摘 要：工業(yè)4.0時(shí)代對(duì)生產(chǎn)自動(dòng)化提出了智能化的全新要求。針對(duì)農(nóng)產(chǎn)品的自動(dòng)化檢測(cè)分類問題，本文提出了基于PLC的視覺檢測(cè)系統(tǒng)設(shè)計(jì)方案。其中由PLC進(jìn)行總體控制，包括傳送帶控制、農(nóng)產(chǎn)品分類包裝以及和PC端的交互。PC端執(zhí)行圖像處理算法，通過Roberts邊緣檢測(cè)完成農(nóng)產(chǎn)品的品質(zhì)檢測(cè)，得到檢測(cè)結(jié)果后再回傳給PLC。試驗(yàn)結(jié)果表明，基于PLC的控制系統(tǒng)成功完成了總體控制，視覺檢測(cè)系統(tǒng)也對(duì)西瓜的品質(zhì)進(jìn)行了有效檢測(cè)。

關(guān)鍵詞：工業(yè)4.0；PLC；農(nóng)產(chǎn)品；視覺檢測(cè)；邊緣檢測(cè)

中圖分類號(hào)：S 22" " " 文獻(xiàn)標(biāo)志碼：A

德國正式提出工業(yè)4.0時(shí)代，標(biāo)志著人類社會(huì)進(jìn)入了第四次工業(yè)技術(shù)革命。蒸汽技術(shù)革命是人類歷史上第一次工業(yè)技術(shù)革命[1]。繼而人類社會(huì)又進(jìn)行了電氣技術(shù)革命和信息技術(shù)革命。在工業(yè)4.0時(shí)代，信息化技術(shù)成果將進(jìn)一步推動(dòng)智能化發(fā)展，這也是一個(gè)具有鮮明智能化特征的時(shí)代。作為工業(yè)4.0概念的提出國，德國致力于將物聯(lián)網(wǎng)系統(tǒng)應(yīng)用于生產(chǎn)制造的各環(huán)節(jié)，這與中國制造的戰(zhàn)略發(fā)展理念不謀而合[2]。在工業(yè)4.0時(shí)代，各種控制器通過核心控制，并運(yùn)用外圍豐富的傳感系統(tǒng)可以實(shí)現(xiàn)更強(qiáng)大的功能，進(jìn)而實(shí)現(xiàn)各種控制過程的自動(dòng)化和智能化。在工業(yè)3.0時(shí)代，可編程邏輯控制器（PLC）極大地推動(dòng)了信息化的發(fā)展[3]。在工業(yè)4.0時(shí)代，PLC技術(shù)將作為物聯(lián)網(wǎng)信息系統(tǒng)的控制核心，借助外部計(jì)算單元實(shí)現(xiàn)更強(qiáng)大的信息處理功能，進(jìn)而實(shí)現(xiàn)生產(chǎn)過程的自動(dòng)化、信息化和智能化。本文就是在這種背景下，采用PLC控制技術(shù)來構(gòu)建農(nóng)產(chǎn)品視覺檢測(cè)系統(tǒng)。

1 基于PLC的農(nóng)產(chǎn)品視覺檢測(cè)框架設(shè)計(jì)

作為可編程邏輯器件，PLC具有方便快捷、容易擴(kuò)展、可靠性高、實(shí)時(shí)性強(qiáng)和易于維護(hù)等很多特點(diǎn)，非常適宜用作復(fù)雜生產(chǎn)線上的控制器。為了進(jìn)行農(nóng)產(chǎn)品品質(zhì)檢測(cè)，本文將PLC作為核心控制器。但是PLC也存在編程語言復(fù)雜、功能有限等局限性，在其上運(yùn)行大型的檢測(cè)算法并不可行。因此，本文提出的農(nóng)產(chǎn)品品質(zhì)檢測(cè)框架是在檢測(cè)流水線上配置PLC，將其作為核心控制器以實(shí)現(xiàn)控制功能，并和視覺檢測(cè)部分進(jìn)行實(shí)時(shí)信息調(diào)度。PC端執(zhí)行圖像處理算法，對(duì)視覺傳感器拍攝的農(nóng)產(chǎn)品圖像進(jìn)行檢測(cè)。在每個(gè)檢測(cè)任務(wù)的開始，PLC會(huì)從PC端調(diào)取圖像處理后的檢測(cè)結(jié)果，進(jìn)而根據(jù)檢測(cè)結(jié)果對(duì)農(nóng)產(chǎn)品進(jìn)行合理分揀。本文構(gòu)建的基于PLC的農(nóng)產(chǎn)品視覺檢測(cè)框架如圖1所示。

