(zhí)行器和負(fù)載的質(zhì)量全部折算到點(diǎn)P，而且忽略從動(dòng)臂轉(zhuǎn)動(dòng)慣量，并將其質(zhì)量按靜力等效原則以1∶2的比例簡(jiǎn)化到動(dòng)平臺(tái)和主動(dòng)臂兩端。結(jié)合機(jī)器人的結(jié)構(gòu)特點(diǎn)，構(gòu)建簡(jiǎn)化剛體動(dòng)力學(xué)模型，如式(3)所示。

τ=τa+τv+τg，

(3)

式中：

τ——驅(qū)動(dòng)力矩，τ=(τ1τ2)T；

τa——慣性力矩，τa=(mJ-T+IAJ)a；

τv——離心力矩，τv=IAf；

τg——重力力矩，τg=mArAg(cosθ11cosθ12)T+mgJ-T(0 1)T；

m——?jiǎng)悠脚_(tái)的等效質(zhì)量，kg；

a——點(diǎn)P的加速度矢量，m/s2；

IA——主動(dòng)臂(含等效質(zhì)量)相對(duì)于其轉(zhuǎn)軸的轉(zhuǎn)動(dòng)慣量，kg·m2；

mArA——主動(dòng)臂(含肘架和從動(dòng)臂等效質(zhì)量)對(duì)其轉(zhuǎn)軸的質(zhì)徑積，kg·m；

J——雅可比矩陣；

f——與速度有關(guān)的函數(shù)，s-2。

歌手陳奕迅年初參加某活動(dòng)，一個(gè)粉絲高呼“游泳健身要不要了解一下”，現(xiàn)場(chǎng)畫風(fēng)特別喜感。正是如此，這句話漸飆升成為當(dāng)下最惡毒又帶點(diǎn)玩笑口吻的問(wèn)候，比如吐槽別人太瘦了你可以說(shuō)漢堡奶茶了解一下、吐槽青蛙旅行不聽話的呱兒子你可以說(shuō)干鍋牛蛙了解一下等等。

1.3 評(píng)價(jià)指標(biāo)

由于機(jī)構(gòu)頻繁地加速與減速，所以慣性力矩τa與離心力矩τv對(duì)驅(qū)動(dòng)力矩τ的貢獻(xiàn)較大，所以定義慣性項(xiàng)與速度項(xiàng)兩類動(dòng)力學(xué)性能評(píng)價(jià)指標(biāo)，計(jì)算公式：

τaG=maxr∈Wtmax[σaimax(Mi)]i=1,2→min，

(4)

τvG=maxr∈Wtmax[σvimax(Ni)]i=1,2→min，

(5)

(6)

(7)

(8)

式中：

αi——鏈內(nèi)壓力角，°；

β——鏈間壓力角，°；

l1、l2——主動(dòng)臂、從動(dòng)臂的桿長(zhǎng)，mm；

ui、wi——主動(dòng)臂、從動(dòng)臂的單位向量。

1.4 約束條件

e≥emin。

(9)

為了盡量緊湊，設(shè)定工作空間與機(jī)構(gòu)尺寸滿足式(10)。

b=2(e+l1)。

(10)

根據(jù)極限位形，設(shè)定裝配條件滿足式(11)。

(11)

為了機(jī)構(gòu)具有良好的運(yùn)動(dòng)傳遞性能，αi和β在全域工作空間內(nèi)的最大值應(yīng)不超過(guò)一定上限，引入式(12)與式(13)的運(yùn)動(dòng)學(xué)性能約束。

αmax=maxr∈Wtmaxi=1,2(αi)≤[α]，

(12)

βmax=maxr∈Wtβ≤[β]。

(13)

1.5 優(yōu)化設(shè)計(jì)

