基于不規(guī)則曲面的海灣扇貝定向上料系統(tǒng)設(shè)計(jì)

摘要：

目前，海灣扇貝紅外加熱開殼取貝柱前多采用人工上料，上料準(zhǔn)確率及生產(chǎn)效率低。扇貝的不規(guī)則曲面是實(shí)現(xiàn)自動(dòng)化上料的難點(diǎn)所在，對(duì)海灣扇貝自動(dòng)化定向上料系統(tǒng)進(jìn)行設(shè)計(jì)。首先，傳送帶運(yùn)輸?shù)纳蓉惖竭_(dá)識(shí)別區(qū)時(shí)，視覺系統(tǒng)通過RANSAC算法對(duì)扇貝耳緣所呈直線進(jìn)行擬合，確定海灣扇貝耳部朝向。其次，通過傳送帶及編碼器反饋的數(shù)據(jù)實(shí)現(xiàn)圖像信息坐標(biāo)到機(jī)器人坐標(biāo)的轉(zhuǎn)化，根據(jù)機(jī)器人末端運(yùn)動(dòng)軌跡信息確定實(shí)際抓取位置。最后，根據(jù)扇貝殼呈不規(guī)則曲面并具有多條放射肋的特性，確定Delta機(jī)器人末端執(zhí)行器的抓取方式。利用Box-Behnken進(jìn)行多因素交互試驗(yàn)分析，得到吸盤直徑為20mm、抓取點(diǎn)為扇貝中心線上距背緣為0.23倍殼高處、真空發(fā)生器的輸入氣壓為0.6MPa時(shí)，抓取成功率最高。根據(jù)優(yōu)化結(jié)果進(jìn)行試驗(yàn)驗(yàn)證，結(jié)果表明：抓取成功率為95.80%，理論值和實(shí)際結(jié)果吻合良好，平均抓取時(shí)間為1.6s。耳部朝向識(shí)別的成功率達(dá)到95.33%，上料系統(tǒng)上料總成功率為91.67%，研究結(jié)果可為扇貝自動(dòng)化加工領(lǐng)域提供參考。

關(guān)鍵詞：海灣扇貝；Delta機(jī)器人；定向上料；耳部朝向；響應(yīng)面；末端執(zhí)行器；視覺系統(tǒng)

中圖分類號(hào)：S985.3+6

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2095-5553 （2025） 01-005-09

Design of bay scallop directional feeding system based on irregular surface

Zhu Hailiang， Wang Jiazhong， Kong Degang， Xing Yazhou

（College of Mechanical and Electrical Engineering， Hebei Agricultural University， Baoding， 071001， China）

Abstract：

At present， the infrared heating of bay scallops usually uses manual feeding before shelling and shell extraction， and the feeding accuracy and production efficiency are low. The irregular surface of scallops is the difficulty in realizing automatic feeding. This paper designs the automatic directional feeding system for bay scallops. Firstly， when the scallops transported by the conveyor belt arrive at the identification area， the visual system uses the RANSAC algorithm to fit the straight line of the scallop ear edge to determine the ear orientation of the bay scallop. Secondly， the conversion of image information coordinates to robot coordinates is realized through the data fed back by the conveyor belt and the encoder， and the actual grasping position is determined according to the trajectory information of the robot end. Finally， according to the irregular curved surface and multiple radial ribs of the scallop shell， the grasping method of the Delta robot end effector is determined. By using Box-Behnken to conduct multi-factor interactive test analysis， it is obtained that when the diameter of the suction cup is 20mm， the grasping point is 0.23 times the height of the shell from the center line of the scallop to the back edge， and the input air pressure of the vacuum generator is 0.6MPa， the success rate of grasping Highest. Experimental verification is carried out according to the optimization results， and the results show that the grasping success rate is 95.80%， the theoretical value and the actual result are in good agreement， and the average grasping time is 1.6s. The success rate of ear orientation recognition reaches 95.33%， and the total success rate of feeding system is 91.67%. The research results can provide a reference for the field of scallop automatic processing.

