楊賽 張鵬博

摘 要：機(jī)器視覺在近幾年發(fā)展非常迅速，并滲透于各個(gè)行業(yè)中，極大地提高了工作效率。本文對(duì)機(jī)器視覺的整體結(jié)構(gòu)布局進(jìn)行了介紹，詳細(xì)介紹了圖像識(shí)別部分軟、硬件設(shè)備和相關(guān)算法，介紹了該技術(shù)在零件分揀領(lǐng)域的應(yīng)用，并對(duì)機(jī)器視覺技術(shù)今后發(fā)展做出展望。

關(guān)鍵詞：機(jī)器視覺;圖像處理;視覺分揀;圖像預(yù)處理

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）34-0031-03

Overview of Sorting Technology Research Based on Machine Vision

YANG Sai ZHANG Pengbo

（School of Mechanical， North China University of Water Resources and Electric Power，Zhengzhou Henan 450045）

Abstract： Machine vision has developed very rapidly in recent years， and has penetrated into various industries， greatly improving work efficiency. This paper introduced the overall structure layout of machine vision， introduced some software and hardware equipment of image recognition and related algorithms in detail， and introduced the application of this technology in the field of part sorting. The future development of machine vision technology was prospected.

Keywords： machine vision;the image processing;visual sorting;image preprocessing

機(jī)器視覺在最近20年里發(fā)展非常迅速。2017—2020年，在中國制造2025的推動(dòng)下，中國機(jī)器視覺市場增速預(yù)計(jì)將保持在20%左右[1]。特別是隨著相機(jī)、半導(dǎo)體及大規(guī)模集成電路的發(fā)展，機(jī)器視覺被廣泛應(yīng)用于機(jī)械加工、醫(yī)學(xué)、計(jì)算機(jī)、農(nóng)業(yè)等領(lǐng)域。

1 視覺圖像處理結(jié)構(gòu)

1.1 整體結(jié)構(gòu)

對(duì)于一個(gè)典型的機(jī)器視覺分揀系統(tǒng)，其整體結(jié)構(gòu)可以劃分為圖像采集模塊、圖像處理模塊、機(jī)械結(jié)構(gòu)模塊、系統(tǒng)控制模塊、人機(jī)交互（可視化）模塊。當(dāng)被測目標(biāo)通過機(jī)械結(jié)構(gòu)（如傳送帶）輸送到工業(yè)相機(jī)的檢測范圍時(shí)，被測目標(biāo)會(huì)被光源照亮，工業(yè)相機(jī)進(jìn)行拍照[2]。拍完的圖像傳遞到圖像處理模塊進(jìn)行處理，然后系統(tǒng)控制模塊根據(jù)處理后的圖片信息對(duì)被測目標(biāo)進(jìn)行分揀分類，并將結(jié)果顯示在人機(jī)交互界面上，所有的處理過程都是在PC機(jī)控制下完成的。典型的機(jī)器視覺分揀系統(tǒng)整體結(jié)構(gòu)如圖1所示。

1.2 子系統(tǒng)

本文主要對(duì)典型的機(jī)器視覺分揀系統(tǒng)圖像采集模塊和圖像處理模塊進(jìn)行詳細(xì)分析。

1.2.1 圖像采集模塊

1.2.1.1 光照源。目前，市面上的光照源主要可分為鹵素?zé)?、熒光燈、LED燈三種，選擇一種合適的光源能極大減少后續(xù)對(duì)圖像的處理工作，并且能提高系統(tǒng)的準(zhǔn)確度。表1對(duì)這幾種光源進(jìn)行了比較。

1.2.1.2 工業(yè)相機(jī)。工業(yè)相機(jī)猶如人的眼睛，采集到的數(shù)據(jù)信號(hào)發(fā)送給圖像采集卡。常用的工業(yè)相機(jī)有CCD（見圖2）和CMOS相機(jī)（見圖3），二者的區(qū)別是采用不同的感光芯片。CCD相機(jī)有線陣式和面陣式兩種，其成像質(zhì)量較高，但因工藝復(fù)雜，導(dǎo)致成本較高。CMOS相機(jī)色彩還原能力弱，成像質(zhì)量差，但耗電低，價(jià)格相對(duì)CCD便宜。

1.2.1.3 光學(xué)鏡頭。鏡頭通過光學(xué)成像，決定著成像質(zhì)量的好壞，鏡頭要與選取的相機(jī)相匹配。在選取鏡頭時(shí)，要著重考慮其分辨率、焦距、視野角度。

1.2.2 圖像處理模塊

1.2.2.1 機(jī)器視覺編程語言及開發(fā)軟件。大多數(shù)編程語言如C++、C#、python、Visual basic等適用。主流的機(jī)器視覺圖像處理軟件包括MATLAB的圖像處理工具箱（Image Processing Toolbox）、OpenCV、LabVIEW、HALCON等。

1.2.2.2 圖像預(yù)處理操作。圖像預(yù)處理操作包括以下內(nèi)容。

圖像增強(qiáng)處理：將圖像進(jìn)行均衡化處理，以使圖像灰度分布均衡，縮小圖像灰度差異。

圖像濾波處理：受外界因素干擾，采集到的圖像會(huì)產(chǎn)生圖像噪聲，如椒鹽噪聲，可通過濾波處理消除噪聲。田曉東、張曉峰、孔侃等的研究中給出了中值濾波、形態(tài)學(xué)濾波、均值濾波、高斯濾波、小波變換、自適應(yīng)濾波等多種濾波處理方法[3-5]。