為了獲得Delta并聯(lián)機(jī)器人最優(yōu)的設(shè)計(jì)尺寸，基于上述的數(shù)學(xué)模型，結(jié)合評(píng)價(jià)指標(biāo)與約束條件，對(duì)Delta并聯(lián)機(jī)器人進(jìn)行尺寸優(yōu)化，該問(wèn)題實(shí)質(zhì)上是受約束的多目標(biāo)優(yōu)化問(wèn)題，可調(diào)用MATLAB優(yōu)化工具箱中的多目標(biāo)優(yōu)化算法求解。在滿足上述約束條件下，利用MATLAB優(yōu)化工具箱，以τaG與τvG為指標(biāo)進(jìn)行多目標(biāo)優(yōu)化，尋找Delta并聯(lián)機(jī)器人最優(yōu)設(shè)計(jì)參數(shù)，可得最優(yōu)解如表1所示。當(dāng)e為0.075～0.150時(shí)，每間隔0.025優(yōu)化一次，每次優(yōu)化都能收斂，從而獲得合適的桿件尺寸，使力矩指標(biāo)τaG與τvG達(dá)到最小，進(jìn)而為選用小轉(zhuǎn)矩電機(jī)奠定基礎(chǔ)。不過(guò)考慮到一般減速機(jī)的實(shí)際尺寸，選擇e=0.125 m的一組最優(yōu)解作為最優(yōu)尺寸參數(shù)，l1、l2、H的尺寸隨之確定。

表1 優(yōu)化結(jié)果Table 1 Optimized results

圖2 Delta并聯(lián)機(jī)器人的路徑軌跡Figure 2 Path trajectory of Delta parallel robot

2 分揀系統(tǒng)總體設(shè)計(jì)

2.1 總體設(shè)計(jì)原則

考慮到食品分揀的工藝特點(diǎn)，食品分揀設(shè)備應(yīng)滿足以下幾個(gè)設(shè)計(jì)原則：

(1) 系統(tǒng)簡(jiǎn)單化。因?yàn)榻M件過(guò)多將增加控制難度，所以盡量采用一臺(tái)并聯(lián)機(jī)器人與一套視覺系統(tǒng)實(shí)現(xiàn)食品識(shí)別、抓取、搬運(yùn)、分揀、剔除等操作，以降低結(jié)構(gòu)的復(fù)雜程度。

(2) 系統(tǒng)柔性化。為了適應(yīng)不同種類與不同規(guī)格的食品，分揀設(shè)備應(yīng)具備一定兼容性，例如并聯(lián)機(jī)器人末端夾持器可根據(jù)食品種類與規(guī)格進(jìn)行人為更換。

(3) 損傷最小化。在識(shí)別、抓取、搬運(yùn)、分揀、剔除等各個(gè)環(huán)節(jié)，分揀設(shè)備均應(yīng)避免破壞包裝、污染食品等。例如，采用工業(yè)相機(jī)進(jìn)行視覺檢測(cè)，而不采用某些化學(xué)檢測(cè)方法；采用真空吸附方式，而不采用機(jī)械抓取方式。

2.2 機(jī)械結(jié)構(gòu)設(shè)計(jì)

基于Delta并聯(lián)機(jī)器人，開發(fā)了單片裝火腿分揀系統(tǒng)平臺(tái)，如圖4所示。該分揀系統(tǒng)平臺(tái)由6部分組成：① 鋁合金框架，整體尺寸為1.3 m×0.9 m×1.8 m，支撐所有機(jī)械與電子元件；② Delta并聯(lián)機(jī)器人，工作空間為1.0 m×0.25 m，最大有效負(fù)載為3 kg，重復(fù)定位精度為±0.1 mm，最大水平加速度為150 m/s2，最大垂直加速度為75 m/s2；③ 末端執(zhí)行器，為真空吸盤，執(zhí)行吸附、搬運(yùn)、放置動(dòng)作，能夠同時(shí)處理6個(gè)單片裝火腿，真空吸盤可吸附100～500 g重物，而且可人為更換；④ 傳送帶，長(zhǎng)2 m，用來(lái)傳送單片裝火腿；⑤ 由德國(guó)Basler公司aca1920-40gc型號(hào)的CMOS相機(jī)和LED陣列組成的視覺系統(tǒng)，能夠快速、精確地提取單片裝火腿的特征；⑥ 提升機(jī)構(gòu)，可上下升降、左右移動(dòng)；⑦ 觸摸屏監(jiān)視器，顯示圖形用戶界面(GUI)，包含分揀工藝過(guò)程數(shù)據(jù)。