Keywords：

bay scallop; Delta robot; directional feeding; ear orientation; response surface; end effector; visual system

0"引言

扇貝作為我國沿海地區(qū)重要海洋經(jīng)濟(jì)作物之一，營養(yǎng)價(jià)值較高，市場(chǎng)對(duì)于扇貝的需求量越來越大，扇貝規(guī)?；B(yǎng)殖得到了蓬勃發(fā)展^［1］，扇貝自動(dòng)化加工需要經(jīng)過清洗、分級(jí)、定向、上料及開殼等工序^［2］。目前，海灣扇貝在進(jìn)行紅外加熱開殼前，大多通過人工將扇貝以特定的耳部朝向放到位置固定的加熱模具中，使扇貝輪廓與模具輪廓相吻合來實(shí)現(xiàn)海灣扇貝定向上料。人工上料生產(chǎn)效率低、精準(zhǔn)度無法保障，并且隨著人工成本的提高，急劇加大了對(duì)自動(dòng)化上料系統(tǒng)的需求。海灣扇貝有17～18條放射肋、曲面不規(guī)則以及貝殼表面有水附著，對(duì)耳部朝向的準(zhǔn)確識(shí)別和對(duì)扇貝的快速穩(wěn)定抓取實(shí)現(xiàn)扇貝高效精準(zhǔn)上料成為難點(diǎn)問題。

對(duì)扇貝耳部的準(zhǔn)確定向成為自動(dòng)化上料過程中的關(guān)鍵問題。五香秀治^［3］、戸田勝善^［4］等就扇貝耳部定向問題提出了兩種機(jī)械定向的方法，但機(jī)械定向會(huì)產(chǎn)生震動(dòng)、碰撞等，影響扇貝的活性或者是不方便后續(xù)處理。林艾光等^{［5， 6］}提出了通過機(jī)器視覺的方法并用隨機(jī)Hough變換檢測(cè)背緣線來確定蝦夷扇貝耳部朝向，但海灣扇貝殼頂較突出，背緣平直度較差，用此方法檢測(cè)海灣扇貝耳部朝向時(shí)成功率較低。

傳統(tǒng)上料環(huán)節(jié)是通過示教器或離線編程的方法，對(duì)機(jī)器人所作動(dòng)作和抓取位置預(yù)先進(jìn)行嚴(yán)格設(shè)定，一旦工作環(huán)境發(fā)生變化會(huì)產(chǎn)生嚴(yán)重錯(cuò)誤^{［7， 8］}。應(yīng)用機(jī)器視覺可以對(duì)機(jī)器人的運(yùn)動(dòng)以及抓取位置進(jìn)行引導(dǎo)^［9］，并可以準(zhǔn)確識(shí)別出扇貝姿態(tài)及抓取位置，并使機(jī)器人具有類似于人的目標(biāo)識(shí)別跟蹤能力，機(jī)器視覺和機(jī)器人結(jié)合，可以大大提高生產(chǎn)線的自動(dòng)化程度。

因此，本文為實(shí)現(xiàn)不規(guī)則曲面海灣扇貝的定向上料，對(duì)其進(jìn)行設(shè)計(jì)與研究。通過視覺系統(tǒng)對(duì)扇貝耳緣呈直線的特征進(jìn)行耳部朝向檢測(cè)，使用Delta機(jī)器人對(duì)扇貝進(jìn)行實(shí)時(shí)跟蹤，根據(jù)抓取軌跡確定動(dòng)態(tài)抓取位置，對(duì)不規(guī)則曲面的扇貝進(jìn)行抓取研究，確定最佳抓取方案，最終實(shí)現(xiàn)對(duì)不規(guī)則曲面的海灣扇貝的定向上料，為扇貝紅外加熱開殼奠定基礎(chǔ)。

1"系統(tǒng)總體設(shè)計(jì)

1.1"系統(tǒng)架構(gòu)設(shè)計(jì)