從圖1可以看出，PLC進(jìn)行農(nóng)產(chǎn)品檢測(cè)分類的總體控制，包括傳送帶的控制、分類包裝以及和PC端的交互。PC端執(zhí)行圖像處理算法，對(duì)視覺傳感器拍攝的農(nóng)產(chǎn)品圖像進(jìn)行品質(zhì)檢測(cè)，得到檢測(cè)結(jié)果后，再回傳給PLC端。

2 PLC控制系統(tǒng)設(shè)計(jì)和控制結(jié)構(gòu)設(shè)計(jì)

作為農(nóng)產(chǎn)品視覺檢測(cè)系統(tǒng)的總體控制器，PLC需要執(zhí)行整個(gè)生產(chǎn)線的控制任務(wù)，其對(duì)應(yīng)的I/O端口配置見表1。

根據(jù)表1中的I/O端口配置情況和系統(tǒng)總體任務(wù)，PLC的部分控制流程如圖2所示。

3 基于機(jī)器視覺的農(nóng)產(chǎn)品品質(zhì)檢測(cè)與試驗(yàn)

在本文的農(nóng)產(chǎn)品檢測(cè)框架下，PLC為主控系統(tǒng)，PC端執(zhí)行機(jī)器視覺算法，對(duì)攝像機(jī)拍攝的農(nóng)產(chǎn)品圖像進(jìn)行品質(zhì)檢測(cè)，并將檢測(cè)結(jié)果回傳給PLC，PLC再對(duì)不同品質(zhì)的農(nóng)產(chǎn)品進(jìn)行分揀。

為了完成農(nóng)產(chǎn)品品質(zhì)檢測(cè)，必須在農(nóng)產(chǎn)品圖像中提取有用的特征信息，進(jìn)行進(jìn)一步分析和處理。圖像中的信息種類非常豐富，多幅圖像中存在連續(xù)變化的光流信息，單幅圖像中存在顏色特征信息、紋理特征信息、形狀特征信息以及邊緣特征信息等。本文將顏色特征信息和邊緣特征信息作為農(nóng)產(chǎn)品品質(zhì)檢測(cè)的依據(jù)。

選擇顏色特征信息的原因是絕大多數(shù)圖像都包括豐富的顏色特征信息，即便是非彩色的灰度圖像，其灰度等級(jí)也包括較多的色階分布，便于進(jìn)行不同圖像的分析和比較。對(duì)農(nóng)產(chǎn)品圖像來說，無論是蔬菜還是水果，都包括豐富的顏色信息。而隨著農(nóng)產(chǎn)品成熟度、新鮮度改變，它們的顏色信息還會(huì)產(chǎn)生明顯的變化。因此，以顏色特征信息作為農(nóng)產(chǎn)品品質(zhì)的判斷依據(jù)具有非常好的針對(duì)性。

紋理特征信息和形狀特征信息也是判斷農(nóng)產(chǎn)品品質(zhì)的有效依據(jù)。但是本文選擇更具適用價(jià)值的邊緣特征信息。原因是如果農(nóng)產(chǎn)品的品質(zhì)發(fā)生變化，會(huì)導(dǎo)致其局部紋理特征發(fā)生改變，局部的邊緣細(xì)節(jié)也會(huì)隨之發(fā)生變化。此外，如果農(nóng)產(chǎn)品外表出現(xiàn)大面積裂痕，也可以通過邊緣信息檢測(cè)獲得。

3.1 顏色特征信息的提取

對(duì)于農(nóng)產(chǎn)品顏色特征信息提取，從現(xiàn)有的數(shù)字圖像存儲(chǔ)格式來看，其顏色信息有多種不同的表達(dá)模型，如RGB顏色信息表達(dá)模型、HSV顏色信息表達(dá)模型、HIS顏色信息表達(dá)模型、CMY顏色信息表達(dá)模型以及Lab顏色信息表達(dá)模型等。

在眾多顏色信息表達(dá)模型中，RGB模型是最常見的。因此，本文就在RGB模型上進(jìn)行農(nóng)產(chǎn)品顏色特征提取。為了使檢測(cè)過程更可靠，本文將RGB合成通道進(jìn)行三色通道的分離，從而可以從一幅RGB圖像中得到3幅圖像，使顏色特征信息提取更豐富。RGB顏色信息的合成表達(dá)如公式（1）所示。

C=R×2560+G×2561+B×2562 （1）

式中：C表示農(nóng)產(chǎn)品圖像的合成顏色信息；R表示農(nóng)產(chǎn)品圖像合成顏色中的紅色分量信息；G表示農(nóng)產(chǎn)品圖像合成顏色中的綠色分量信息；B表示農(nóng)產(chǎn)品圖像合成顏色中的藍(lán)色分量信息。

