孫倩 崔曉玉 姚廣芹

摘要： 現(xiàn)代化工業(yè)生產(chǎn)是基于智能技術(shù)、信息技術(shù)，從自動識別到自動執(zhí)行，機器視覺作為智能化輔助生產(chǎn)技術(shù)之一，其重要性不言而喻。本文通過對機器視覺在智能設(shè)備裝配中識別引導(dǎo)功能進(jìn)行分析研究，通過結(jié)合實際案例方式，對識別引導(dǎo)功能進(jìn)行闡明，為下一步工作開展奠定基礎(chǔ)。

Abstract： Modern industrial production is based on intelligent technology and information technology. From automatic identification to automatic execution， machine vision is one of the intelligent auxiliary production technologies， and its importance is self-evident. This paper analyzes and studies the recognition and guidance function of machine vision in the assembly of intelligent equipment， and clarifies the recognition and guidance function by combining actual case methods to lay the foundation for the next step of work.

關(guān)鍵詞： 機器視覺;智能設(shè)備;識別引導(dǎo)

Key words： machine vision;intelligent equipment;recognition guidance

中圖分類號：P415.1+3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）18-0213-02

1? 機器視覺技術(shù)概述及應(yīng)用意義

機器視覺技術(shù)涉及計算機視覺、圖像處理、模式識別、人工智能、信號處理、機電一體化等多個領(lǐng)域，作為一門新興技術(shù)，伴隨著人工智能技術(shù)的快速發(fā)展推動新一輪產(chǎn)業(yè)革命的到來。機器視覺技術(shù)的最大優(yōu)點是與被測對象無接觸，因此，對觀測者與被觀測者都不會產(chǎn)生任何損傷，十分安全可靠，這是其它感覺方式無法比擬的，而且機器視覺可以觀察到人眼看不到的范圍，如紅外線、微波、超聲波等，并且機器視覺可以利用傳感器形成紅外線、微波、超聲波等圖像。另外，人無法長時間的觀察對象，機器視覺則無時間限制，而且具有很高的分辨精度和速度，顯示其無可比擬的優(yōu)越性。故機器視覺技術(shù)系統(tǒng)在工業(yè)、農(nóng)業(yè)、交通、醫(yī)療等行業(yè)得到了廣泛的應(yīng)用。本文是在發(fā)動機零部件（挺柱）的自動化裝配過程中，采用機器視覺輔助，視覺相機拍照對挺柱位置確定，并通過機器視覺引導(dǎo)機械夾爪旋轉(zhuǎn)挺柱至標(biāo)準(zhǔn)角度等自動化裝配流程。視覺識別引導(dǎo)技術(shù)在機械手裝配柔性智能自動化作業(yè)中起到良好的作用，一方面提高了機械抓手對物體的精準(zhǔn)定位與穩(wěn)定抓取轉(zhuǎn)角糾正;另一方面提高了生產(chǎn)效率，并且在精度、質(zhì)量和速度都比人工具有巨大的優(yōu)勢。

2? 機器視覺技術(shù)識別引導(dǎo)功能應(yīng)用原則

機器視覺是基于人工智能化創(chuàng)新優(yōu)化，從降低人工操作及介入，符合信息現(xiàn)代化工業(yè)生產(chǎn)加工需求的一種技術(shù)保障，在機器視覺技術(shù)識別引導(dǎo)功能應(yīng)用設(shè)計中需強調(diào)原則性、方向性，具體如下：第一、以代替人工及緩解人工疲勞為原則，在識別引導(dǎo)功能應(yīng)用中是出于對傳統(tǒng)人工操作形式的智能優(yōu)化，功能設(shè)計與具體應(yīng)用一定要從增加智能效應(yīng)、解放人工勞累層面入手;第二、以客觀精確及成本低為原則，機器視覺技術(shù)識別引導(dǎo)功能應(yīng)從客觀、精確、低成本方面入手，將工業(yè)智能識別的整體過程精確穩(wěn)定給予體現(xiàn)，實現(xiàn)工業(yè)流水線中的智能化重復(fù)操作，簡化復(fù)雜繁瑣的機器視覺識別引導(dǎo)流程。

