基于智能展示线二维码识别系统的研究与设计

田 禛，王明睿，刘振国，郭 瑞，吕开旺

（北京机械工业自动化研究所，北京 100120）

0 引言

二维码内可以储存大量的信息，比如产品的说明、产品的生产日期和产地等等，而且二维码的译码可靠性很强加上其读取速度快，这三个突出的优点使二维码广泛应用在各行各业。我们如果能精确的识别出二维码内存储的信息，那么就会对我们下一步要进行的产品的数据采集、产品的分类及存储等工作提供很大的便利。

1 面向智能展示线工作流程介绍

本智能展示线实现的工作是一套笔筒的制作流程，完成从任务订单下发后机器人自动插取物料、相机拍照识别物料是否准确、笔筒圆管的激光打码、笔筒的压装及包装等一系列工艺，具体流程如下。

首先，由Mes下达指令，在自动模式下有三个指令，分别为：生产种类、生产任务、启动，上位机拆解任务逐条下发。上位给机器人发送出库指令，机器人抓取笔筒的托盘至第一工位工作台缓存区，PLC呼叫AGV，然后机器人移至拍照点拍照，得出偏移量，上位读取后下达机器人从缓存区的出库指令，机器人执行出库指令，出库完成后移至第二工位，然后上位给机器人下达拍照指令，相机对笔筒的圆筒、方管和底板进行拍照识别，拍摄物料上的编码来进行识别圆筒的直径，方管长度、宽度，把取出的数据和上位的数据进行判断，若合格，则驱动机器人进行激光打码，打码完成后移至第三工位，机器人把物料送至压装位进行压装，压装通过PLC控制气缸来进行，压装完成后物料由机器人送至AGV移至下一工位。在此工位进行物料包装，包装完成后，机器人给上位完成信号，AGV取出成品入库。工作流程如图1所示。

图1 展示线工作流程图

该系统采用模块化设计，通过信息数据进行逻辑串联、信息绑定及数据追踪等方法进行智能化生产，本文着重于写由相机进行拍照扫码进行物料的判断及防呆的设计。

2 提取目标物的物理信息

本展示线相机采用的型号是海康MV-CE120-10GM，因为其平稳度高，在任何情况下运行图像都不会有抖动动的情况出现，在光照的情况下运动不会出现拖影的情况，支持手动调节光圈大小及焦距等，相机拍摄工位示意图如图2所示。

图2 相机拍摄示意图

首先使用机器人把相机移动至合适的拍照位置，使其对笔筒的托盘、底板、圆筒和方管进行拍照，把提取出来的特征信息保存在数据库中，然后扫描二维码和数据库比对，判断出是否是准确的物料。拍照如图3～图8所示。

调节相机拍照获得的物料特征合适的最小匹配分数（0.5～0.9之间），使其可以实现快速的特征匹配。如图3、图7、图8所示用来判断笔筒托盘的有无和正反，如图4、图5、图6所示，是底板、圆筒和方管的特征识别及物料尺寸测量。

图3

图4

图5

图6

图7

图8

2.1 二维码的扫描及识别

笔筒物理特征提取完成之后，接下来通过扫描二维码对物料进行判断识别，相机扫描二维码流程图如图9所示。

图9 相机拍摄二维码的流程图

拍摄二维码如图10～12所示。

图10

3 二维码图像处理

因为扫描的二维码图像比较模糊，所以需要对其进行图像处理使其变得更加清晰，清晰的图像才能保证识别的准确度，处理流程如图13所示。

图13 二维码的处理流程图

3.1 图像的灰度处理

本文展示线采用工业相机对二维码图像进行拍摄，其拍摄到的是彩色图像，为了减少数据处理量对彩色图像进行灰度化处理，使其成为黑白二维码，灰度化处理公式如式(1)所示。

R、G、B是彩色图像像素的三个分量。

3.2 图像滤波降噪

中值滤波对于一些高密度噪声图像的滤波效果不太理想，因为其算法会对窗口有所限制致使滤波失效，而自适应中值滤波算法优化了这种窗口受限的问题，其可以通过设定好的窗口来判断所取的中值点是否为噪声点。本文采用自适应中值滤波算法[6]。表示自适应滤波器所选窗口的大小，步骤流程如图14所示。

图14 自适应中值滤波流程图

首先判断第一个不等式Pmed＞Pmin&Pmax＞Pmed是否成立（Pmin/max表示灰度的最小/最大值），若成立，继续判断第二个不等式Pxy＞Pmin&Pmax＞Pxy，若第一个不等式不成立，那么增大窗口尺寸（大小不能超过允许的最大值Pmax），然后返回第一个不等式进行判断（循环此步骤至满足条件），否则输出Pmed。如果两个不等式都成立则输出Pxy（图像在坐标处的像素值）；否则输出Pmed（灰度值的中值）。

