摘 要：設計一種基于視覺識別技術的智能分揀系統(tǒng)，旨在解決當前海洋工程智能生產分揀中的安全隱患，以及生產效率低下等問題。該系統(tǒng)利用視覺識別技術，通過控制相機進行圖像采集、檢測和識別，以實現(xiàn)對托盤位置和零件的準確定位和識別。系統(tǒng)可與分揀系統(tǒng)和桁架PLC（Programmable Logic Controller）進行無縫交互，獲取工件的抓取和碼放數(shù)據，并引導桁架執(zhí)行相應操作。同時，系統(tǒng)還能夠采集和反饋工件的分揀/碼盤結果，以供分揀系統(tǒng)進行自動分揀。通過智能化的分揀過程，可顯著提升海洋工程智能生產分揀領域的自動化和智能化水平。

關鍵詞：視覺識別技術；智能分揀系統(tǒng)；人工智能；目標檢測；特征提取

中圖分類號：TP311 文獻標識碼：A 文章編號：2096-4706（2025）02-0139-06

Research on the Application of Visual Recognition Technology in Plate Intelligent Sorting System

ZHANG Zeqing1， HUANG Xuan2， GENG Xiaomin1， YANG Jian1， WANG Lei1， QIU Yongfeng2

（1.Tianjin Intelligent Manufacturing Branch of Offshore Oil Engineering Co.， Ltd.， Tianjin 300461， China;

2.Hunan Tianqiao Jiacheng Intelligent Technology Co.， Ltd.， Zhuzhou 412007， China）

Abstract： An intelligent sorting system based on visual recognition technology is designed to solve the safety hazards， low production efficiency and other problems in the current ocean engineering intelligent production sorting. The system uses visual recognition technology for image acquisition， detection and recognition by controlling the camera， so as to achieve accurate positioning and recognition of the pallet position and parts. The system can interact seamlessly with the sorting system and the truss PLC （Programmable Logic Controller） to obtain the grabbing and stacking data of the workpieces， and guide the truss to perform the corresponding operations. At the same time， the system can also collect and feedback the results of sorting or stacking to tray of the workpieces for the automatic sorting of the sorting system. Through the intelligent sorting process， the automation and intelligence level in the field of ocean engineering intelligent production sorting can be significantly improved.

Keywords： visual recognition technology; intelligent sorting system; Artificial Intelligence; target detection; feature extraction

DOI：10.19850/j.cnki.2096-4706.2025.02.026

0 引 言

智能制造是先進制造技術和新一代信息技術的深度融合，代表著我國制造業(yè)高質量發(fā)展的主要方向[1]。文獻[2-6]利用工件的形狀、輪廓和顏色等特征結合模板匹配方法進行目標工件識別分揀。文獻[7]通過支持向量機實現(xiàn)對分揀物體的學習識別。文獻[8]引入Adaboost算法優(yōu)化了BP神經網絡，提高了工件的識別準確率。但在智能分揀中仍存在工傷事故；遇到小尺寸零件密集、數(shù)量較多的情況，容易成為整條生產線的瓶頸，影響后續(xù)切割；分揀后的零件托盤轉運需靠人工進行，不支持自動轉運等困難和挑戰(zhàn)。為解決這些問題，本項目應用視覺識別技術，在控制系統(tǒng)的總體控制下，自主進行特征識別、路徑規(guī)劃、分揀規(guī)劃與運動執(zhí)行，完成零件分揀并給出零件信息，以提高分揀效率和生產效率。本文將探討該系統(tǒng)所采用的相關技術和理論，視覺識別技術在智能分揀系統(tǒng)中的應用以及性能評估。

1 相關技術概述

1.1 板材智能分揀系統(tǒng)概述

利用先進的自動化技術和視覺識別技術，板材智能分揀系統(tǒng)實現(xiàn)對板材的智能化分揀和處理。其特點在于高效、精準、智能化，能夠顯著提高分揀效率和準確性，同時降低人工成本和錯誤率。該智能分揀系統(tǒng)采用套料圖解析軟件、視覺識別系統(tǒng)、桁架機械手技術以及AGV技術構建智能分揀工作站。在工作過程中，系統(tǒng)會對切割后的零件進行拍照識別，確定零件的位置后，引導桁架機械手自動抓取零件并放置至料框中。當料框滿載后，系統(tǒng)會自動通知AGV將料框轉移到存儲區(qū)。