圖4 單片裝火腿分揀系統(tǒng)平臺(tái)Figure 4 Sorting system platform of single-piece ham package

2.3 控制系統(tǒng)設(shè)計(jì)

控制系統(tǒng)包括硬件部分和軟件部分。硬件部分主要由工控機(jī)與運(yùn)動(dòng)控制器組成，如圖5所示；軟件部分主要由分揀控制系統(tǒng)和視覺控制系統(tǒng)組成。系統(tǒng)采用上下雙層控制方式，上層(上位機(jī))以工控機(jī)為核心，負(fù)責(zé)圖像處理、人機(jī)交互、系統(tǒng)通信等任務(wù)，完成對(duì)單片裝火腿的識(shí)別、跟蹤、定位。下層(下位機(jī))以運(yùn)動(dòng)控制器為核心，通過(guò)USB接口與工控機(jī)通信，它一方面接收來(lái)自紅外傳感器的激活數(shù)字信號(hào)，另一方面發(fā)送信號(hào)控制傳送帶速度、并聯(lián)機(jī)器人的運(yùn)動(dòng)和提升機(jī)構(gòu)的移動(dòng)，完成單片裝火腿的吸附、搬運(yùn)、分揀、剔除作業(yè)。系統(tǒng)電源為220 V交流電，通過(guò)驅(qū)動(dòng)器為電機(jī)供電，采用12 V AC/DC電源適配器為運(yùn)動(dòng)控制器、紅外傳感器等供電，通過(guò)USB接口為相機(jī)、鼠標(biāo)、鍵盤等供電。

圖5 控制系統(tǒng)硬件Figure 5 Hardware of control system

2.4 圖像處理算法

視覺系統(tǒng)的圖像處理算法直接影響缺陷識(shí)別的準(zhǔn)確度，圖像處理算法流程如圖6所示。① 采集1幅RGB格式的圖像，并將圖像上6個(gè)單片裝火腿分割成6幅單獨(dú)的圖像；② 對(duì)每幅圖像依次進(jìn)行高斯濾波、中值濾波處理，在圖像最大化并減少噪聲影響的同時(shí)，保留圖像細(xì)節(jié)；③ 將RGB空間轉(zhuǎn)化為HSV顏色空間；④ 基于單片裝火腿的顏色譜設(shè)置合理的閾值，在HSV空間中完成對(duì)圖像的閾值分割；⑤ 將分割完成的HSV顏色空間圖像，轉(zhuǎn)換到灰度空間得到灰度圖像，并二值化灰度圖像；⑥ 對(duì)圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算，檢測(cè)是否存在異物缺陷；⑦ 如果不存在異物缺陷，還需采用Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)，并通過(guò)霍夫變換檢測(cè)包裝上的特征，檢測(cè)是否存在折痕缺陷。

不論是檢測(cè)到異物缺陷還是折痕缺陷，算法都將返回一個(gè)2×3的數(shù)組，記錄缺陷包裝在該數(shù)組中的位置，后續(xù)由機(jī)器人剔除出去。

