李 輝，劉 柱

（1.鹽城工學院 電氣工程學院，江蘇鹽城 224007；2.常熟理工學院 電氣與自動化工程學院，江蘇蘇州 215500）

0 引言

目前，對貼標機的研究更多是在機械結(jié)構(gòu)和控制方法上的改進，如采用超高速轉(zhuǎn)輪的輪式貼標機［1］，加快了貼標的速度；在多功能擴展方面有帶自動封裝功能的小型化貼標機［2］；有采用SolidWorks建模進行有限元分析［3-5］，運用PLC進行整套系統(tǒng)運動控制的貼標系統(tǒng)［6］。社會的發(fā)展帶來更加細分化的應用場景，如在醫(yī)療領(lǐng)域，為提高醫(yī)護人員工作效率而設(shè)計的血樣試管貼標機［7］；在物流領(lǐng)域，帶有自動打印功能的多功能貼標機［8］，和給手機鋰電池電芯貼標的安全貼標機［9］。

圖像處理的算法層出不窮。在圖像識別區(qū)域，有采用卡爾曼濾波對篩選出的信息進行二次計算，將最終姿態(tài)與數(shù)據(jù)進行擬合預測的視覺模塊［10］。但此類方法邏輯較為復雜，工業(yè)生產(chǎn)中實際運算能力有限，應用較有限制。本文改進系統(tǒng)的結(jié)構(gòu)硬件和視覺識別算法，使其在兼顧效率的同時，更貼合實際生產(chǎn)。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)的總體框架

如圖1所示，自動貼標系統(tǒng)的基本框架主要依托于工控機的虛擬儀器技術(shù)。通過編寫或?qū)胄枰\行的程序到運動控制卡，自動貼標系統(tǒng)執(zhí)行運動控制卡的命令，并接收相關(guān)傳感器和操作員下達的指令，以控制機械手運動、電機旋轉(zhuǎn)、氣缸運動，以及接收運行位置信息的反饋。在此過程中，工控機通過傳感器和機械手的信號確定運動的完成情況，并將其顯示在顯示器上。系統(tǒng)主要可調(diào)流水線機構(gòu)、載具交互機構(gòu)、翻轉(zhuǎn)機構(gòu)、機械手及相關(guān)機構(gòu)、打印機機構(gòu)等組成。

圖1 系統(tǒng)的基本框架Fig.1 Basic framework of the system

1.2 系統(tǒng)的工作流程

系統(tǒng)總體結(jié)構(gòu)如圖2所示。首先根據(jù)彩盒尺寸調(diào)整載具的寬度；然后手動將彩盒放置在載具A上；隨后，載具A夾緊彩盒并將其輸送至防呆相機，以確認盒子是否正確；最后，彩盒被輸送到貼標位并頂升等待貼標。此時，六軸機器人取條形碼（UPC），四軸機器人取密封標簽。隨后下相機（CCD）1拍攝UPC照片，下CCD2拍攝密封標簽照片，并確定兩者在各自的吸標頭位置。六軸機器人貼上UPC，而四軸機器人貼上密封標簽。完成后，頂升機構(gòu)復位，彩盒進入翻轉(zhuǎn)機構(gòu)，進行180°旋轉(zhuǎn)后進入核號機。

圖2 總體結(jié)構(gòu)Fig.2 Overall structure

1.3 可調(diào)流水線機構(gòu)的設(shè)計

圖3所示為一種可調(diào)節(jié)流水線結(jié)構(gòu)，其寬度可根據(jù)需求進行調(diào)整，以適應6種不同產(chǎn)品的寬度要求。

圖3 可調(diào)流水線機構(gòu)Fig.3 Adjustable assembly line mechanism

1.4 機械手及相關(guān)機構(gòu)的設(shè)計

圖4所示為六軸機械手臂及其相關(guān)組件。六軸機械臂首先移動至打印機位置吸附標簽；然后移至下CCD鏡頭拍攝標簽位置；最后根據(jù)拍攝數(shù)據(jù)移動至彩盒貼標位置，進行貼標操作。