對(duì)于已經(jīng)知道了合成顏色信息的圖像，可以求取分離的顏色分量信息，如公式（2）所示。

（2）

式中：[*]表示取整的操作處理。

3.2 邊緣特征信息的提取

邊緣特征信息是圖像中最豐富的特征信息，能非常準(zhǔn)確地表達(dá)出圖像內(nèi)容的局部和細(xì)節(jié)特征。為了提取圖像中的邊緣特征信息，已設(shè)計(jì)出多種提取器被，如基于Roberts算子的邊緣特征提取器、基于Sobel算子的邊緣特征提取器和基于Canny算子的邊緣特征提取器等。

在眾多邊緣特征提取器中，基于Roberts算子的邊緣特征提取器原理簡(jiǎn)單、易于實(shí)現(xiàn)，算法的復(fù)雜度也相對(duì)較低，執(zhí)行實(shí)時(shí)性較好，便于在自動(dòng)化的流水線中使用?；赗oberts算子的邊緣特征提取的數(shù)學(xué)原理如公式（3）所示。

（3）

式中：f（x，y）表示農(nóng)產(chǎn)品原始圖像信息。

Roberts算子的計(jì)算過程包括2個(gè)偏導(dǎo)的計(jì)算，如公式（4）所示。

（4）

3.3 特征提取和農(nóng)產(chǎn)品品質(zhì)檢測(cè)

為了便于說明本文的特征提取過程，下面基于一幅鮮花圖像進(jìn)行顏色特征信息和邊緣特征信息提取，結(jié)果如圖3所示。

從圖3可以看出，先根據(jù)公式（1）、公式（2）所示方法，對(duì)鮮花原始圖像進(jìn)行3個(gè)分量的分離，進(jìn)而采用公式（4）、公式（5）所示方法，對(duì)3個(gè)分量圖像進(jìn)行邊緣檢測(cè)。至此，可以得到6幅特征圖像信息，增強(qiáng)了品質(zhì)檢測(cè)的可靠性。

在PLC總體控制、PC端執(zhí)行品質(zhì)檢測(cè)算法的框架下，對(duì)農(nóng)產(chǎn)品西瓜進(jìn)行品質(zhì)檢測(cè)，結(jié)果如圖4所示。

在界面上方的主顯示區(qū)，分揀流水線上的西瓜被拍攝成圖像，通過PC端的檢測(cè)算法得到3組邊緣信息圖，并和數(shù)據(jù)庫圖像中的品質(zhì)進(jìn)行比較，確定為裂縫西瓜。該檢測(cè)結(jié)果將被回傳給PLC端。PLC端將控制分揀過程，將此西瓜分揀到殘次品類別，不能進(jìn)行正常包裝。

4 結(jié)論

3次工業(yè)技術(shù)革命后，工業(yè)4.0時(shí)代以信息化促智能化的趨勢(shì)已經(jīng)形成。PLC通過配合外圍算法模塊，構(gòu)建出更具智能化、自動(dòng)化程度更高的控制系統(tǒng)。本文設(shè)計(jì)了基于PLC的視覺檢測(cè)系統(tǒng)，用于農(nóng)產(chǎn)品品質(zhì)檢測(cè)。在該系統(tǒng)中，PLC進(jìn)行總體控制，并將耗時(shí)大、復(fù)雜度高的視覺檢測(cè)算法配置給PC端進(jìn)行處理，再通過PC端的品質(zhì)檢測(cè)結(jié)果指導(dǎo)流水線上的分揀包裝。在視覺檢測(cè)過程中，本文使用了顏色信息結(jié)合邊緣信息的方法，并通過試驗(yàn)加以驗(yàn)證。試驗(yàn)結(jié)果表明，西瓜的品質(zhì)得到了有效檢驗(yàn)，并可以及時(shí)回傳給PLC，進(jìn)而指導(dǎo)流水線分揀包裝過程。

參考文獻(xiàn)

[1]張可云，蔡之兵.全球化4.0、區(qū)域協(xié)調(diào)發(fā)展4.0與工業(yè)4.0——“一帶一路”戰(zhàn)略的背景、內(nèi)在本質(zhì)與關(guān)鍵動(dòng)力[J].鄭州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2022，22（3）：264-271.

[2]李金華.德國“工業(yè)4.0”與“中國制造2025”的比較及啟示[J].中國地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，15（5）：71-79.

[3]胡青龍.基于三菱PLC控制的全自動(dòng)分板包裝機(jī)的設(shè)計(jì)與實(shí)現(xiàn)[J].自動(dòng)化技術(shù)與應(yīng)用，2022，41（1）：41-44.

作者簡(jiǎn)介：龐小蘭（1983-），女，廣西北流市人，本科，工程師，主要研究方向?yàn)镻LC技術(shù)、電工實(shí)訓(xùn)和機(jī)械加工。

電子郵箱：308192796@qq.com。