智能分揀工作站主要由桁架、分揀吊具、中控系統(tǒng)、分揀系統(tǒng)、視覺系統(tǒng)、AGV以及安全裝置組成。桁架機械手包括桁架框架組件和X/Y/Z/C多軸運動機構，其中X/Y/Z軸采用直線導軌運動，C軸為回轉機構，通過伺服電機實現(xiàn)精準運動。C軸末端連接著抓取器。視覺系統(tǒng)安裝在桁架上，用于引導桁架的運動。

該軟件系統(tǒng)由中控系統(tǒng)、分揀系統(tǒng)和視覺系統(tǒng)組成，通過與外部的桁架PLC電控系統(tǒng)、MES系統(tǒng)和AGV管理系統(tǒng)交互，實現(xiàn)零件的自動化分揀和碼垛，如圖1所示。其中，中控系統(tǒng)負責與MES系統(tǒng)、AGV管理系統(tǒng)以及桁架PLC進行交互，管理自動分揀任務、托盤轉運、數(shù)字孿生等功能；分揀系統(tǒng)負責套料圖解析、零件管理、磁吸配置和碼垛策略等功能；視覺系統(tǒng)通過與桁架PLC交互實現(xiàn)3D相機控制，托盤定位和零件識別功能。安全裝置包括聲光報警器、安全限位、安全門、安全圍欄、安全光柵和安全監(jiān)控等。智能分揀控制系統(tǒng)（AISOS）在執(zhí)行任務創(chuàng)建、圖紙解析、零件定位與識別、零件自動分揀與碼放的同時，還需要監(jiān)控自動分揀桁架設備和AGV托盤緩存位的管理。

1.2 視覺識別技術

視覺識別技術是指利用計算機視覺和圖像處理技術，對圖像或視頻數(shù)據進行分析和處理，以實現(xiàn)對物體、場景或模式的自動識別和分類的一種技術?；跈C器視覺的圖像識別技術，依賴于圖像的特征，能夠過濾掉冗余信息，聚焦于圖像的主要特征，并捕捉有用的關鍵信息。這些信息會被分階段地整合，形成一個完整的直覺映像[9]。

1.2.1 目標檢測

目標檢測其目的是在圖像或視頻中自動識別和定位目標物體的位置和類別。通過識別目標物體的位置和邊界框，系統(tǒng)可以精確地確定物體在圖像中的位置，為后續(xù)的分揀過程提供準確的目標位置信息，可以識別出待分揀物體的類別，從而進行相應的分類和處理。這種技術的應用解決了工人分揀零件、工作枯燥、勞動強度大、招工困難等問題，同時還能夠應對小尺寸零件密集、數(shù)量較多的情況，避免成為整條生產線的瓶頸，從而有效提高了生產效率。

1.2.2 圖像分割

圖像分割是將圖像劃分為多個不同區(qū)域或對象的過程，該過程可以基于像素級別、區(qū)域級別或邊界級別進行，常見的方法包括閾值法、邊緣檢測、區(qū)域生長、圖割等[10]。采用圖像分割技術，從圖像采集到分揀處理全過程實現(xiàn)自動化，顯著提高了效率和準確性，降低了人工成本。此外，利用圖像分割算法去除背景信息并提取目標物體，系統(tǒng)可以進一步減少圖像處理時間，將所需分揀的物體與工作平面分離，使得零件和托盤可以更有效地被系統(tǒng)檢索和提取。

1.2.3 特征提取

特征提取是指從原始數(shù)據中提取出具有代表性、能夠反映數(shù)據特征的信息的過程。特征提取幫助系統(tǒng)從圖像中提取出與待分揀物體相關的特征，例如形狀、顏色、紋理等。這些特征可以用來區(qū)分不同類型的物體，從而實現(xiàn)物體的識別和分類。通過特征提取，系統(tǒng)可以準確地識別出圖像中的各種物體，并將它們分類到相應的類別中，為后續(xù)的分揀操作提供基礎?？梢源_定物體的邊界和位置信息，從而實現(xiàn)目標物體的準確定位[11]。

2 系統(tǒng)設計

2.1 視覺系統(tǒng)整體架構

視覺系統(tǒng)控制相機拍照，進行圖像采集、檢測和識別定位，可與分揀系統(tǒng)和桁架PLC進行系統(tǒng)交互取得工件的抓取和碼放數(shù)據，引導桁架執(zhí)行工件的抓取和碼放，并采集工件的分揀/碼盤結果反饋給分揀系統(tǒng)，如圖2所示。