圖4 六軸機械手及相關(guān)機構(gòu)Fig.4 6-axis manipulator and related mechanisms

圖5所示為四軸機械人的結(jié)構(gòu)。四軸機器人先移動至飛達位置吸取標簽，然后移至下CCD鏡頭拍攝標簽位置。根據(jù)上CCD拍照數(shù)據(jù)，四軸機器人移動至彩盒貼標位置進行貼標。吸標頭1先將標簽貼在彩盒上，吸標頭2負責將標簽下壓并貼在側(cè)面。

圖5 四軸機械手及CCD相機Fig.5 4-axis manipulator and CCD camera

1.5 打印機機構(gòu)

圖6所示為打印機機構(gòu)。由于標簽材質(zhì)較軟，采用皮帶式接標臺以避免出標過程中的拱起現(xiàn)象。出標完成后，掃碼槍進行掃碼確認，確保一維碼在貼附前能夠正常讀取。若需更換標簽，僅抽出直線導軌即可順利進行。

圖6 打印機機構(gòu)Fig.6 Printer mechanism

2 控制流程

2.1 翻轉(zhuǎn)工作站及機械手初始化

圖7所示為翻轉(zhuǎn)工作站初始化流程。

圖7 翻轉(zhuǎn)工作站初始化Fig.7 Flip workstation initialization

六軸機械手和四軸機械手初始化相同。機械手IO啟動，通訊連接正常后，發(fā)送指令使機械手回原點，至此機械手初始化完成。

2.2 載具1移載工作站

圖8所示為載具1移載工作站流程圖，主要用于物料的移載和頂升。

圖8 載具1移載工作站流程設(shè)計圖Fig.8 Process design diagram of vehicle 1 workstation

收集載具1升降氣缸上升位和下降位信息，經(jīng)過匯川板卡傳輸?shù)腎O信號創(chuàng)建數(shù)組，然后將布爾數(shù)組進行數(shù)值轉(zhuǎn)換，通過條件結(jié)構(gòu)選擇。如果沒有收到信號，為“1”，則彈出彈窗顯示載具1上料狀態(tài)錯誤，退出檢查程序；如果收到信號，為“2”，則表示載具檢測到信號，更新載具狀態(tài)為進料等待位，等待操作員上料完成。

2.3 打印機工作站

圖9所示為打印機工作站工作流程。

圖9 打印機工作站工作流程Fig.9 Workflow of printer workstation

3 目標檢測算法

3.1 標簽的預處理

在實際的工業(yè)生產(chǎn)中，由于各方面的因素，通常標簽的貼合、圖片的攝取不理想，需要對圖片進行矯正。無論是應用coco，Labelme等數(shù)據(jù)集的動態(tài)檢測［11-12］，還是用各種靜態(tài)信息的獲?。?3］，都取得不錯的效果。但對算力有一定要求的方法成本偏高，此時就要選擇合適的處理方法。

設(shè)計采用工業(yè)上常用的halcon軟件，圖片預處理調(diào)用orientation算子計算傾斜角，求出中心像素點后旋轉(zhuǎn)圖像，使其被矯正到正確方位。

針對圖像斷點不清或者模糊像素過于擴散等問題，采用膨脹和腐蝕算法?；叶刃螒B(tài)學是與二值形態(tài)學相對應的另一種形態(tài)學運算。與二值形態(tài)學相比，灰度形態(tài)學不僅在圖像本身的空間尺寸上有變化，而且圖像本身的灰度值也有變化。

灰度形態(tài)學膨脹在數(shù)學上的定義用下式表示：

式中 F——原始圖像；

K—— 對原始圖像進行膨脹運算的結(jié)構(gòu)化要素；

⊕g——灰度形態(tài)學膨脹運算。

描述為，作用在原始圖像F中（m，n）坐標的灰度值，分別向右移動（a，b）個單位，再加結(jié)構(gòu)化元素的K（a，b）值，取其求得的最大值。

如遇畫面粘連不清，則采取銳化腐蝕等手段。灰度腐蝕的運算在數(shù)學上的定義如下式所示：

式中 ?g——灰度形態(tài)學腐蝕運算。

與灰度膨脹類似，灰度腐蝕的運算可以描述為，將原始圖像的像素點移動（a，b）個單位，再減去結(jié)構(gòu)化元素K在坐標（a，b）處的值，求取集合中的最小值。灰度腐蝕的顯著效果不僅可以使得圖像的尺寸變小，其灰度值也會變小。