3? 機器視覺硬件選擇方案——以發(fā)動機零部件為例

3.1 光源系統(tǒng)選擇? 在進(jìn)行光源系統(tǒng)選擇中一定要注重結(jié)合性，對所需智能設(shè)備裝配流程進(jìn)行了解掌握，這樣便于提升機器視覺識別引導(dǎo)效率，本從研究主要以環(huán)光選擇類型為主，如下：第一、對光源安裝的具體距離進(jìn)行掌握，并對部分角度光源進(jìn)行過濾，如通過對光源安裝尺寸高度進(jìn)行調(diào)整，可對大角度光源進(jìn)行有效過濾等。第二、該光源類型相對目標(biāo)面積不大，主要關(guān)鍵面在于表面中間，如可采用小尺寸0角度或小角度光源等。第三、目標(biāo)識別范圍可進(jìn)行光源調(diào)節(jié)，角度選擇性較大，如可采用90度角環(huán)光，也可采用大尺寸高角度環(huán)形光等。同時，選擇背光源/平行背光源，具體如下：第一、選擇背光源需按照具體物體范圍、大小等對背光源進(jìn)行適度調(diào)整，有效控制成本增加及浪費。第二、由于背光源主要受外殼遮擋，這樣就導(dǎo)致亮度一般會低于中間位置，所以在對背光源進(jìn)行選擇中，應(yīng)避免目標(biāo)位于背光源邊緣。第三、在檢測輪廓中主要采用波長較短的光源，光源波長一旦較短，其衍射性會較弱，這樣會避免圖像邊緣中的重影出現(xiàn)，且對比度也頗高。第四、在實際應(yīng)用中可對背光源進(jìn)行調(diào)整，將與目標(biāo)之間的距離以最佳效果呈現(xiàn)。第五、檢測液位可以將背光源側(cè)立使用;圓軸類的產(chǎn)品，螺旋狀的產(chǎn)品盡量使用平行背光源。

3.2 工業(yè)鏡頭選擇? ①相關(guān)參數(shù)。第一、視場：指觀測物體的可視范圍，也就是充滿相機采集芯片的物理部分。第二、工作距離：指從鏡頭前部到受檢測物體的距離，即清晰成像的表面距離;第三、分辨率：圖像系統(tǒng)可以測到的受檢測物體上的最小可分辨特征尺寸，在多數(shù)情況下，視野越小，分辨率越好。第四、景深DOF：物體離最佳焦點較近或較遠(yuǎn)時，鏡頭保持所需分辨率的能力;第五、焦距f：透鏡的光心到光聚集之焦點的距離。亦是相機中從鏡片中心到底片或CCD等成像平面的距離。②遠(yuǎn)心鏡頭選擇型號。在具體識別引導(dǎo)中建議選擇云心鏡頭，采用科學(xué)合理的兼容CCD靶面尺寸，對遠(yuǎn)心鏡頭兼容的CCD靶面進(jìn)行合理設(shè)計，要不小于或等于相關(guān)配套靶面，不然會直接影響其分辨率。在接口類型設(shè)置方面，遠(yuǎn)心鏡頭接口類型多為普通形式，包括C口，F(xiàn)口等，符合相關(guān)相機配套便可以，另外，在成像范圍方面，當(dāng)放大倍率和CCD靶面確定時，成像范圍即確定，反之亦然。在工作距離方面，需關(guān)注工作距離能否對實際設(shè)備生產(chǎn)加工要求滿足，如選擇遠(yuǎn)心系統(tǒng)對其檢測后，可首先對鏡頭進(jìn)行選定，按照工作需求的實際距離對相關(guān)機械結(jié)構(gòu)進(jìn)行設(shè)計。最后，景深范圍方面，要對上述條件進(jìn)行滿足，景深范圍越大，說明遠(yuǎn)心系統(tǒng)的光學(xué)特性越好，在選型時可作為參考。

3.3 工業(yè)相機選擇? 相關(guān)參數(shù)：CCD芯片尺寸：特殊之處——1inch == 16mm ！= 25.4mm，相機芯片尺寸：鏡頭尺寸≥相機芯片尺寸，增益：通過調(diào)節(jié)電壓放大環(huán)節(jié)調(diào)節(jié)圖像亮度（如表1）。

4? 機器視覺在智能設(shè)備裝配中識別引導(dǎo)功能體現(xiàn)

4.1 拍照識別及轉(zhuǎn)角引導(dǎo)? 首先要進(jìn)行視覺定位，以發(fā)動機零件為例，機器視覺裝置會在最短時間內(nèi)對零件特征中的邊界及質(zhì)心進(jìn)行快速識別，機器人控制系統(tǒng)采用逆運動原理，對機器人各關(guān)節(jié)位置的轉(zhuǎn)角誤差進(jìn)行最大程度降低，充分解決機器視覺拍攝中的角度誤差問題（如圖1）。