2.1.1 視覺系統(tǒng)組成模塊

圖3展示了視覺系統(tǒng)的主要構成模塊，包括拍照管理、流程管理和相機管理。拍照管理模塊負責相機通信、視覺定位、圖像采集和圖像檢測等任務。視覺定位包括托盤和工件的定位，其中托盤定位用于確定托盤的位置，而工件定位可在巡邊盲抓和單個工件識別之間切換。流程管理模塊實現(xiàn)了流程配置、查看和執(zhí)行等功能。相機管理模塊則負責顯示相機列表、維護相機參數(shù)和查看相機狀態(tài)。對于零件定位識別，輸入套料圖解析結果，根據零件信息配置端拾器數(shù)據、抓取數(shù)據和放置數(shù)據，輸出零件的磁吸點配置、抓取點坐標和抓取旋轉角度。對于托盤定位，輸入托盤分揀位置數(shù)據和托盤尺寸數(shù)據，控制相機到指定位置拍照，并對拍照圖像中的托盤標識進行定位識別，輸出托盤的實際位置坐標和旋轉角度值。

2.1.2 系統(tǒng)硬件設計

系統(tǒng)的主要硬件設備包括一套配備i7處理器、第八代處理器、16 GB內存和500 GB固態(tài)硬盤的視覺系統(tǒng)電腦，一臺硬盤錄像機（4×6 TB定制盤），三臺攝像頭，兩套的3D相機，以及一臺西門子PLC（如表1所示）。桁架工作范圍設置了3個攝像頭，以確保覆蓋了整個分揀區(qū)域以及人員進出通道。這些攝像頭的安裝保證了360°無死角的監(jiān)控，使操作人員可以實時觀察設備的運行狀態(tài)。

2.1.3 系統(tǒng)軟件設計

視覺系統(tǒng)采用了C/S架構，使用C語言進行開發(fā)，并通過TCP/IP協(xié)議與3D相機進行連接通信。C/S結構指的是客戶端/服務器端的交互結構，其中服務器端分為數(shù)據庫服務器和Socket服務器，分別負責數(shù)據的存取和建立Socket雙向通信通道。另外，C/S結構的客戶端軟件需要適配不同的操作系統(tǒng)，每個客戶機都需要安裝客戶端軟件，這增加了開發(fā)難度并且不利于程序的升級和維護，然而，C/S結構的程序也有其優(yōu)點，包括結構簡單、響應速度快、支持分布式和并發(fā)環(huán)境等，這種架構可以有效地提高資源的利用率[12]。

通過C語言編寫圖像處理算法，包括圖像增強、濾波、邊緣檢測和圖像去噪等功能。使用Socket庫可以建立TCP/IP連接，首先創(chuàng)建一個Socket對象，然后通過connect函數(shù)連接到3D相機的IP地址和端口。連接成功后，可以使用send函數(shù)發(fā)送數(shù)據到3D相機，并使用recv函數(shù)接收來自相機的數(shù)據。接收到相機數(shù)據后，可以對其進行解析和處理，提取出所需的信息或圖像數(shù)據。

在本項目中，視覺系統(tǒng)采用了“1拖2”的方案，即每套分揀桁架（包括2個桁架Z軸）安裝1套3D視覺軟件。每個桁架Z軸在拍照高度為1 500 mm的位置安裝了1臺3D相機。這些3D相機可以隨著桁架Z軸的運動進行調整和移動。

2.2 系統(tǒng)交互

2.2.1 桁架與視覺識別系統(tǒng)的交互

桁架上安裝有視覺系統(tǒng)，以引導桁架運動。在確認托盤類型及托盤所在的分揀位置后系統(tǒng)將對托盤進行視覺定位操作，系統(tǒng)對托盤完成定位后下發(fā)托盤就位給分揀系統(tǒng)，這樣分揀系統(tǒng)就確定零件碼放的坐標信息了。

在鋼板托盤和零件托盤定位中，當鋼板托盤或者零件托盤就位后，桁架接受中控系統(tǒng)指令，攜帶工業(yè)相機到托盤左上角進行拍照。視覺系統(tǒng)根據拍攝的照片分析計算出托盤左上角的相對坐標，反饋給桁架。桁架根據收到的相對坐標計算出托盤絕對坐標并反饋給中控系統(tǒng)。

在零件分揀碼盤中，當桁架空閑時，發(fā)送任務請求給視覺系統(tǒng)，視覺系統(tǒng)收到任務請求后發(fā)送一個分揀碼盤任務（抓取坐標和碼放坐標）給桁架。桁架機械臂運行到指定坐標進行分揀和碼放。任務完成后再次發(fā)出任務請求信號。