3.2 識別算法的改進

對于標簽的識別，halcon有自帶條碼識別算子create_bar_code_model和find_bar_code。而快遞標簽處有很多的文字、符號和邊框，增大了定位的難度，會有檢測不到條碼的情況。常采用Blob Analysis方法，其作用是對圖像中相同像素的連通域（Blob）進行分析。其過程是將圖像進行二值化，分割得到前景和背景，然后進行連通區(qū)域檢測，從而得到Blob塊。但Blob分析法對相機像素有較大的要求。加入基于拉普拉斯算子的邊緣提取，可有效增強系統(tǒng)識別的穩(wěn)定性，表示如下。

輸出函數(shù)：

通過輸出圖像對比發(fā)現(xiàn)，處理后有一定的銳化效果，使得邊緣更加的清晰，對比度有進一步的提升。

4 試驗與分析

4.1 識別模塊的軟硬件搭建

設(shè)計選用相機需具備高靈敏度和低噪聲特性，適用于捕捉詳細的圖像和具備低光成像功能，有多種視頻輸出、高分辨率成像、可調(diào)節(jié)的快門速度和遠程控制的曝光控制等功能，故選用具有1 200萬像素分辨率的康耐視相機。

運用for循環(huán)對視覺識別環(huán)節(jié)進行補償，作用在安裝有CCD相機的機械手上。

4.2 試驗數(shù)據(jù)與分析

對隨機標簽進行數(shù)據(jù)采集，選取600張圖片進行識別測試。其中200張為正常圖像，命名為測試集A；200張為連線斷裂、信息帶有缺失的圖像，命名為測試集B；200張為連接線粘連、字跡模糊的圖像，命名為測試集C。

為比較改進算法的識別效果，主要從字母數(shù)字字符識別率、漢字識別率和標簽識別準確度3個方面對算法進行評估。其中字母數(shù)字字符識別率和漢字識別率主要是分析模糊字符、字符粘連等識別率低的原因。標簽識別準確率和字符識別準確率主要是分析改進算法性能是否能夠達到工業(yè)要求。

與傳統(tǒng)的字符分割法和Blob分析進行試驗效果對比，分析標簽、字符、漢字識別準確率，結(jié)果如表1所示。

表1 試驗對照結(jié)果Tab.1 Experimental control results %

在Test2和Test3中，改進算法較傳統(tǒng)分割字符識別算法，標簽識別準確率分別提升6.0，6.4個百分點，字符識別準確率分別提升11.4，10.1個百分點。

對現(xiàn)有的傳統(tǒng)貼標流水線和改進后的方案采取5次循環(huán)為1輪，共20輪的對比驗證。記錄工作的完成時間和貼取的準確率等參數(shù)，取平均值。其中，傳統(tǒng)算法1輪用時302 s，貼標準確率為98.0%，而改進后的方案分別為279 s，99.1%。

在多輪長時間的運行后，系統(tǒng)的穩(wěn)定性、識別率和運行效率都有改善，平均用時縮短23 s，識別率上升1.1個百分點。但系統(tǒng)運行頻率提高后，流程加快，機械手貼標力度需要人為設(shè)定，后面可根據(jù)被貼標產(chǎn)品的材質(zhì)自行定義運動矢量。

5 結(jié)語

本文設(shè)計的自動貼標機構(gòu)，綜合應用電氣自動化與圖像處理技術(shù)，其構(gòu)成主要包括剝料機、機器人、打印機以及控制系統(tǒng)。適用于小型產(chǎn)品的外包裝標簽、識別碼等貼標領(lǐng)域，表現(xiàn)出顯著的優(yōu)勢。首先，其結(jié)構(gòu)簡潔且能高效地實現(xiàn)復雜的貼取過程，主要歸功于其分層級的機械結(jié)構(gòu)設(shè)計，使得后續(xù)機構(gòu)可以根據(jù)物料的大小做出自適應調(diào)整，從而適應不同規(guī)模的貼標系統(tǒng)，體現(xiàn)出更強的自適應性。其次，該機構(gòu)展現(xiàn)了緊密的結(jié)構(gòu)設(shè)計，使其可以實現(xiàn)一些物料的打包、貼標功能，具備良好的可移植性。最后，研究為物料的生產(chǎn)封裝提供了一種較新的解決方案，為該領(lǐng)域的發(fā)展提供新的可能性。