郭 鶴，常修源

（鄭州科技學院，河南 鄭州 450064）

機器視覺目前正被廣泛運用于人們生產(chǎn)生活的各個領(lǐng)域，它使機器更加智能化，對自動化技術(shù)的發(fā)展也起到至關(guān)重要的推動作用[1]。目前，對于不同形狀和顏色的產(chǎn)品分揀工作多通過人工進行，費時費力。為了改變這一現(xiàn)狀，許多學者對自動分揀方法進行了研究。張亞婉等[2]設(shè)計了一種以ARM單片機為核心、利用OpenMV對物料進行分析與識別的物料分揀機器人，實現(xiàn)了對物料的智能化分揀；李橙等[3]利用激光視覺主動成像技術(shù)引導機器人完成分揀任務；鄒子杰等[4]采用機器視覺對加油口進行特征識別，實現(xiàn)了對加油機器人的軌跡規(guī)劃。目前的分揀機器人能夠?qū)崿F(xiàn)分揀工作自動化，但對于某些特殊場合，卻無法實現(xiàn)非接觸啟動，針對這一問題，設(shè)計了一種基于機器視覺的物料分揀裝置，能夠?qū)Σ煌螤睢㈩伾奈锪线M行自動化分揀，并可通過手勢識別實現(xiàn)裝置的非接觸啟動。

1 結(jié)構(gòu)設(shè)計

本課題所需分揀的物料分為紅、綠、藍、黑4種顏色，形狀分為等邊三角形和正方形2種，其中等邊三角形物料邊長為30 mm，正方形物料邊長為20 mm，所有物料厚度均為5 mm，物料材料為亞克力。根據(jù)物料規(guī)格，設(shè)計了分揀裝置結(jié)構(gòu)。

設(shè)計的分揀裝置結(jié)構(gòu)主要由攝像頭、工作臺、抓取機構(gòu)、十字滑臺機構(gòu)組成。裝置整體結(jié)構(gòu)示意圖如圖1所示。物料分揀工作在分揀裝置的工作臺上進行，同時工作臺還作為整個裝置的底座，十字滑臺機構(gòu)和攝像頭均被固定在工作臺上。

圖1 物料分揀裝置結(jié)構(gòu)示意圖

十字滑臺機構(gòu)由滑塊、步進電機、光杠、同步帶及帶輪組成。物料抓取機構(gòu)安裝在十字滑塊機構(gòu)的末端。十字滑塊機構(gòu)采用CoreXY結(jié)構(gòu)，兩步進電機被固定在工作臺上，滑塊以固定在型材上的2根橫向光杠為導軌，可相對于工作臺進行橫向運動，抓取機構(gòu)安裝在2根穿過滑塊的縱向光杠上，光杠與滑塊之間采用直線軸承連接，使縱向光杠可相對于滑塊做縱向運動。抓取機構(gòu)相對工作臺的運動由步進電機驅(qū)動同步帶傳動提供，當兩步進電機轉(zhuǎn)速相同轉(zhuǎn)向相反時，抓取機構(gòu)相對于工作臺進行縱向移動，當兩步進電機轉(zhuǎn)速相同且轉(zhuǎn)向相同時，抓取機構(gòu)相對于工作臺進行橫向移動。通過控制兩步進電機的轉(zhuǎn)速轉(zhuǎn)向和轉(zhuǎn)角就能控制抓取機構(gòu)的位置和移動速度。

抓取機構(gòu)由豎向?qū)к墶⒒瑝K、吸盤、舵機及連桿組成，其結(jié)構(gòu)如圖2所示。豎向?qū)к壓投鏅C被固定在面板上，滑塊被安裝在導軌上，可相對于導軌進行豎向運動，舵機通過連桿與滑塊相連，而吸盤則被固定在滑塊上，舵機的旋轉(zhuǎn)運動通過連桿-滑塊機構(gòu)轉(zhuǎn)化為吸盤的豎向運動。通過控制舵機的轉(zhuǎn)向與轉(zhuǎn)角即可控制吸盤在豎向上的抓取和放置動作。

圖2 抓取機構(gòu)結(jié)構(gòu)示意圖

2 控制系統(tǒng)設(shè)計

2.1 控制系統(tǒng)原理

設(shè)計的分揀裝置控制系統(tǒng)由攝像頭、機器視覺系統(tǒng)、上位機、ARM單片機和氣動系統(tǒng)組成。系統(tǒng)原理如圖3所示。

圖3 系統(tǒng)原理框圖

攝像頭采集物料及手勢圖像，并傳送到機器視覺系統(tǒng)，通過視覺算法識別圖像內(nèi)容，通過TCP通信協(xié)議將圖像信息傳送至上位機，上位機通過人機交互界面顯示物料信息，并將分揀信號通過串口通信協(xié)議傳送至ARM單片機，最終由單片機控制抓取機構(gòu)和吸盤動作實現(xiàn)物料的抓取和放置[5]。