2.2.2 分揀系統(tǒng)與視覺識別系統(tǒng)的交互

分揀系統(tǒng)與視覺系統(tǒng)的交互是通過共享文件的方式[13]，文件為JSON結構，使用的編碼是UTF-8。交互內容包括：分揀系統(tǒng)下發(fā)分揀零件列表給視覺系統(tǒng)；視覺系統(tǒng)請求分揀系統(tǒng)獲取分揀零件的抓取和碼放信息（包括：零件抓取坐標、磁吸點配置、端拾器旋轉角度、零件碼放坐標、碼放旋轉角度），視覺系統(tǒng)返回分揀執(zhí)行結果。通過這種方式，分揀系統(tǒng)和視覺系統(tǒng)能夠實現(xiàn)信息的交互和共享，從而協(xié)調分揀任務的執(zhí)行，如表2所示。

3 系統(tǒng)應用

在板材智能分揀裝置中，當工件到達分揀位置時，觸發(fā)就位信號，告知系統(tǒng)工件已到達。接收到就位信號后，視覺系統(tǒng)被激活，準備進行圖像采集。視覺系統(tǒng)使用3D相機對鋼板進行拍照，獲取鋼板表面的圖像信息，3D相機移動到預設的拍照位置，確保能夠覆蓋整個工件區(qū)域，采用多個相機從不同角度拍攝，以獲得全面的圖像信息。相機捕獲工件的圖像，并將其轉換為數(shù)字信號。結合多個相機的圖像數(shù)據，計算工件的空間位置，將相機坐標系中的工件位置轉換至機械手的工作坐標系。

視覺系統(tǒng)通過讀取標簽或識別二維碼獲取托盤的類型信息，區(qū)分不同類型的托盤，如平板拖車、平板托盤等。對托盤進行拍照確定托盤的精確位置，根據預設的分揀位置數(shù)據，調整相機角度和位置，確保托盤定位的準確性，實時監(jiān)測托盤的狀態(tài)，包括是否為空、是否就位等。通過圖像分析，識別托盤上的物料分布情況，避免超載或不穩(wěn)定狀態(tài)。托盤分揀位置數(shù)據主要用于定義托盤放置于分揀桁架下的位置，如圖4所示，該位置數(shù)據系統(tǒng)將作為托盤定位的基準數(shù)據。

對鋼板上的零件進行拍照，提取零件的特征，識別和分類不同的零件類型，結合3D視覺技術，系統(tǒng)能夠計算零件在空間中的精確坐標。根據零件的位置和特征，視覺系統(tǒng)生成機械手的抓取點和抓取順序，考慮零件的穩(wěn)定性和易碎性，選擇最合適的抓取策略。視覺系統(tǒng)將零件的定位信息傳輸給中控系統(tǒng)，引導機械手進行精確抓取。系統(tǒng)根據碼放策略，如零件類型、尺寸、重量等，指導機械手將零件放置到正確的托盤位置，工件分揀位置管理控制界面，如圖5所示。

中控系統(tǒng)接收視覺系統(tǒng)的數(shù)據后，生成相應的控制指令，并反饋執(zhí)行結果。視覺系統(tǒng)根據反饋進行自我調整，優(yōu)化識別和定位算法。操作人員通過用戶界面實時監(jiān)控視覺系統(tǒng)的識別過程和機械手的動作。系統(tǒng)記錄所有操作日志，便于后續(xù)分析和優(yōu)化。

4 性能評估

4.1 效率測試

通過測量不同步驟的時間來評估整個分揀過程的效率和節(jié)拍，以單張鋼板30個零件為例，分揀一張鋼板時間約為：15.1分鐘/張，如表3所示。具體節(jié)拍為：

1）鋼板托盤巡邊。視覺拍照確定鋼板位置37 s。

2）零件托盤定位。視覺拍照確定托盤位置20 s。

3）零件分揀碼垛。桁架分揀零件55秒/件。

4）桁架回零位：桁架回到初始位置22 s。

由表3可知，視覺識別技術在整個分揀過程中發(fā)揮著關鍵作用，用于鋼板和零件的定位和識別，通過優(yōu)化零件分揀碼垛的效率、改進視覺識別技術和系統(tǒng)穩(wěn)定性，可以進一步提高整個分揀過程的效率和準確性，從而降低生產成本并提高生產效率。

4.2 兼容性測試

對該系統(tǒng)進行兼容性的測試，分揀系統(tǒng)在不同操作系統(tǒng)、不同的瀏覽器、不同的設備下均表現(xiàn)出良好的兼容性。說明本文系統(tǒng)在不同環(huán)境和平臺下都表現(xiàn)出良好的兼容性，用戶不必擔心兼容性問題。這為用戶提供了更廣泛的選擇空間，并提高了系統(tǒng)的可用性和適用性。效率測試結果如表4所示。

