基于机器视觉的工业机器人智能分拣系统设计研究论文

　　本文以工业机器人智能分拣系统为核心，在自动化程度不断提高的背景下，将自动制造和机器视觉技术结合起来，提高其实际应用效果。在对基于机器视觉的工业机器人分选系统性能和功能的分析中，采用机械手段取代手工分选，确定相应的性能指标，能够提高机器人的分类能力。

　　一、视觉分拣系统构建

　　可视化分类系统利用工业相机对图像进行实时采集，以微秒级的时间来进行相应定位，通过对自动分类系统的定位和参数设置的全面数据化控制，有效改善以机器视觉为基础的机器人分类系统的实际使用情况。智能分类是基于计算机的可视化技术，其利用计算机的可视化特征进行分类加工和管理。视觉分拣系统在对目标进行划分时，会对提取的目标进行特征描述，并利用具有一定特征的鉴别手段进行分类[1]。目前，在已有的研究成果中，视觉分拣系统主要采用模糊识别、神经网络分类等方法进行识别和处理工作。在建立可视化分选系统时，由于技术上的局限性，系统获取的影像难免会有噪声。因此，通常情况下，从摄像机获取的原始影像并不能用于实际操作，系统必须针对噪点、畸变和色差等因素进行全面预处理，以减少干扰，提高图像的可认性，便于后期的处理。在进行识别和分析时，视觉分拣系统可以采用二值化、失真补偿和色差补偿，通过对图像进行几何边界的预处理，有效提高其分辨率和准确率。

　　二、工业机器人系统设计

　　(一)IRB1410机器人系统

　　ABB的IRB1410机器人系统主要包括IRB1410机器人本体、机器人控制器、机器人示教器、机器人连接电缆。该机器人具有简单、精确、灵活、快速等特点。该机器人系统的性能优势包括以下方面。第一，一体化的能量供给系统节约了工作空间，能在有限的场地中进行有效的工作。第二，微型机械手的马达、减速装置不需要更换润滑油，维修方便。第三，IRB1410腕部载荷5公斤，上臂具有独特的18千克额外负载，可以承载不同的加工设备，而其优秀的控制力和精确的跟踪能保证高品质工作[2]。第四，系统具有操作安全监控、工业机器人轨迹控制、信号逻辑运算和运算小型机器人控制箱。该系统具有流程化的运行轨迹、过程监测等功能，可以作为中心运算与逻辑控制的核心。第五，可扩展的系统板卡结构使IRC5控制箱能实现对外轴的运动，并实现对工业机器人的运动轨迹的控制。第六，ABB公司研发的IRB1410工业机械手具有结构紧凑、工作寿命较长等特点。此外，它还具有工作振动噪声低，无需经常更换润滑油，维修简单等优点。IRB1410的覆盖范围极广，臂展也较长，且手腕的结构相对紧凑，因此即便遇到障碍，或者在移动受到限制的情况下，也能保持足够的灵活性。


　　(二)西门子可编程逻辑控制器S7-300

　　S7-300是一种基本的可编程控制器，由德国西门子制造。该可编程控制器采用模块式结构，具有较好的扩展性。控制器采用西门子的总线技术，可以在现场进行分布式应用。该控制器由于具有较高的性价比、较强的抗干扰能力、良好的耐冲击、耐振动等特性，广泛用于工业自动控制领域[3]。该系统主要利用S7-300实现对机器人工作站外部件的统一控制。由西门子G120XA变频调速装置组成的外部传感器和输送皮带式交流电动机能实现对物体的探测和辨识。

　　三、机器人控制程序的模块设计

　　(一)主程序模块

　　本文介绍了一种以智能机器人为核心的智能分类系统，它是以RAPID为核心的智能机器人自动识别系统。该系统的主编程部分是按照控制和操作过程的特征性，对各个子模块的数据和操作功能进行合并。由于该功能不包括特定的操作功能和操作参数，因此它的主功能模块的设计由以机器视觉为基础的机器人分类控制。