2.2 機器視覺系統(tǒng)

視覺系統(tǒng)采用藍天科技LT-USB1080P攝像頭采集圖像，其參數(shù)如表1所示。機器視覺系統(tǒng)算法由手勢識別、形狀識別與顏色識別3部分組成。

表1 攝像頭參數(shù)

2.2.1 手勢識別

考慮到在某些特定場合中分揀裝置需要采用非接觸方式啟動，為確保操作人員安全避免誤啟動，本設(shè)計添加了手勢識別功能以控制分揀裝置非接觸啟動。

設(shè)計采用谷歌MediaPipe框架進行手勢識別，該算法利用機器學習可推算出手部21個關(guān)鍵點信息，通過判斷這21個關(guān)鍵點位姿計算出手勢，當手部被部分遮擋時，該算法仍能推算出手勢信息，具有較好的魯棒性[6-7]。手勢識別效果圖如圖4所示。

圖4 手勢識別效果圖

2.2.2 形狀與顏色識別

設(shè)計的分揀裝置視覺系統(tǒng)首先對物料形狀進行識別，再進行顏色識別，最終得出物料規(guī)格信息。在進行形狀識別時，采用Canny算子進行物料邊緣檢測[8]，首先將圖像轉(zhuǎn)化為灰度圖，采用高斯濾波算法消除圖像中的干擾，利用Sobel算子計算像素點的梯度幅值和方向，采用非極大值抑制得到二值圖像，其中非邊緣點灰度為0，而可能為邊緣的點的灰度值為255，最后利用雙閾值篩選出最接近邊緣的點并得到最終邊緣圖像。在得到的邊緣圖像中進行輪廓查找，將得到的輪廓信息進行多變形擬合，通過判斷擬合后圖像的交點確定物料的形狀。

設(shè)計的視覺系統(tǒng)以圖像的HSV模型為基礎(chǔ)對物料進行顏色識別。首先將拍攝RGB模型圖像轉(zhuǎn)化為HSV模型，設(shè)K1=max（r，g，b），K2=min（r，g，b），轉(zhuǎn)換公式如下：

通過判斷每個形狀中心點的HSV值，判斷該物料顏色，設(shè)中心點的H值為color[0]，S值為color[1]，V值為color[2]，則算法如下：

2.3 上位機人機交互界面設(shè)計

采用Visual Studio 2013軟件搭建分揀裝置人機交互界面。通過人機交互界面可設(shè)置上位機與ARM單片機的串口通訊參數(shù)，并可實時顯示識別的物料規(guī)格和數(shù)量。設(shè)計的人機交互界面如圖5所示。

圖5 人機交互界面

2.4 單片機控制系統(tǒng)設(shè)計

設(shè)計的物料分揀裝置的單片機控制系統(tǒng)以STM32F103C8T6單片機為核心，通過串口協(xié)議與上位機進行通訊，并通過Ⅰ/O口實現(xiàn)對步進電機、舵機及電磁閥的控制。設(shè)計的控制系統(tǒng)電路由CPU模塊、Type_C接口模塊、穩(wěn)壓電源模塊、接口模塊、限位傳感器模塊等組成。PCB板仿真圖如圖6所示。

圖6 PCB板仿真圖

3 樣機制作與實驗

購買的主要零部件型號如表2所示。非標準件如支架、滑塊、抓取機構(gòu)連桿等，采用鄭州科技學院機械工程創(chuàng)新實驗室3D打印機進行增材制作，材料為PLA。抓取機構(gòu)面板、電路板安裝板等采用機械工程創(chuàng)新實驗室激光切割機進行制造，材料為亞克力。

表2 主要零部件型號

制作的物料分揀裝置及上位機如圖7所示。用制作的裝置進行分揀實驗，分揀物料規(guī)格及數(shù)量如表3所示。對所有物料進行20次分揀實驗，記錄每次分揀準確率和總用時。計算出平均分揀準確率為100%，平均分揀時間為78 s。

表3 物料規(guī)格及數(shù)量

圖7 物料分揀裝置及上位機

4 結(jié)論

根據(jù)物料分揀要求，設(shè)計并制作了基于機器視覺的物料分揀裝置，采用CoreXY機構(gòu)和連桿-滑塊機構(gòu)實現(xiàn)抓取機構(gòu)的三自由度驅(qū)動，裝置控制系統(tǒng)由視覺系統(tǒng)、上位機、單片機控制系統(tǒng)和執(zhí)行機構(gòu)組成，可通過手勢識別進行非接觸啟動控制，實驗證明，設(shè)計的分揀裝置平均分揀準確率和分揀速度達到了預期效果。