如圖1所示，海灣扇貝定向上料系統(tǒng)由傳送帶、視覺系統(tǒng)和Delta機(jī)器人組成，分為識(shí)別區(qū)Ⅰ、抓取區(qū)Ⅱ和紅外加熱開殼區(qū)Ⅲ。系統(tǒng)工作流程如圖2所示，首先，到達(dá)傳送帶上的扇貝左右殼朝向已經(jīng)統(tǒng)一為左殼朝上，但耳部朝向是隨機(jī)的，扇貝隨傳送帶運(yùn)動(dòng)到識(shí)別區(qū)；然后，視覺系統(tǒng)獲取扇貝圖像并傳輸給上位機(jī)，上位機(jī)對(duì)扇貝耳部朝向和抓取位置進(jìn)行確定；最后，扇貝運(yùn)動(dòng)到抓取區(qū)時(shí)，Delta機(jī)器人根據(jù)上位機(jī)傳輸?shù)淖ト∥恢眯畔⒑湍┒诵D(zhuǎn)信息對(duì)扇貝進(jìn)行追蹤抓取，將扇貝放入仿形模具中，使扇貝輪廓和模具輪廓相吻合。

1.2"傳送帶

紅外加熱開殼時(shí)需要將扇貝放入到開殼裝置起始端的仿形模具中，兩者并列放置，相距30mm。仿形模具到地面的高度為712mm，為便于抓取，將帶面到地面高度設(shè)置為與上述相同的高度，并且為防止輸送到傳送帶上的扇貝之間出現(xiàn)堆疊現(xiàn)象影響識(shí)別結(jié)果與上料效率，將帶寬設(shè)置為260mm?？紤]其他工位在傳送帶上所占面積，將長度設(shè)置為2000mm。

1.3"視覺系統(tǒng)

視覺系統(tǒng)通過相機(jī)將被攝目標(biāo)轉(zhuǎn)換為圖像信號(hào)，傳輸至上位機(jī)，得到被攝目標(biāo)的形態(tài)信息^［10］。選用分辨率為1200萬像素的?？低昅V-CU120-10GC的面陣相機(jī)，通訊接口為GigE接口，選用鏡頭型號(hào)為VM0820MP5的中聯(lián)科創(chuàng)鏡頭，采用LED光源進(jìn)行補(bǔ)光來使拍攝的圖像更加清晰，工控機(jī)作為上位機(jī)，通過GigE接口接收?qǐng)D像信息。

1.4"Delta機(jī)器人

Delta機(jī)器人因其靈活性、高速度和高精度可以實(shí)現(xiàn)對(duì)物體的快速拾放，廣泛應(yīng)用于工業(yè)自動(dòng)化、食品等領(lǐng)域，在提高生產(chǎn)效率、降低人力成本方面具有重要作用。Delta機(jī)器人機(jī)架橫跨紅外加熱開殼裝置和傳送帶，安裝在機(jī)架中心，為保證上料準(zhǔn)確率，Delta機(jī)器人主動(dòng)臂和中間軸的驅(qū)動(dòng)電機(jī)均為伺服電機(jī)。

考慮到主動(dòng)臂長度和安裝位置需要避免觸碰到機(jī)架邊緣，設(shè)計(jì)主動(dòng)臂桿長為250mm，靜平臺(tái)半徑為87mm，為便于安裝末端執(zhí)行器，設(shè)計(jì)動(dòng)平臺(tái)半徑為48mm。以工作空間最大值為目標(biāo)^［11］，得到從動(dòng)臂桿長為570mm，通過上述確定的機(jī)器人尺寸計(jì)算機(jī)器人的工作空間，采用數(shù)值法并基于位置正解求解工作空間^［12］，將3個(gè)主動(dòng)臂的最大轉(zhuǎn)角設(shè)置為70°，最小轉(zhuǎn)角設(shè)置為-20°，通過MATLAB編程，在約束角度范圍內(nèi)對(duì)隨機(jī)輸入的主動(dòng)臂角度求取工作空間，其結(jié)果如圖3所示。

扇貝在傳送帶抓取區(qū)到仿形模具中心的距離為290～480mm（圖4），在Z軸方向上的-700～-450mm范圍內(nèi)可以滿足機(jī)器人實(shí)際抓取任務(wù)并且也避免了正常工作時(shí)運(yùn)動(dòng)到極限位置影響機(jī)器人壽命。

2"海灣扇貝耳部朝向檢測(cè)