在視覺機械手安裝中一定要側(cè)重整體設(shè)計，本次設(shè)計中將機械手安裝在橫向布置結(jié)構(gòu)的龍門型X軸向絲杠滑臺之上，該視覺機械手橫向移動配置主要由一臺加設(shè)在絲杠滑臺另一方的伺服電機裝置進(jìn)行驅(qū)動供給，進(jìn)而可精確對發(fā)動機零件X方向定位。全面鞏固該視覺機械手運行效率，伸縮氣缸下端設(shè)計有兩個貼片器件的拾取吸頭，視覺機械手一次可以拾取和定位安裝零件類器件。當(dāng)該視覺機械手向右側(cè)移動后，具體位置為裝備配平臺上方，此時零件裝配平臺Y在移動伺服電機裝置作用下，開展前后方向運動，處于機械手旋轉(zhuǎn)軸承座位置中的視覺相機，對該平臺目標(biāo)具體位置標(biāo)示檢測，該視覺相機對裝配平臺上的零件目標(biāo)進(jìn)行后標(biāo)示后，確定了安裝板的位置，這時，X 軸向伺服電機和Y向伺服電機快速移動以確定貼片器件的定位和安裝位置，由該機械手開展裝配操作。

其次待完成視覺拍攝后會對其圖像進(jìn)行智能化處理、智能化分析，對發(fā)動機零件進(jìn)行角度引導(dǎo)，配合機械手完成作業(yè)操作。同時利用三維做圖軟件Soldworks、CAD、UG等軟件對機械結(jié)構(gòu)進(jìn)行集成化設(shè)計，實現(xiàn)精確拍照及引導(dǎo)功能的實現(xiàn)。4坐標(biāo)系夾爪機械手結(jié)構(gòu)設(shè)計，包括氣缸的選型和計算，保證4坐標(biāo)的位置驅(qū)動;伺服電機的選型和計算，保證夾爪的精確抓取挺柱和挺柱的轉(zhuǎn)角糾正，保證集成系統(tǒng)的結(jié)構(gòu)穩(wěn)定性和統(tǒng)一性。最后，利用Visionpro視覺軟件進(jìn)行圖片的數(shù)字化處理，并通信給PLC。

4.2 PLC程序控制應(yīng)用分析? 隨著我國科學(xué)技術(shù)不斷提升，生產(chǎn)力及水平不斷突破，針對生產(chǎn)加工與機械作業(yè)，一種新型管控模式應(yīng)運而生，即PLC，可編程邏輯控制器。該控制器主要是針對機械生產(chǎn)及加工過程，通過存儲器創(chuàng)新升級植入編程方法。主要以內(nèi)部完成程序存儲為主。并對邏輯算法及控制順序等進(jìn)行工作開展。如算數(shù)操作、定時或相關(guān)計數(shù)等。其實質(zhì)性是一種面向用戶的高端控制指令。在輸入及輸送方面主要采用模擬信號、數(shù)學(xué)信號等方式，實現(xiàn)對各種類型機械的生產(chǎn)加工控制。（如圖2）

在機器視覺智能設(shè)備裝配識別引導(dǎo)中通過PLC程序控制、通信技術(shù)完成實現(xiàn)，通常PLC智能芯片植入方式，對機器視覺識別流程及步驟進(jìn)行設(shè)計，提出視覺識別引導(dǎo)程序理論，該理論主要以強化識別引導(dǎo)的精準(zhǔn)性、步驟性為主，有效自動執(zhí)行PLC程序指令，在實際設(shè)備裝配作業(yè)中待完成視覺識別掃描后，會對機械手發(fā)出同步指令，機械手會根據(jù)PLC控制指令完成分揀裝配操作等。

5? 結(jié)論

綜上所述，通過對機器視覺在智能設(shè)備裝配中識別引導(dǎo)功能進(jìn)行分析研究，主要包括：光源系統(tǒng)選擇、工業(yè)鏡頭選擇、工業(yè)相機選擇、拍照識別及轉(zhuǎn)角引導(dǎo)、PLC程序控制應(yīng)用分析等，將機器視覺在智能設(shè)備裝配中識別引導(dǎo)中價值意義給予明確，為現(xiàn)代化工業(yè)生產(chǎn)管理水平提升奠定基礎(chǔ)。

參考文獻(xiàn)：

[1]Sture， ye E R， Skavhaug A et al. A 3D machine vision

sys-tem for quality grading of Atlantic salmon[J]. Computers and Electronics in Agriculture，2016（123）：142-148.

[2]Ziatdinov M， Maksov A， Kalinin S V. Learning surfacemolecular structures via machine vision[J]. npj Computational Materials，2017，3（1）：3.

[3]Fernández-Robles L， Azzopardi G，Alegre E，et al.Ma-chine-vision-based identification of broken inserts in edge- profile milling heads [J]. Robotics and Computer -Integrated Manufacturing，2017（44）：276-283.

[4]Kavitha C，Ashok S D. A new approach to spindle radial-error evaluation using a machine vision system[J].Metrology and Measurement Systems，2017，24（1）：201-219.

[5]歐陽智，肖旭.機器視覺在智能制造中的應(yīng)用[J].大數(shù)據(jù)時代，2018，12（3）：11-14.