劉吳 鐘皓陽 胡博雅

摘要：物料搬運(yùn)已經(jīng)進(jìn)入智能化發(fā)展的時代，但是同時搬運(yùn)多種物料仍存在瓶頸。文章設(shè)計的基于物聯(lián)網(wǎng)的物料搬運(yùn)機(jī)器人，有效解決了搬運(yùn)物流體系中同時精準(zhǔn)地搬運(yùn)多個物料的問題。機(jī)器人包括機(jī)械部分、電控部分、云端部分，可實現(xiàn)視覺識別不同的物料并進(jìn)行物料的搬運(yùn)，可適應(yīng)各種環(huán)境下的活動，將物料進(jìn)行分類、整理及上傳云端，實現(xiàn)物料的系統(tǒng)管理和搬運(yùn)。實驗表明，通過該方法可以有效識別了物料的正確信息，減少物料不規(guī)則形狀和相對不確定的擺放位置的干擾，提升了系統(tǒng)穩(wěn)定性和準(zhǔn)確性．

關(guān)鍵詞：物料搬運(yùn)：物聯(lián)網(wǎng)：機(jī)器人：視覺識別

中圖分類號：TP393

文獻(xiàn)標(biāo)志碼：A

0 引言

目前，我國工廠物料搬運(yùn)正處于物流業(yè)轉(zhuǎn)型升級與高質(zhì)量發(fā)展階段[1]．需進(jìn)行產(chǎn)品升級或創(chuàng)新更高效的產(chǎn)品來替代原產(chǎn)品。為提高物料運(yùn)輸效率、降低成本，制造業(yè)對智能搬運(yùn)的需求與日俱增[2]。目前，大部分工廠仍使用小型搬運(yùn)器械進(jìn)行人工搬運(yùn)處理和管理，并花費很多時間進(jìn)行物料狀態(tài)的實時維護(hù)更新，需要投入大量的人力和資源。針對工廠的物料管理與搬運(yùn)，已不再滿足于僅改變物料存放狀態(tài)和空間位置，急需一種能夠自動運(yùn)輸、管理和編輯信息、上傳物聯(lián)網(wǎng)的技術(shù)，減少勞動力并降低維護(hù)成本。當(dāng)前物料搬運(yùn)過程中對物聯(lián)網(wǎng)智能處理技術(shù)的應(yīng)用比例較小，因此，本文設(shè)計了基于物聯(lián)網(wǎng)的物流搬運(yùn)機(jī)器人，有效實現(xiàn)對物料的搬運(yùn)、分類和管理。

1 系統(tǒng)總體架構(gòu)

物流搬運(yùn)機(jī)器人系統(tǒng)如圖1所示，主要分為機(jī)械部分、電控部分、云端3部分。其中，機(jī)械部分完成機(jī)器人的移動、抓取、放回等功能；電控部分完成對機(jī)器人的控制并進(jìn)行運(yùn)動的反饋調(diào)節(jié)，同時將圖片數(shù)據(jù)通過WiFi傳輸?shù)皆贫藬?shù)據(jù)處理器：最后通過云端的網(wǎng)絡(luò)對圖片進(jìn)行處理并輸出物料的位置參數(shù)，進(jìn)一步反饋并調(diào)整整個系統(tǒng)的運(yùn)行。

機(jī)器人各個部分的詳細(xì)功能如圖2所示，機(jī)械部分包括底盤結(jié)構(gòu)、升降臺機(jī)構(gòu)、伸縮機(jī)構(gòu)、機(jī)械手部分，主要實現(xiàn)對工廠物料的抓取、移動、放下等過程。

電控部分主要由串口屏模塊、攝像頭模塊、WiFi模塊、ESP32和STM32主板等組成，實現(xiàn)對機(jī)械部分的控制以及對參數(shù)的調(diào)節(jié)。

