基于视觉的物体分拣系统的设计

金庚+许婧怡+刘祎凡+李文钰+高宇航+郭阳宽

摘要：利用机器视觉，使用相机采集物体图像信息，经计算机图像处理提取采集物体特征信息，根据不同特征信息由PLC控制分拣机实现物体自动识别分拣。试验表明，此系统识别度高，识别速率快。

关键词：机器视觉；图像处理；特征提取；PLC控制技术

中图分类号：TP27 文献标识码：A 文章编号：1007-9416（2017）11-0177-01

机器视觉在制造业、服务业、军事领域等都有广泛的运用。物体分拣技术是工业生产和物流运输领域至关重要的一项技术，分拣效率和精准性影响到整个生产链的完整性与时效性。传统分拣系统技术受工业环境约束大，不具备灵活性与适应性，分拣的精准性上也存在一定缺陷。本文基于视觉识别技术的物体分拣系统，有较好的灵活性和较高的精准性。

1 系统识别原理

系统采用基于灰度图像的边缘检测与特征提取原理。在图像灰度的二值化显示中，图像的边缘存在于图像的色域边界（灰度不连续点），也是图像信息的跳变点，这些点的集合即为图像的边缘轮廓，用一阶微分算子实现对图像边缘检测，图像边缘与信号噪音都属于灰度不连续，边缘检测需要噪音抑制，在微分算子做边缘处理前需对图像进行平滑去噪，Canny算子（1）是高斯函数的一阶微分，可以很好的实现抑噪的同时完成边缘检测。

2 系统设计

2.1 机器视觉系统设计

系统组成如图1。硬件由工业相机、镜头、机架等实现视场30mm×30mm。软件模块实现对图像信息的处理识别，采用Canny边缘检测技术和图像分割技术对图像的边缘检测，用数据分类器对检测结果分类，实现对采集目标的特征提取和识别分类。

2.2 分拣系统设计

系统如图2，PLC与计算机实现分拣系统的过程控制，材料分拣装置完成对目标物识别分类信息的响应。使用PLC通信协议与函工具包完成PLC与上位机的端口对接，PLC控制程序由上位机输入。材料分拣装置由传送带、气阀、传感器等构成。PLC根据视觉识别分类信号控制转动带运输目標物，控制不同的气阀将不同的目标物推入分拣滑轨，实现分拣。

2.3 系统整体设计

系统由视觉识别系统与分拣系统构成，如图3，实现目标物的采集、识别、分类、分拣过程控制。首先由下料器将预设的目标物放置到分拣机传送带上，当目标物经过CCD工业相机时，相机采集图像信号并输入至计算机，由计算机软件实现图像处理与识别分类，处理后的分类信息输入至PLC实现过程控制，当传感器识别到预设的不同特征目标物传送到相应位置的气阀时，控制气阀将目标物推入其相应的滑轨，完成目标物的分拣过程。

3 实验结果

采集目标图像及完成边缘检测与特征提取如图4、图5，对预设的物体外形特征信息可以准确及时地分类。

分拣系统PLC控制程序运行稳定，上机位信号传输无延迟，PLC逻辑控制稳定，材料被控分拣装置运行稳定，传感器气阀等元件运行稳定，不存在漏运行问题。分拣系统可以完整地实现采集处理分拣的整体过程控制功能。

4 结语

实验表明，在稳定的光照下，机器视觉识别模块可以实现对目标物体的快速采集与识别处理，分拣系统可以对识别系统的输出信号做出分拣。与传统分拣系统比该系统适应性强、灵活性高，适合在不同环境下的工业生产、设备检测、物流运输等领域有很好的应用前景。

参考文献

[1]程俊鑫.基于灰度图像的边缘检测方法研究[D].太原：太原理工大学，2007.

[2]刘洪波，刘晓敏，郑永永，赵云伟.MATLAB在图形边界特征提取中的应用[J].机械研究与应用，2015，28（6）：65-66.

[3]时维康，王波，程启良，国海芝，李海祯.基于机器视觉的冬枣分拣设备研究[J].机电技术，2016，1：9-11.

[4]邓婉，高珏，朱培逸，徐金星，崔巍.基于机器视觉的水果的自动分级系统的设计[J].农产品加工·学刊，2012，10：154-156.

[5]尹一鸣.基于LABVIEW与PLC的过程控制系统的设计[J].仪表技术与传感器，2010，3：30-40.

[6]丁伟雄，MATELABR2015a数字图像处理[M].北京清华大学学研大厦，2016.

Abstract：On object recognition of the basic principle in machine vision， objects image information acquisition from CCD camera transported to computer to process and the features of objects extracted.According to different object feature information， PLC controlled sorting machine to finish object sorting. Experiments showed the system has high recognition rate and fast recognition speed.

Key Words：machine vision， image processing， feature extraction， PLC control technologyendprint