圖6 圖像處理算法流程Figure 6 Flow of image processing algorithm

2.5 系統(tǒng)工作流程

食品分揀系統(tǒng)工作流程：控制系統(tǒng)上電后，程序進(jìn)行初始化處理，完成開機(jī)準(zhǔn)備工作；視覺系統(tǒng)程序采用不斷循環(huán)的方式，當(dāng)傳送帶上的單片裝火腿進(jìn)入作業(yè)區(qū)域時(shí)，工業(yè)相機(jī)拍照采集圖像，并將圖像傳送給工控機(jī)，工控機(jī)通過(guò)圖像處理算法識(shí)別異物、折痕等缺陷，并跟蹤、定位缺陷包裝的位置；然后通過(guò)運(yùn)動(dòng)控制器驅(qū)動(dòng)并聯(lián)機(jī)器人，機(jī)器人將按照最優(yōu)路徑運(yùn)動(dòng)，進(jìn)行食品吸附、搬運(yùn)、分揀、剔除等操作；最終，將有缺陷的單片裝火腿放入廢棄箱，將無(wú)缺陷的單片裝火腿放入包裝箱，實(shí)現(xiàn)單片裝火腿的分揀作業(yè)。

為了便于操控與監(jiān)管，基于python語(yǔ)言開發(fā)了一個(gè)人機(jī)交互圖形化用戶界面GUI，如圖7所示。通過(guò)這個(gè)界面，操作者可以輸入單片裝火腿的數(shù)量與規(guī)格、包裝箱的數(shù)量與大小，還可以設(shè)置傳送帶的速度等。此外，該界面還可以對(duì)分揀過(guò)程進(jìn)行實(shí)時(shí)監(jiān)管，并存儲(chǔ)已剔除的缺陷產(chǎn)品數(shù)量、已完成包裝箱數(shù)量、生產(chǎn)進(jìn)度等數(shù)據(jù)，創(chuàng)建一個(gè)包含所有存儲(chǔ)數(shù)據(jù)的Excel報(bào)表。所有數(shù)據(jù)均可以通過(guò)本地網(wǎng)絡(luò)進(jìn)行處理和發(fā)送，用戶可以登陸連接到本地網(wǎng)絡(luò)的計(jì)算機(jī)進(jìn)行訪問(wèn)。

3 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證分揀系統(tǒng)的有效性，對(duì)100 g的單片裝火腿開展分揀實(shí)驗(yàn)，并故意放入一些帶有異物缺陷與折痕缺陷的單片裝火腿。實(shí)驗(yàn)是在室內(nèi)環(huán)境下進(jìn)行，將光源位置與光照強(qiáng)度調(diào)整到位并保持不變。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確、快速地識(shí)別異物缺陷與折痕缺陷(圖8)，而且因?yàn)槭覂?nèi)照明可控，不受戶外光照影響，系統(tǒng)識(shí)別率高達(dá)95%；而且該系統(tǒng)還能夠準(zhǔn)確、高效地分揀單片裝火腿，分揀成功率達(dá)到98%，分揀效率為160包/min。因此，該系統(tǒng)能夠滿足火腿加工企業(yè)的分揀作業(yè)需求。

圖7 人機(jī)交互圖形化用戶界面GUIFigure 7 Graphical user interface (GUI) for human-computer interaction

圖8 識(shí)別異物缺陷與折痕缺陷Figure 8 Identification of impurities and creases

4 結(jié)論

以Delta并聯(lián)機(jī)器人為基礎(chǔ)，結(jié)合自動(dòng)控制、機(jī)器視覺等技術(shù)，設(shè)計(jì)搭建了一種能夠識(shí)別單片裝火腿缺陷的分揀系統(tǒng)。該系統(tǒng)能夠成功識(shí)別異物缺陷與折痕缺陷，識(shí)別率高達(dá)95%；分揀成功率達(dá)到98%，分揀效率為160包/min，能夠準(zhǔn)確、高效地分揀單片裝火腿，證明了經(jīng)過(guò)深入學(xué)習(xí)后的視覺識(shí)別分揀系統(tǒng)不僅可以用于識(shí)別、抓取合格食品，還可以識(shí)別、剔除殘缺品，因此能夠滿足火腿加工企業(yè)的分揀作業(yè)需求。但試驗(yàn)僅限于識(shí)別異物缺陷與折痕缺陷，對(duì)于更多缺陷種類的識(shí)別還有待深入研究。