對(duì)海灣扇貝耳部朝向的檢測(cè)準(zhǔn)確度決定了其與加熱模具輪廓的吻合程度，扇貝放置不規(guī)范會(huì)導(dǎo)致紅外加熱開殼效率低^［13］。海灣扇貝背緣近似為直線（圖5），是檢測(cè)耳部朝向的關(guān)鍵特征。RANSAC算法^{［14， 15］}采用迭代的方式在一組含有異常值的數(shù)據(jù)中估算出數(shù)學(xué)模型，具有剔除不合格數(shù)據(jù)的思想，此算法魯棒性強(qiáng)，并且在特定數(shù)據(jù)集中估計(jì)出的模型具有唯一性。在扇貝輪廓中背緣所占比例較小，且期望得出的直線只有一條，故RANSAC算法非常適用于對(duì)扇貝耳緣處直線的擬合。

根據(jù)RANSAC算法思想，對(duì)關(guān)鍵擬合參數(shù)進(jìn)行確定，各參數(shù)如表1所示。

通過表1的數(shù)據(jù)，對(duì)耳緣近似的直線進(jìn)行擬合，得到迭代次數(shù)內(nèi)最佳直線模型，返回模型對(duì)應(yīng)參數(shù)k、b，最后將模型可視化，結(jié)果如圖6所示。

將斜率k轉(zhuǎn)化為傾斜角度θ，如式（1）所示。

θ=arctank×57.29577

（1）

接著對(duì)耳部朝向相反但是斜率相同的情況進(jìn)行判斷，最終得到機(jī)器人末端的旋轉(zhuǎn)角度。

3"Delta機(jī)器人扇貝抓取的實(shí)現(xiàn)

3.1"動(dòng)態(tài)位置獲取與抓取位置確定

海灣扇貝隨傳送帶輸送到識(shí)別區(qū)后，視覺系統(tǒng)對(duì)扇貝進(jìn)行識(shí)別定位后得到圖像的坐標(biāo)信息，通過傳送帶編碼器反饋的數(shù)據(jù)進(jìn)行手眼標(biāo)定可以實(shí)現(xiàn)圖像信息坐標(biāo)到機(jī)器人坐標(biāo)的轉(zhuǎn)化^［16］。分別進(jìn)行傳送帶與機(jī)器人、相機(jī)與傳送帶的標(biāo)定，確定對(duì)應(yīng)的轉(zhuǎn)換關(guān)系，最終得到任意扇貝隨傳送帶運(yùn)動(dòng)到抓取區(qū)內(nèi)在機(jī)器人坐標(biāo)下的動(dòng)態(tài)位置。

傳送帶和機(jī)器人標(biāo)定，確定傳送帶和機(jī)器人的轉(zhuǎn)換關(guān)系T^R_B。分別建立傳送帶坐標(biāo)系O_B和機(jī)器人坐標(biāo)系OR，在傳送帶上放置物體W，啟動(dòng)傳送帶使物體在機(jī)器人抓取范圍內(nèi)運(yùn)動(dòng)一段距離，分別記錄起點(diǎn)和終點(diǎn)在機(jī)器人坐標(biāo)系下的坐標(biāo)O^W_1R、O^W_2R以及傳送帶編碼器的變化量ΔC，接著將機(jī)器人末端沿Y軸方向移動(dòng)一段距離，記此時(shí)機(jī)器人末端坐標(biāo)為O^Y_R。

計(jì)算編碼器的比例因子λ，根據(jù)向量幾何關(guān)系得到式（2）。

O^W_1RO^W_2R·O^B_RO^Y_R=0

O^W_1RO^W_2R×O^B_RO^W_2R=0

（O^Y_RO^B_R×O^W_1RO^W_2R）×O^W_1RO^W_2R=0

（2）

求解得到傳送帶基坐標(biāo)，確定轉(zhuǎn)換關(guān)系為

T^R_B=

X_BY_BZ_BO^B_R

0001

（3）

O^W_R=T^R_BO^W_B

（4）

相機(jī)與傳送帶的標(biāo)定確定兩者之間的轉(zhuǎn)換關(guān)系T^B_C。將物體放置在相機(jī)拍攝范圍內(nèi)，記錄相機(jī)坐標(biāo)系下的坐標(biāo)O^W₁^′_C，物體在傳送帶上的坐標(biāo)為O^W₁^′_B=T^B_CO^W₁^′_C。當(dāng)物體隨傳送帶到達(dá)機(jī)器人抓取范圍內(nèi)，記錄物體在機(jī)器人坐標(biāo)系下的坐標(biāo)O^W₂^′_R以及傳送帶編碼器編碼量的差值ΔC′。物體W在傳送帶上由位置1運(yùn)動(dòng)到位置2的轉(zhuǎn)換關(guān)系如式（5）所示。