4.3 性能測試

該系統(tǒng)經過性能測試后表現(xiàn)出良好的性能特征。系統(tǒng)在處理業(yè)務流程時，平均響應時間快速，分揀碼垛速度穩(wěn)定，能夠處理大量任務并保持較快的處理速度。系統(tǒng)同時還表現(xiàn)出良好的并發(fā)性能，在同時處理多個任務時仍能夠保持穩(wěn)定的性能表現(xiàn)。這些性能特征表明，說明該系統(tǒng)能夠在業(yè)務負載下保持良好的性能，滿足分揀過程中對快速、穩(wěn)定處理的需求。性能測試結果如表5所示。

5 結 論

提出了一種應用于板材智能分揀系統(tǒng)的視覺識別技術，通過拍照管理、流程管理、相機管理等功能模塊，系統(tǒng)實現(xiàn)了圖像采集、檢測和識別定位的功能。該系統(tǒng)能夠與分揀系統(tǒng)和桁架PLC進行系統(tǒng)交互，并對托盤進行定位以及對零件進行識別。通過智能化分揀，這一技術方案有望提高20%的生產效率、降低30%人力成本，并提高30%分揀準確性。因此，這項技術可為海洋工程智能生產以及智能化分揀帶來顯著的經濟效益和競爭優(yōu)勢。

參考文獻：

[1] 趙嵐，唐國寅，溫秀蘭，等.基于3D視覺的機器人分揀實驗系統(tǒng)研究與設計 [J].南京信息工程大學學報：自然科學版，2023，15（5）：604-611.

[2] 劉振宇，李中生，趙雪，等.基于機器視覺的工業(yè)機器人分揀技術研究 [J].制造業(yè)自動化，2013，35（17）：25-30.

[3] 包光旋，黃家才，李耀，等.基于視覺的并聯(lián)機器人智能分揀系統(tǒng)設計與實現(xiàn)[J].南京工程學院學報：自然科學版，2021，19（1）：7-11.

[4] 徐益國.基于工業(yè)流程的視覺分揀系統(tǒng)研究與設計 [D].西安：長安大學，2019.

[5] 蔣書賢.基于機器視覺的工業(yè)機器人分揀系統(tǒng)研究 [D].成都：西南交通大學，2015.

[6] 朱穎，黎偉健，郭國輝，等.單目視覺智能分揀搬運機器人的設計 [J].國外電子測量技術，2020，39（10）：138-142.

[7] 徐青青.基于機器視覺的工業(yè)機器人智能分揀系統(tǒng)設計 [J].儀表技術與傳感器，2019（8）：92-95+100.

[8] 何澤強.基于機器視覺的工業(yè)機器人分揀系統(tǒng)設計 [D].哈爾濱：哈爾濱工業(yè)大學，2016.

[9] 吳魯紀，秦佳音，李安虎，等.機器視覺識別技術在機械傳動領域的發(fā)展與應用 [J].機械傳動，2022，46（7）：167-176.

[10] 伍麟，郝鴻宇，宋友.基于計算機視覺的工業(yè)金屬表面缺陷檢測綜述 [J].自動化學報，2024，50（7）：1261-1283.

[11] WANG Y. Leveraging and Refining Image Recognition Technology for Intelligent Logistics Sorting Systems [J].Traitement du Signal，2023，40（3）：1235-1242.

[12] 張炳星，高軍偉.基于機器視覺的金屬工件智能分揀系統(tǒng)設計 [J].工具技術，2023，57（3）：140-144.

[13] SIRIWEERA A，NARUSE A. QoS-Aware Federated Crosschain-Based Model-Driven Reference Architecture for IIoT Sensor Networks in Distributed Manufacturing [J].IEEE Sensors Journal，2023，23（23）：29630-29644.

作者簡介：張則青（1982—），男，漢族，山東青島人，高級工程師，碩士，研究方向：海洋鋼結構、智能制造；通信作者：邱永峰（1985—），男，漢族，湖南婁底人，高級工程師，博士，研究方向：工業(yè)大數(shù)據、控制系統(tǒng)、智能制造。

收稿日期：2024-06-06

基金項目：湖南省高新技術產業(yè)科技創(chuàng)新引領計劃（2021GK4008）；工信部2023年度智能制造系統(tǒng)解決方案揭榜掛帥項目；湖南省教育廳科學研究項目重點項目（21A0356）