基于机器视觉的工件自动分拣系统研究

梁涵

摘 要：对工件识别过程中，对于机器视觉技术的应用进行了一定的分析，并且简要地介绍了主要图像处理算法。在此基础寻求有效方法，对自动分拣系统决策方面提供一定的支持。

关键词：机器视觉;图像处理;模式识别;工件

中图分类号：TP391.41文献标识码：A

doi：10.14031/j.cnki.njwx.2019.02.008

1 基于机器视觉的工件自动识别算法

一般情况下，可以将工件识别算法具体分成待测物识别与机器视觉两个部分，前者主要是通过CCD成像之后与标准模板进行对比，该成像图可以在计算机的内存之中进行暂时存放。而后者属于通过标准模板CCD呈现来对待分拣物的模板进行构建，并且随后将其在计算机硬盘之中进行存储。在对零件是否为同类进行判断的过程中，可以根据相似度来进行判断，如果是同类零件，可以将其分拣到指定的通道之中;如果不是同类零件，则需要继续进行循环的判断。

整个检测过程可以按照下面的流程进行：CCD→ 构建待分拣物品模板→ 存储。

2 关键算法

2.1 图像预处理

在对图像进行预处理的过程中，主要目的是对图像数据之中的信噪比进行提高，并且抑制背景噪声，使图像后续处理过程中的压力得到减轻。成像零件识别过程中会由于图像噪声而带来误差，本次研究之中图像去噪方法所应用的是加权平均滤波法。

通过对加权平均滤波算法进行利用，能够使图像边缘细节得到保留，由于该算法的重点是选择领域的形状、大小以及方向，在加权平均滤波算法之中，我们将处在领域中心位置，待处理的像素点称之为中心像素点，对权值进行选取过程中的原则主要是：

（1）对于中心像素点需要赋予比较大的权值，而其他像素点的权值相对比较小。

（2）依照与中心像素点的具体距离来对权值加以确定，如果是较近距离的像素点，则需要赋予比较大的权值，而如果是距离比较远的像素点，则需要赋予一个较小的权值。

（3）依照与中心像素点灰度值的接近程度，来对权值进行确定，如果灰度值与像素点越接近，便赋予比较大的权值，如果较远，则需要赋予较小的权值。

2.2 目标物位姿检测

因为待测物体偏转角度、成像位置与模板物会有一定的偏差，基于这种情况就必须将这个位姿偏差检测出来。随后再通过对仿射变换进行应用，来使这两个图像都处在一个相同的坐标之中，在这种情况下对两个图像进行比较。本文所提到的是一种以机械零件图像边缘轮廓形心和最小外接矩形图像配准方法作为基础和前提。该方法主要是通过对图像边缘轮廓的形心为之进行确定，以及对于坐标轴与最小外接矩形特殊边之间的夹角进行确定，来将图像的仿射变换参数得出来，这样能够使机械零件图像的配准工作得到完成。

2.3 图像仿射变换与相似度判断

由于工件放置的过程中具有一定的偏差，由此就会造成数据库之中的标准零件形心坐标与待测零件的形心坐标不可能一致，基于这种情况就需要通过图像位姿的旋转、变换以及评议来使两个图像能够重合。经过仿射变换之后的零件会与标准末班零件应用图像像素相减和求和之后来进行比较，并且应用相似的面积与末班零件的最大面积之比来将其作为相似度。如果相似度比某个阈值大的话，我们便可以认为这个待测的零件和模板的零件属于一个同类的零件;如果相反，则可以认为二者不属于相同类型的零件。

2.4 算法验证

首先需要针对待测物做加权平均滤波进行计算，随后应用这一算法来对零件的形心与旋转角度做出检测，检测得到的结果为，模板A、B、C、D对应的角度为-86.86°、-56.84°、-1.16°、-51.56°。

通过上述的检测数据可以对两个零件旋转角度与位置偏差进行计算，分别对仿射变换进行利用，来与标准模板做出对比，随后可以得出数据：零件A、B与模板a比较值分别为0.94、0.23，与模板b的比较值分别为0.26、0.96。

3 工件分拣运动的实现

通过图像处理算法求取出来的工件形心位置，能夠为机械手抓取提供一个坐标点，上位机可以将经过处理之后得出的坐标点作为控制参数，来发出运动控制卡。在运动控制卡之中，会提前在编写出来的底层控制程序之中，赋上包含接收位置参数的变量，随后在参数被变量接收到之后，会发出驱动脉冲来对伺服电机进行控制。由此便能够使Z轴在工件上方位置得到精准的定位，并且在之后通过控制Z轴下降和由气动夹爪对工件进行抓取，来使目标抓取功能得以实现。

4 结束语

基于机器视觉的工件自动分拣系统，是一个较为开放的平台，后续对多种用途系统的开发，属于一种较为有益的尝试，可以进一步将其应用在零件尺寸较为复杂和形状误差的检测过程之中。

参考文献：

[1] 杜恩明，张仁朝.基于机器视觉的自动分拣码放系统研究[J].包装工程，2018，39（15）：194-198.

[2] 肖仁，吴定会，欧阳洪才.基于机器视觉的自动分拣系统设计研究综述[J].智慧工厂，2017（09）：43-48.