O^W₂^′_B=T_rO^W₁^′_B=

100ΔL

0100

0010

0001

O^W₁^′_B

（5）

式中：

Tr——傳送帶的運(yùn)動(dòng)矩陣。

其中，ΔL=ΔC′·λ。

由傳送帶坐標(biāo)到機(jī)器人坐標(biāo)的轉(zhuǎn)換可以得到

O^W₂^′_B=T^R_B^－1O^W₂^′_R

（6）

由式（7）可得相機(jī)與傳送帶的轉(zhuǎn)換關(guān)系T^B_C。

T^B_C=T^R_B^－1T_r^－1O^W′_C^－1O^W′_R

（7）

最終得到任意物體在相機(jī)坐標(biāo)系下隨傳送帶運(yùn)動(dòng)到機(jī)器人抓取范圍內(nèi)機(jī)器人坐標(biāo)下的動(dòng)態(tài)位置為

O^W′_R=T^B_CT^R_BT_rO^W′_C

（8）

機(jī)器人末端從初始位置運(yùn)動(dòng)到抓取點(diǎn)所經(jīng)歷時(shí)間Δt，在此期間扇貝也隨傳送帶運(yùn)動(dòng)。如圖8所示，點(diǎn)A為目標(biāo)扇貝的位置，但是實(shí)際抓取位置為點(diǎn)B，實(shí)際抓取路徑為BC。

為簡化求解過程，忽略扇貝運(yùn)動(dòng)過程中在Y軸和Z軸的細(xì)微變化，得到點(diǎn)B坐標(biāo)如式（9）所示。

x_B=x_A+Δt·v

y_B=y_A

（9）

末端初始位置坐標(biāo)為（xc，yc）已知，得出機(jī)器人末端位移為

s

=（x_B－x_c）²+（y_B－y_C）²

=（x_A+Δt·v-x_c）²+（y_A－y_C）²

（10）

其中，Δt為未知量，需要對(duì)Delta機(jī)器人的運(yùn)動(dòng)路徑進(jìn)行分析才可以將Δt求解。

Delta機(jī)器人在抓取過程中其運(yùn)動(dòng)軌跡大致為“門”字形，運(yùn)動(dòng)軌跡如圖9所示。在每次進(jìn)行抓取時(shí)共經(jīng)歷3個(gè)階段：P1-P2的上升階段、P2-P3的平移階段和P3-P4的下降階段。

為了機(jī)器人末端可以在角點(diǎn)處實(shí)現(xiàn)平滑過渡，避免機(jī)器人震動(dòng)使抓取精度降低并影響機(jī)器人的壽命，在角點(diǎn)處采用圓弧過渡。為使機(jī)器人末端在各個(gè)階段可以快速實(shí)現(xiàn)加減速并運(yùn)行平穩(wěn)，采用修正梯形軌跡規(guī)劃算法^［17］，其具有良好的速度連續(xù)性并降低了機(jī)器人的剛性沖擊。

修正梯形運(yùn)動(dòng)規(guī)律在一個(gè)運(yùn)動(dòng)周期T內(nèi)的加速度描述如式（11）所示。

a=

amaxsin4πTt0≤t≤18T

amax18lt;t≤38T

amaxcos4πTt-38T38Tlt;t≤58T

－amax58Tlt;t≤78T

－amaxcos4πTt-38T78Tlt;t≤T

（11）

式中：

amax——最大加速度。

對(duì)式（11）進(jìn)行二次積分可得位移表達(dá)式如式（12）所示。

s=

－T4π²amaxsin4πT+14πamaxTt

0≤t≤18T

12amaxt²+14π－18amaxTt

+1128－116π²amaxT²

18Tlt;t≤38T

－T4π²amaxcos4πTt-38T+14π+14amaxTt-116amaxT²

38Tlt;t≤58T

-12amaxt²+14π+78a+116π²－33128amaxT²

58Tlt;t≤78T

T4π²amaxcos4πTt-78T+14πamaxTt+18amaxT²

78Tlt;t≤T

（12）

最終可得位移、時(shí)間和加速度關(guān)系如式（13）所示。

T=s（0.25π+0.25）amax

（13）

結(jié)合式（9）、式（10）和式（13），即可得到實(shí)際抓取位置。

3.2"抓取方案確定

3.2.1"末端執(zhí)行器設(shè)計(jì)