　　(二)运动控制模块

　　该模块主要具有两种不同的轨迹控制功能。其中，为实现基于机器视觉的智能分类，目的点数据并不只是TCP要求的一种类型数据，而必须包括其他的附加信息，如安全取放距离、目标形状、目标分类状况等。MovingSavely是机器人刀具中心点在各个转换点之间运动的轨迹函数[4]。机器人终端操纵器中间点的TCP在不同作业区之间的移动，必须要有一个特殊的转换点，如此，才能保证在一定范围内机器人的移动路线的安全，防止碰撞。

　　(三)数据通信模块

　　数据通信部分与欧姆龙公司的FH-550L的TCP/IP接口进行接口通信。套接字通信又被称为Socket通信，它是一个对TCP/IP网中各个主机执行的应用软件进行数据交换的一个集合。可以说，在TCP/IP网中，Socket终端的一个应用程序可以通过TCP/IP协议实现应用级的数据交换。工业机器人控制器IRC5发出的插口文字的作用是对工业摄像机进行场景选择、标签选择、拍摄参数设置和拍摄。而从工业计算机上返回的插槽字可以对图像进行反馈处理，包括对象的几何类型、对象的几何中心和位置的补偿。
　
　　(四)智能分拣模块

　　该系统的智能分类系统的功能是收集对象的相关数据，将其上传至数据库中的SQL进行数据比较，再将其生成的数据进行保存，并基于资料的类别确定下一个包装的位置。为此，本设计主要使用一个套接词来实现SQL数据库的检索，并对其进行存储与使用。该设备采用欧姆龙系列的工业摄像机及相应的工控机，并采用欧姆龙公司的FZ-PanDA进行可视化的图像加工。经过参数的调整，工作人员可以用欧姆龙SC2M系列摄像机读出条形码上的数据[5]。因为快递包装上的文件条形码通常含有快递单编号，所以这些资料无法直接应用到快递公司的仓库中，而必须经过一个统一的资料库。该方法先利用SQL指令与单号进行比对，以查询包裹的目标信息，然后利用工业自动化设备对包裹进行分类，并将其送入下一步的智能化仓库中。


　　(五)柔性工具控制模块

　　该模组的主要内容包括吸盘式终端刀具的抽吸和松开控制模块、挠性钳形端头刀具的抓取模块。其中，吸盘式终端刀具的吸收运算功能rx1，其输入参数为package，data变量为y1。数字输出信号是卡头刀具的负压管的电磁阀，当此信号为开通状态时，卡头刀具的负压压力打开，从而能够吸取目标对象；当此信号为关闭状态时，抽头刀具上的负压会被关掉，从而使目标对象被松开。DI(DI)vacsen_1为压力计的阀位判定讯号，该讯号为吸杯负气体压力管道，如果确定了临界点，则可以视为吸盘刀具吸收了该对象；如果临界值是错误的，则可以视为该吸盘刀具未吸收到该对象；如果阈值判断不正确，有较大可能是压力不够，或者是位置不对。该轨道功能中的轨道指令还包括位置偏差，即利用计算机视觉系统的反馈，对被测对象进行精确跟踪。

　　四、系统机器视觉功能及算法设计

　　(一)相机标定方法设计

　　在上述设计的基础上，本文对摄像机的性能进行了优化和改进，并对其进行选择和分析。在实现对图像的智能化识别的控制和优化时，相关人员必须从行业镜头的视角进行取舍，因此，其在硬体上选用固定的聚焦镜头，最后选用欧姆龙FZ-SC2M工业摄像机与欧姆龙FH系列工业电脑L550进行操作，使用的方式为快门模式，快门速度为1/10秒—1/50000秒，使用约8.5mm(1/3英寸)的CCD摄像单元，具有200万像素。为了使摄像机的成像和信号仿真得以实施，技术人员必须对摄像机的控制系统进行最优化设计，以使其具有良好的固定效果。