云端部分主要包括云端對圖片的識別、路徑規(guī)劃、WiFi返回物料的位置信息、手機(jī)App協(xié)同調(diào)節(jié)參數(shù)等。

2 機(jī)械部分

機(jī)器人的底盤結(jié)構(gòu)如圖3所示，由兩塊鋁板和銅柱連接，4個電機(jī)固定在頂板，安裝上麥克納姆輪，完成行走裝置、控制裝置和整體的固定。利用麥克納姆輪的受力特性可使機(jī)器人通過矢量計算實現(xiàn)轉(zhuǎn)向，同時在兩塊鋁板之間的夾層中進(jìn)行控制裝置的放置。升降臺機(jī)構(gòu)可保證活動平臺能在絲杠的帶動下流暢運(yùn)動，并確保活動平臺在承受足夠的重量同時保持平衡，其前端使用了兩個步進(jìn)電機(jī)驅(qū)動，后方固定了一個絲杠，轉(zhuǎn)矩由頂置的同步帶輪轉(zhuǎn)遞和平衡。伸縮機(jī)構(gòu)由四桿機(jī)構(gòu)進(jìn)行伸縮活動，四桿機(jī)構(gòu)由一個舵機(jī)進(jìn)行控制，將最上方的連桿固定在活動板上進(jìn)行驅(qū)動，機(jī)械手由另一個舵機(jī)驅(qū)動，可以合攏為多種形狀以貼合多種物料的形狀，做到充分接觸防止滑脫，事實上機(jī)械手的外形完全可以進(jìn)行不同應(yīng)用場合的定制。

3 電控部分

小車通過攝像頭將圖片傳送到云端，通過部署在云端的模型對物料進(jìn)行識別并返回三維坐標(biāo)，使用STM32芯片計算小車與物料的相對位置，同時判斷物料是否在機(jī)械臂的抓取范圍內(nèi)，如果在范圍外再進(jìn)行微調(diào)，計算各個機(jī)械臂伸長距離并張開角度，實現(xiàn)最大范圍的抓取，通過升降系統(tǒng)將爪子收回，把物料放置到車內(nèi)，同時進(jìn)行合適的路徑規(guī)劃。當(dāng)前小車是由麥克納姆輪實現(xiàn)的，后期可以改進(jìn)成履帶，機(jī)械臂可以升降到不同高度，準(zhǔn)確地抓取物料的中心位置，避免物料掉落。

進(jìn)一步將ESP32芯片的WIFI模塊連接物聯(lián)網(wǎng)，在Weh服務(wù)端進(jìn)行初始化，避免默認(rèn)WehServer只能接受一個訪問需求。首先進(jìn)行設(shè)備證書的獲取，接著獲取域名和端口號進(jìn)行設(shè)備的連接，最后可借助云端遠(yuǎn)程識別機(jī)器人上傳的圖像信息，同時及時反饋相應(yīng)的物料位置信息并進(jìn)行相應(yīng)路徑規(guī)劃。

4 云端部分

云端部分主要是運(yùn)用云端模型識別圖像判定物料的具體位置，將掃描到的物料與自身的信息庫進(jìn)行對比來確認(rèn)物料信息并發(fā)送物料坐標(biāo)，及時制定相應(yīng)路徑，一般由工廠的管理人員進(jìn)行更人性化的路徑規(guī)劃，如果沒有，搬運(yùn)機(jī)器人會從自身的庫中提取合理路徑，確保搬運(yùn)機(jī)器人運(yùn)行軌跡的最優(yōu)解，同時可結(jié)合手機(jī)App智能調(diào)節(jié)搬運(yùn)機(jī)器的參數(shù)，比如物料的數(shù)字ID等。這樣就實現(xiàn)了通過手機(jī)App進(jìn)行物料的搬運(yùn)，使貨物發(fā)送更具時效性，同時為實現(xiàn)混合抓取多種不同的物料，可輔助機(jī)械臂懸掛相應(yīng)的存儲倉結(jié)構(gòu)。最后將該機(jī)器人通過WiFi連接的方式和互聯(lián)網(wǎng)的云端實現(xiàn)物聯(lián)網(wǎng)的架構(gòu)，做到有效地同時運(yùn)行多臺搬運(yùn)機(jī)器人，實現(xiàn)了更有效的物料搬運(yùn)和管理。