海灣扇貝殼表面存在17～18條放射肋，表面不平整，且殼面呈不規(guī)則的曲面，真空吸盤吸取過程中漏氣現(xiàn)象嚴(yán)重，海綿吸盤吸附面大，適用于表面不平整的物料抓取，并且海綿吸盤結(jié)構(gòu)簡單安裝方便，抓取速度快，故選用海綿吸盤，采用真空負(fù)壓的方式抓取扇貝。

殼長在55～60mm范圍內(nèi)的扇貝殼厚最大偏差為5mm左右^［18］，機(jī)器人末端每次下降的距離相同，使用不可伸縮式的末端執(zhí)行器可能會(huì)將扇貝壓碎或者觸碰不到扇貝表面。使用可伸縮式吸盤固定架，其伸縮量為8mm左右，可以保證末端下降相同的高度時(shí)可以和不同殼厚的扇貝完全接觸（圖10）。

3.2.2"抓取位置

使用直徑為15mm的吸盤對(duì)扇貝殼表面可抓取位置進(jìn)行分析，用吸盤接觸扇貝并壓緊扇貝，觀察扇貝是否發(fā)生較明顯的位姿變化及吸盤是否和扇貝完全貼合如圖11（a）所示。對(duì)兩個(gè)耳部直接接觸發(fā)現(xiàn)扇貝姿態(tài)發(fā)生較大變化并且吸盤不能和耳部完全貼合，故確定耳部為非可抓取區(qū)域。去除耳部區(qū)域，其輪廓近似為圓，故以圓心為起點(diǎn)分別向輪廓邊緣進(jìn)行試驗(yàn)確定可抓取位置，為精準(zhǔn)確定最佳抓取位置并避免大量試驗(yàn)次數(shù)，讓每個(gè)抓取位置中心相距8mm左右，共確定出37個(gè)抓取位置，用吸盤中心對(duì)準(zhǔn)每個(gè)抓取位置中心進(jìn)行試驗(yàn)，得到5個(gè)可抓取位置如圖11（b）所示，其中，H為扇貝殼高。

5個(gè)可抓取位置近似處于扇貝中心線上，通過實(shí)際測(cè)量，各抓取位置中心到背緣距離如表2所示。

3.2.3"輸入氣壓

吸盤水平吸取時(shí)理論吸附力的計(jì)算如式（14）所示。

F=S×Pμ

（14）

式中：

S——有效吸附面積，mm²；

P——真空壓力，MPa；

μ——安全系數(shù)。

由式（14）可知，吸盤的吸附力與吸盤的大小、真空壓力有關(guān)，使用真空發(fā)生器作為負(fù)壓發(fā)生裝置，真空壓力的大小與輸入氣壓的大小和氣體泄露量有關(guān)^{［19， 20］}。貝殼外形有弧度，放置在水平傳送帶上抓取時(shí)必然會(huì)產(chǎn)生氣體泄漏現(xiàn)象，不同抓取位置以及不同吸盤大小還會(huì)導(dǎo)致漏氣量有所不同，對(duì)于理論吸附力的計(jì)算較難實(shí)現(xiàn)，故需要通過試驗(yàn)與分析來確定輸入氣壓、抓取位置和吸盤直徑最佳組合。

3.3"單因素分析

3.3.1"不同吸盤大小對(duì)扇貝抓取成功率的影響

將輸入氣壓調(diào)節(jié)為0.6MPa，抓取位置為4，選擇不同大小直徑的吸盤，試驗(yàn)并觀察抓取效果，結(jié)果如圖12所示。吸盤直徑大小在10～20mm范圍內(nèi)，抓取成功率隨吸盤直徑的增加逐漸增高，直徑超過20mm時(shí)，由于貝殼表面為有弧度的不規(guī)則曲面，且有17～18條放射肋，隨著吸盤的增大，吸盤不能與貝殼完全接觸，發(fā)生大面積的氣體泄漏現(xiàn)象，導(dǎo)致抓取成功率呈現(xiàn)下降趨勢(shì)，因此選擇吸盤直徑為15～25mm。