3.3 图像二值化处理

二值化处理实际就是把我们不需要识别的部分色彩给弱化掉，把我们需要进行识别的部分突出出来，一般我们二值化处理之后呈现出黑白两种颜色，就是把指定图片的像素点只设置为两种，一种是0另一种是255，这样就可以把目标图和背景图有效的分开。其实就是把选定的阈值T当作是一个基准，然后把选定图片像素点的灰度值以这个基准分为两类，高于这个基准值的分为一类称其为背景图，低于这个基准值的分为一类称其为目标图。公式如下：

图11

图12

其中，g表示经过上述比较分类之后的灰度值。阈值的选取采用Ostu算法进行。

3.4 Ostu算法

Ostu算法是把使得类间方差最大（或最小）的那个值取为最佳阈值T，然后通过这个值把指定图像的像素划分为成了目标和背景。图像总的平均灰度值如式(3)所示：

类间方差如式(4)所示：

可简化如式(5)所示：

g-类间方差值、ω0-目标像素占图像比例、ω1-背景像素占图像比例、μ0-平均灰度、μ1-平均灰度值

其中g的值增大时，目标图与背景图的区分程度就越明显，那么划分错误就不容易出现。所以最佳分割阈值即为g取值最大时对应取的阈值T[6]。

3.5 图像定位处理

二维码的定位就是找到并提取出目标码的位置，这一步骤处理的结果直接关系到后期识别的准确度。定位处理涉及两个部分，一是图像的边缘检测（使用Canny算子边缘检测），二是把其检测到的边缘像素连接成封闭区域（使用Hough变换）。

Canny算子的处理步骤如下：

首先近似计算出和，这两个函数是滤波器一阶偏导数。如式(6)所示：

然后计算出图像的幅度如式(7)所示：

接着计算出图像的方向如式(8)所示：

其中当M(x，y)取最大值时方向角θ(x，y)代表了边缘的方向。

然后使用非极大值抑制算法确定出图像的边缘，接着采用双阈值法检测并连接边缘，即令非极大值阈值为ht1和th2，取th1=th20.4[6]。

Hough变换就是把原空间的图线映射到参数空间中去。原始图像中的点都在式(9)所示直线方程上。

图像的直线在参数空间的方程如式(10)所示：

由上可得，原空间中的点在参数空间中是一条线。

3.6 图像校正处理

经过上述定位后的二维码图像，一般都会出现一些旋转，所以接下来需要把图像的角度给校正回来。

我们使用Hough变换来达到这一目的，此变换是通过检测图像的边界，然后与没做任何处理的原图像的位置对比，进而得出偏移的角度，然后把图像依照偏移的角度还原回去，得到端正图像。如图15所示：

图15 图像旋转示意图

在上图中可看出坐标(x0，y0)与坐标(x1，y1)有θ1度的偏移角度，l是坐标到原点的距离也是坐标旋转的旋转半径。θ2是其旋转半径与x轴的夹角[6]。

初始图像坐标如式(11)所示：

旋转后的图像坐标如式(12)所示：

图像进行旋转或者平移恢复正规形之后会出现一定的几何失真，所以需要对图像进行修正，利用透视变换算法来实现图像的校正，即通过矩阵H，将采集点(x，y)与标准图像平面坐标(μ，ν)之间的关系表示出来，则数学表达式如式(14)所示。H如式(13)所示。

整理得式(15)。

通过求出的矩阵H就可以求出原图像坐标，通过转换得到畸变校正后的图像[6]。

校正之后二维码如图16～图18所示。

图16

图17

图18

3.7 二维码识别结果

把二维码经过处理之后，使用相机进行扫描，识别结果展示如图19～图24所示。

图19

图20

图21

图22

图23

图24

由图16～图23所示可看出方管、圆筒、地板二维码扫描匹配成功即批次及物料特征均正确，方刻二维码及圆刻二维码确认成功，图24可看出物料特征信息，所有物料匹配成功。

4 结语

本文主要是对二维码的内容进行识别判断，首先由相机进行拍照提取物料特征信息，把信息储存在数据库中，然后对二维码进行图像处理提高扫描的准确性。获得的主要结论如下：

根据智能生产线项目，设计了一套高效率、高可靠性、高安全性的二维码智能识别系统，不再使用人工识别，使生产更具智能化和柔性化，也提高了物料识别的准确性。

因为本次设计没有涉及二维码上有遮挡物时的情况，所以没有对此类情况进行分析和探究，这是后续需要深入研究的方向。