機器視覺在物流配送自動化仿真系統中的應用

摘要：隨著工業自動化和物流技術的發展，不少企業開始致力于物流配送系統的自動化改造。在介紹機器視覺技術和物流配送自動化系統的基礎上，結合用于實踐教學的物流配送自動化仿真系統，討論了機器視覺在物流配送領域的應用，并詳細分析了基于機器視覺的物料形狀識別系統﹑尺寸檢測系統和條形碼識別系統的硬件和軟件結構﹑功能及原理等。

關鍵詞：機器視覺；物流配送自動化；檢測；識別

中圖分類號：TP391.9文獻標識碼：A文章編號：1002-3100(2008)08-0014-04

Abstract: With the development of industrial automatization and logistics technology， many enterprises begin to reconstruct automatically in the system of logistics distribution. This paper introduced firstly the machine vision technology and the system of logistics distribution automatization， discussed the application of machine vision are expounded in the field of logistics distribution by the simulation system of logistics distribution automatization used in practice teaching， and labor the software structure， hardware structure， fuction， principle of the system material shape recognition， size detection and barcode recognition based machine vision.

Key words: machine vision; logistics distribution automatization; detection; recognition

0引言

機器視覺是用機器代替人眼來實現人的視覺功能，既通過機器實現對客觀三維世界的感知和識別。機器視覺的特點是速度快﹑適應環境能力強﹑精度高﹑應用方便﹑智能化程度高，便于進行數字化處理和控制。目前，機器視覺在非接觸在線檢測﹑工業圖像采集處理及實時監控等方面得到了廣泛的應用，成為現代檢測和自動化技術中最活躍的領域之一[1]。

物流配送自動化是商業時代物流技術發展的新成果，是體現企業競爭力的重要因素之一。一般來說，物流配送自動化系統包括自動化立體倉庫系統﹑自動化傳送系統﹑電子揀選系統和品質檢驗系統等幾部分，主要用來完成產品的自動化傳送﹑注冊﹑質量及品質檢測﹑出入倉庫等工序。這種系統的使用有助于企業加快物品流通的速度和提升產品的品質[2]。

本文以用于實踐教學的物流配送自動化仿真系統為例，介紹機器視覺技術在物流自動化領域的應用。

1機器視覺系統構成和工作原理

1.1機器視覺系統構成

機器視覺系統一般以計算機為中心，主要由視覺傳感器﹑高速圖像采集系統及專用圖像處理系統等模塊構成。其中，視覺傳感器是整個機器視覺系統信息的直接來源，計算機是整個機器視覺系統的核心。圖1所示為典型的機器視覺系統構成。

1.2工作原理

可以認為，一個機器視覺系統的工作過程就是一個能自動獲取一副或多副目標物體圖像，對所獲取圖像的各種特征量進行處理﹑分析和測量，并對測量結果做出定性分析和定量解釋，從而得到有關目標物體的某種認識并做出相應決策的過程[1]。具體來說，圖像傳感器將攝取目標轉換成模擬的視頻信號并傳送給圖像采集系統，由該系統做模數轉換和其它預處理后得到數字圖像信號，然后由計算機和專用圖像處理系統對這些信號進行顯示和各種處理，最后根據預設的容許值和其它條件輸出結果，計算機根據檢測結果控制運動系統或執行相應的控制動作。

2在物流配送自動化仿真系統中的應用

物流配送自動化仿真系統結構圖如圖2所示。

該系統主要模擬現代工業中典型的物流配送系統，以物流配送過程中普遍使用的各種傳送帶作為連接，集成現代物流配送應用中典型的功能模塊，包括堆垛倉及其智能管理系統﹑產品識別和追蹤如條形碼識別﹑產品在線檢測如形狀識別﹑尺寸檢測，以此進行物料自動揀選[2]。總控系統主要由三部分硬件組成：工業總線Profibus主站（其他工位各有一個Profibus從站）﹑傳送帶PLC和工控機（各工位上的工控機通過工業以太網與總監控器連接），以及相應的繼電器等電路部分。總控系統通過工業以太網與Profibus-DP現場總線實現系統監控，完成各工位的網絡連接﹑指令和信息的傳遞﹑系統作業的協調控制﹑物料數據的管理。

在系統的各個物料檢測與識別工位設計中主要用到了機器視覺技術，下面分別介紹機器視覺在系統各工位中的應用。

2.1在條形碼識別工位的應用

對于物流傳送帶或生產流水線上的物料條碼識別，傳統的掃描器識別方法受條碼印刷技術﹑印制材料以及條碼本身的運動速度和角度的影響，識別率較低。基于機器視覺的條形碼自動識別技術是利用高速CCD攝像機直接得到被測物料條形碼的圖像，然后送入計算機進行圖像預處理，再通過條碼讀取﹑譯碼和校驗來完成條碼識別[3]。根據該物流配送仿真系統的物料所用條形碼類別（EAN-13），物料模型情況（如尺寸﹑大小等），傳送帶速度，工作現場環境和本工位擬安裝的位置和方式，確定了以下硬件和軟件解決方案。

2.1.1硬件結構與選型

系統硬件由一臺工控機、攝相頭、光源、圖像采集卡和物料傳送裝置等組成。其結構圖如圖3所示。

硬件選型：

工控機：研華IPC-610L（內存：256M，CPU：PIII1.8G，）；

鏡頭：Kowa LM16JC，焦距16mm；

CCD攝像頭：美國Uniq UM-201，1/2英寸，像素768×494；

圖像采集卡：大恒圖像卡DH-CG400；

光源：LED，波長630nm。

2.1.2軟件工作過程及功能

在已有的硬件基礎上，通過軟件設計（軟件工作過程如圖4所示）完成以下工作：條碼圖像的采集，接著在圖像預處理環節進行圖像的幾何校正﹑二值化處理和中值濾波去噪，定位條碼然后根據條碼編碼特征進行條碼的識讀，并采用相似邊距離測量法完成譯碼。采用相似邊之間距離譯碼的優點是，即使條碼符號的印刷存在缺陷或掃描不夠均勻，使得實際測量值與理論值間有較大的偏差，仍然可以根據相似邊距離正確的解釋。