　　(二)图像预处理算法设计

　　在进行目标辨识之前，工业机器人必须对获取的影像进行流程化的预处理及噪声的最佳化设计，以提高后续影像辨识的正确性辨识效能。首先，系统采用欧姆隆公司的FZ-PanDA技术，对基于FZ-PanDA的工业摄像机进行了二值处理，以克服目标对象的色彩不均问题，并去除本底色彩。其次，系统对二值化后的图像中的孤立噪声进行检测，并利用边缘象限值判定技术对噪声进行有效的控制。在此基础上，系统对二值图像进行标记，并提取所述多个对象的区域重心、边缘周长和几何圆角等参数，然后，输出得到的特征值，从而得到相应的特征矩阵[6]。在目标辨识过程中，工业机器人会通过特征矩阵、模板特征矩阵等因素进行对比和分析，当判定结果达到要求时，再进行相应的处理。

　　(三)视觉追踪功能算法设计

　　由于工业机器人采用了一种传输式的方法进行数据的传递和加工，因此，相对应的可采用一种基于运动对象的跟踪方法，改进与优化可视跟踪功能。工业机器人利用摄像机校准法，可以实现对对象的定位和分类，从而实现对多个目标的跟踪和控制。另外，通过对目标的跟踪和追踪，机器人可以实现对目标运动的跟踪和追踪。在进行预算估算和预算分析时，系统必须对预算状态、运行状态等进行全面的检查和分析，从而达到对机械可视化的追踪和监控[7]。在运动建模中，视觉追踪会利用恒定的线性运动方程来控制目标的运动状态和运动方式，以提高运动的控制效能。驱动皮带跟踪要求相机连续拍摄多个物体，并在获取运动物体的过程中去除重复的物体识别。

　　五、系统实验

　　综上所述，优化和完善基于机器视觉的工业机器人分拣系统，必须考虑其分类控制、图像识别等功能的有效性。因此，本文采用系统的设计方法、试验仿真方法进行验证。本文在分析操作环境、机器视觉技术、分拣技术的应用时，采用A/D转换、图像处理、目标定位技术，通过抓取等方法的操作，在PC机上设计、优化、调整视觉加工程序后，将其应用于工业电脑的嵌入式视窗系统，并通过Halcon的视觉处理平台，实现工业摄像机与工业机器人的手眼校准，然后通过欧姆龙FZ-PanDA视觉软件来实现图像的获取与显示。

　　ABB的工业机器人IRB1410的控制系统，采用ABB公司开发的NET系统，其通过对实际的工业自动化系统进行实时监控，在对工业机器人进行图像获取和处理时，采用图像辨识与跟踪方法，并结合基于工业机械手的抓持坐标与位姿的补偿运算，进一步提升工业机械手的整体跟踪能力，以实现对包裹的自动化分拣目的。

　　六、结论

　　改进和优化基于机器视觉的机器人分拣体系，必须从目标识别单元、分类控制等几个角度进行。在对目标辨识模型的具体应用进行分析时，必须从机器视觉、机械臂运动学与分类目标捕捉等方面入手，在目标辨识和目标分析的基础上，运用目标辨识技术来改善其实际工作能力，通过对目标识别和分类精度的全面监控，提高工业自动化分拣系统的使用效率。

　　【参考文献】

　　[1]李蓉.基于机器视觉的工业机器人分拣技术研究[J].内燃机与配件，2021(17).

　　[2]戴福全，刘路杰.基于视觉引导的机器人抓取分类系统设计[J].福建工程学院学报，2020(6).

　　[3]赵伟博.基于机器视觉的机器人协同装配工作站设计[J].组合机床与自动化加工技术，2020(6).

　　[4]刘黎明，王雪斌.基于机器视觉的工业机器人自动分拣系统设计[J].自动化应用，2022(1).

　　[5]全鸿伟，邓岐杏，陆尚平，等.基于机器视觉的机器人自动化生产线分拣系统设计与应用[J].大众科技，2021(11).

　　[6]丁金林，韩仲洋，薄岑.基于工业机器人和机器视觉的智能柔性工作站执行和检测系统的设计[J].科学技术创新，2021(36).

　　[7]孙永芳，张刚.基于工业机器人的可回收垃圾视觉分拣系统设计[J].光源与照明，2021(8).


文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/48018.html