圖像分割處理：根據(jù)圖像某方面的相似性將其分割開，這是圖像處理的關(guān)鍵步驟。傳統(tǒng)的圖像分割方法有單閾值分割法、多閾值分割法和大津法。另外，姜楓等人還提出了基于內(nèi)容的圖像分割方法[6]。

圖像邊緣檢測：邊緣檢測也屬于圖像分割的一種，里面包含了很多算子，不同的算子原理不同，最后得出的圖像邊緣效果也不盡相同。一階微分算子有Prewitt、Sobel、Roberts等，二階微分算子有Marr、Laplacian、Canny。

2 機(jī)器視覺分揀技術(shù)的應(yīng)用

由于機(jī)器視覺分揀技術(shù)在各個(gè)領(lǐng)域內(nèi)都有獨(dú)特的優(yōu)勢，因此幾乎各個(gè)領(lǐng)域都有其身影。

Jahanbakhshi Ahmad等人選取56個(gè)規(guī)則的和79個(gè)不規(guī)則的胡蘿卜樣品進(jìn)行視覺處理，通過一系列圖像處理后，根據(jù)胡蘿卜的形狀特征成功地將胡蘿卜進(jìn)行篩選分類[7]。

由山東大學(xué)和山東農(nóng)業(yè)大學(xué)設(shè)計(jì)的一種小型的自動(dòng)識(shí)別分揀系統(tǒng)，通過小型機(jī)械手臂可以實(shí)現(xiàn)多種小物件的識(shí)別分揀，分類成功率接近98%[8]。機(jī)器視覺機(jī)械手測試平臺(tái)如圖5所示。

Keyur D. Joshi等人提出了一種支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)混合的方法，并成功設(shè)計(jì)出了一種零件分揀系統(tǒng)[9]，整體結(jié)構(gòu)如圖6所示。在傳送帶上可對(duì)硬幣、齒輪和引腳管進(jìn)行自動(dòng)識(shí)別并分揀。

Wisam T. Abbood等人設(shè)計(jì)出一種可以識(shí)別物體顏色、形狀及位置的可視化機(jī)器視覺系統(tǒng)[10]。顏色識(shí)別采用HSV（Hue、Saturation、Value）模式進(jìn)行色彩分選，該系統(tǒng)結(jié)構(gòu)見圖7。大致流程為，相機(jī)采集圖像后在PC上進(jìn)行相應(yīng)算法處理，然后Arduino微控制器根據(jù)處理信息控制機(jī)械手對(duì)物體進(jìn)行分揀。

3 結(jié)語

本文主要分析了機(jī)器視覺的整體結(jié)構(gòu)，并列舉了一些機(jī)器視覺分揀技術(shù)的例子。目前，機(jī)器視覺發(fā)展非常迅速，相應(yīng)的硬件、軟件技術(shù)日趨成熟，筆者認(rèn)為，該技術(shù)仍然存在較大的發(fā)展空間。比如，在機(jī)械行業(yè)中要進(jìn)一步提高對(duì)高精尖零件的檢測精度，大多數(shù)視覺檢測系統(tǒng)只能針對(duì)某一特征物體進(jìn)行檢測，不能對(duì)多種特征、多種物體同時(shí)進(jìn)行檢測，難以達(dá)到檢測精度高、效率高的目的。

另外，圖像處理過程中去噪和特征提取相關(guān)算法可以進(jìn)一步改善，使圖像的處理和特征提取效果更加明顯，從而提高機(jī)器視覺的識(shí)別精度。

參考文獻(xiàn)：

[1]阮晉蒙.機(jī)器視覺：讓中國制造2025“看”得更遠(yuǎn)[J].新經(jīng)濟(jì)導(dǎo)刊，2017（Z1）：80-83.

[2]傅田.基于機(jī)器視覺的帶式輸送機(jī)糾偏系統(tǒng)設(shè)計(jì)[J].煤礦機(jī)械，2020（8）：183-185.

[3]田曉東.聲吶圖像濾波方法的比較分析[J].聲學(xué)與電子工程，2007（1）：22-25，30.

[4]張曉峰.基于視覺的齒輪檢測及相機(jī)標(biāo)定方法研究[D].合肥：合肥工業(yè)大學(xué)，2018：12.

[5]孔侃.螺母機(jī)器視覺檢測與篩選系統(tǒng)研究與設(shè)計(jì)[D].贛州：江西理工大學(xué)，2013：23.

[6]姜楓，顧慶，郝慧珍，等.基于內(nèi)容的圖像分割方法綜述[J].軟件學(xué)報(bào)，2017（1）：160-183.

[7] Jahanbakhshi A，Kheiralipour K . Evaluation of image processing technique and discriminant analysis methods in postharvest processing of carrot fruit[J]. Food ence & Nutrition，2020（3）：1-7.

[8] Zhou K ， Meng Z ， He M ， et al. Design and Test of a Sorting Device Based on Machine Vision[J]. IEEE Access， 2020（99）：1.

[9]Joshi， K.D.， Chauhan， V. & Surgenor， B. A flexible machine vision system for small part inspection based on a hybrid SVM/ANN approach[J]. Journal of Intelligent Manufacturing，2020（1）：103-125.

[10] Abbood W T ， Abdullah O I ， Khalid E A . A real-time automated sorting of robotic vision system based on the interactive design approach[J]. International Journal on Interactive Design and Manufacturing，2020（3）：201-209.