在物流配送自動化仿真系統運行時，本工位能很好地完成物料條碼識別和記錄工作，識別速度達到60/min，準確率99.9999%。

2.2在形狀識別工位的應用

本工位采用基于圖像處理和識別的機器視覺系統進行物料形狀識別，識別結果作為物料的特征參數輸入監控計算機。根據該仿真系統所制作的物料模型的形狀（三角形﹑長方形﹑矩形等）和系統工作現場的光照等情況，擬定了如下硬件和軟件設計方案。

2.2.1硬件結構與選型

該工位采用基于工控機的控制系統，系統硬件由數碼攝像頭、鏡頭、圖像采集卡、工控機、定位裝置和物料傳送裝置等組成。其結構圖如圖5所示。

硬件選型：

工控機：研華IPC-610L（內存：256M，CPU：PIII1.8G，）；

鏡頭：騰龍25HB，焦距12mm；

CCD攝像頭：臺灣敏通MTV-62VIP，1/2英寸，像素795×596（PAL）/811×508（NTSC）；

圖像采集卡：大恒圖像卡DH-CG300。

2.2.2軟件工作過程及功能

軟件部分主要完成物料圖像信息的獲取，模板的建立及最終的形狀識別和結果輸出工作，其軟件工作過程如圖6所示。

形狀識別采用基于圖像邊緣特征的模板匹配方法，算法設計時注意了識別的實時性和準確性要求，并在程序編寫時考慮了效率問題。具體設計如下：選擇模板，采用Sobel算子提取模板圖像和待搜索圖像的邊緣點作為匹配的特征空間，利用模板圖像和搜索子圖像對應點之間的梯度向量的點積之和來計算搜索圖像上的某一個搜索位置與模板的匹配程度（定義如式1所示），并運用粗精結合的快速搜索策略提高匹配速度。

2.3在尺寸檢測工位的應用

機器視覺物料尺寸檢測是通過高速CCD攝像機直接得到被測物料的圖像，然后送入計算機進行圖像預處理﹑標件學習進而完成物料尺寸的測量[4-5]。依據該物流配送自動化仿真系統的物料模型情況（如尺寸﹑大小等），傳送帶速度，工作現場環境和本工位擬安裝的位置和方式，我們確定了以下硬件和軟件解決方案。

2.3.1硬件結構與選型

本工位采用基于工控機的控制系統，系統硬件由工控機、攝像頭、圖像采集卡、定位裝置和物料傳送裝置等組成。其結構圖如圖7所示。

硬件選型：

工控機：研華IPC-610L（內存：256M，CPU：PIII1.8G，）；

鏡頭：騰龍25HB，焦距12mm；

CCD攝像頭：臺灣敏通MTV-62VIP，1/2英寸，像素795×596（PAL）/811×508（NTSC）；

圖像采集卡：大恒圖像卡DH-CG300；

光源：LED，白光。

2.3.2軟件工作過程及功能

軟件工作過程如圖8所示。本工位的軟件部分包括圖像采集﹑預處理﹑定位﹑標件學習和尺寸檢測等。其中，標件學習和尺寸檢測為軟件設計的關鍵點。標件學習主要通過建立模板的方法確定適合物料的邊緣檢測框和圓弧檢測框，在此基礎上通過手動設定框的位置和大小，然后利用設置好的檢測框對圖像進行尺寸測量[6-7]。其中，在對尺寸大小相近的每一類物料進行尺寸檢測時，只需進行一次檢測框的手動設定既可。

3結束語

隨著機器視覺技術的成熟和企業對產品生產流通過程中質量管理要求的提高，機器視覺將日益成為生產自動化和物流配送領域不可缺少的一門技術，它的廣泛應用不僅提高了企業的生產效率和產品質量，同時也加快了企業的產品流通速度[10]。文中介紹的基于機器視覺的物流配送自動化仿真系統現已被用于實踐教學，它能很好地完成物料條碼﹑形狀識別及尺寸檢測等實踐教學任務。

參考文獻：

[1] 張廣軍. 機器視覺[M]. 北京：科學出版社，2005.

[2] 尹軍琪，王耀球. 物流配送中心基本構成及技術[J]. 物流技術，2004(4):22-25.

[3] 王燁青，楊永躍. 機器視覺在流水線條形碼識別中的應用[J]. 電子測量與儀器學報，2006，20(6):102-105.

[4] 于起峰，陸宏偉，劉肖琳. 基于圖像的精密測量和運動測量[M]. 北京：科學出版社，2002.

[5] 卞銘. 機器視覺在在線檢測中的應用[D]. 安徽：合肥工業大學（碩士論文），2006.

[6] 呂景亮. 工件檢測中圖像處理算法研究[D]. 吉林：長春理工大學（碩士論文），2004.

[7] 求是科技. Visual C++數字圖像處理典型算法及實現[M]. 北京：人民郵電出版社，2006.

[8] 張萍，朱政紅. 機器視覺技術及其在機械制造自動化中的應用[J]. 合肥工業大學學報，2007，30(10):1292-1295.

[9] 陳發東，張曉芳，趙寰宇，等. 機器視覺技術及其應用概況[J]. 電腦知識與技術，2007(18):1701-1702.

[10] 房超. 機器視覺及其在工業檢測中的應用[J]. 自動化博覽，2007(4):46-48.