視覺識別物料的原理可概括為利用云端部署的YOLOv5模型，可以自動識別物料在圖片中所在的位置[3]。詳細(xì)原理為：對圖片進(jìn)行預(yù)處理，進(jìn)行數(shù)據(jù)增廣，提高模型泛化能力。使用BottleNeck等結(jié)構(gòu)進(jìn)一步提高模型的精確度，在此基礎(chǔ)上使用梯度下降算法使模型進(jìn)行收斂，采用分組卷積減少模型運(yùn)算量，進(jìn)一步提高模型速度，修改錨框并添加小目標(biāo)檢測層，提高模型小目標(biāo)檢測的效果，引入空間通道注意力機(jī)制優(yōu)化模型算法，加入高質(zhì)量數(shù)據(jù)集對模型進(jìn)行訓(xùn)練學(xué)習(xí)。得到的更直觀的表格數(shù)據(jù)可實時顯示每個物料的各種信息、生產(chǎn)日期、庫存時間等，便于管理者進(jìn)行物料操作和管理。通過庫存期查找儲存時間過久的物料，然后統(tǒng)計物料的ID，將指令發(fā)送至搬運(yùn)機(jī)器人進(jìn)行選擇性的精準(zhǔn)搬運(yùn)，減少物料在庫存期間出現(xiàn)意外的情況，同時配合實施云端管理，進(jìn)行必要的數(shù)據(jù)檢查。

5 結(jié)語

本文設(shè)計的物流搬運(yùn)機(jī)器人結(jié)合物聯(lián)網(wǎng)的技術(shù)，可同時搬運(yùn)多個相同或不同的物料，解決工廠實際環(huán)境中一次只能搬運(yùn)單個物料的問題。同時可結(jié)合物聯(lián)網(wǎng)進(jìn)一步規(guī)劃多個搬運(yùn)機(jī)器人的路徑完成在多種應(yīng)用場景下尋找最優(yōu)解決方案的功能。在實驗中，可以看到具有麥克納姆輪的物料搬運(yùn)機(jī)器人在狹小的過道內(nèi)有著顯著的優(yōu)勢，在拿取和放置物料的過程中，由于機(jī)械臂的活動范圍較大而有輕微振動導(dǎo)致放置位置出現(xiàn)誤差，但是誤差在可接受范圍內(nèi)，如果將物料進(jìn)行堆疊可能要進(jìn)行進(jìn)一步的實驗測試。具體實施路徑為：在云端對物料進(jìn)行識別，將輸入的圖片進(jìn)行預(yù)處理增廣，通過YOLOv5的模型在梯度下降算法的前提下對各組分別采用卷積計算，降低卷積深度，進(jìn)一步減少模型計算量，提升模型識別速度；同時添加小目標(biāo)檢測層，彌補(bǔ)對不常見物體檢測的缺陷：最后對物體的顏色、形狀進(jìn)行預(yù)判斷，調(diào)整機(jī)器人到合適的位置識別物料上面的數(shù)字ID．再反饋到云端數(shù)據(jù)庫進(jìn)行數(shù)據(jù)更新，完成通過機(jī)器人搬運(yùn)物料的工作。相對于傳統(tǒng)的人工搬運(yùn)，本文設(shè)計的技術(shù)可以有效識別正確信息，并減少形狀和位置的干擾，同時也能有效提高系統(tǒng)運(yùn)行速度，減輕硬件端的運(yùn)行負(fù)荷，具有數(shù)字化程度高的優(yōu)勢，方便及時尋找異常物料，降低物料搬運(yùn)工作的錯誤率。

參考文獻(xiàn)

[1]黃婷華．基于物聯(lián)網(wǎng)的智能物流回收系統(tǒng)研究[J]．廣東交通職業(yè)技術(shù)學(xué)院學(xué)報，2022（2）：58-61．

[2]楊宗林．物料搬運(yùn)移動機(jī)器人的優(yōu)化設(shè)計[D]．合肥：合肥工業(yè)大學(xué)．2017．

[3]趙景彩，楊秀芬．基于物聯(lián)網(wǎng)的自動控制系統(tǒng)的研究[J]．中國設(shè)備工程，2022（ 11）：77-79．

（編輯沈強(qiáng)）