3.3.2"不同抓取位置對(duì)扇貝抓取成功率的影響

保持輸入氣壓為0.6MPa，吸盤直徑為20mm，對(duì)不同抓取位置進(jìn)行試驗(yàn)，不同抓取位置抓取成功率如圖13所示。抓取位置靠近邊緣時(shí)抓取成功率較低，靠近扇貝中心位置時(shí)成功率較高，因此，綜合考慮確定抓取位置為3～5。

3.3.3"不同輸入氣壓對(duì)扇貝抓取成功率的影響

保持吸盤直徑為20mm，在抓取位置4處進(jìn)行抓取，在不同真空發(fā)生器的輸入氣壓下進(jìn)行試驗(yàn)，不同輸入氣壓情況下抓取成功率如圖14所示。當(dāng)輸入氣壓在0.5MPa左右時(shí)，抓取成功率較高，抓取成功率不隨輸入氣壓的增加而增加的原因是真空發(fā)生器的工作壓力達(dá)到最佳，不會(huì)無限制的增加，超過最佳輸入氣壓會(huì)使真空發(fā)生器性能下降，導(dǎo)致抓取成功率下降，最終確定輸入氣壓的范圍為0.4～0.6MPa。

3.4"多參數(shù)交互影響分析

為分析吸盤直徑X1、抓取位置X2和輸入氣壓X3三個(gè)因素對(duì)扇貝抓取成功率的交互作用影響，使用Box-Behnken設(shè)計(jì)試驗(yàn)方案，進(jìn)行三因素三水平正交試驗(yàn)，試驗(yàn)因素與水平如表3所示。按照Box-Behnken design設(shè)計(jì)試驗(yàn)，試驗(yàn)結(jié)果如表4所示。

使用Design-Expert對(duì)數(shù)據(jù)進(jìn)行三元二次的回歸擬合，剔除不顯著交互項(xiàng)，得到扇貝抓取成功率的簡化回歸方程為

Y=

89.93+2.63X₁－5.60X₂+11.96X₃+

1.09X₁X₂+4.99X₁X₃+3.73X₂X₃－

8.08X₁²－4.52X₂²－4.93X₃²

（15）

對(duì)擬合的簡化回歸方程進(jìn)行方差分析如表5所示。由表5可知，上述三個(gè)因素對(duì)扇貝抓取成功率影響顯著，失擬項(xiàng)不顯著，所建立的模型可靠性較高。X1、X2、X3、X1X3、X2X3、X1²、X2²、X3²與抓取成功率呈極顯著關(guān)系。

各因素交互作用對(duì)抓取成功率影響的響應(yīng)面曲線如圖15所示。由圖15可知，三個(gè)因素交互作用對(duì)抓取成功率影響顯著。采用Design-Expert優(yōu)化分析，可以得出吸盤直徑為20mm、抓取位置4（扇貝中心線上距背緣為0.23倍殼高H處）和真空發(fā)生器的輸入氣壓為0.6MPa時(shí)，抓取成功率為最佳，抓取成功率理論值為97.07%。

4"試驗(yàn)驗(yàn)證

4.1"試驗(yàn)材料

試驗(yàn)所用扇貝產(chǎn)自河北省昌黎扇貝養(yǎng)殖基地，將扇貝打撈上岸后對(duì)扇貝進(jìn)行清洗和分級(jí)，保證扇貝統(tǒng)一大小和表面光潔程度，選取55～60mm殼長的扇貝作為研究對(duì)象。

4.2"試驗(yàn)設(shè)備

海灣扇貝定向上料系統(tǒng)使用型材上的仿形模具代替紅外加熱裝置上的仿形模具，為了保證試驗(yàn)可行性，使安裝在型材上仿形模具的位置和設(shè)計(jì)方案中的位置相同。機(jī)器人末端吸盤大小、輸入氣壓及抓取位置使用3.3節(jié)的優(yōu)化結(jié)果，在工控機(jī)上對(duì)抓取位置進(jìn)行設(shè)置，并將仿形模具上方設(shè)置為放置點(diǎn)。設(shè)置傳送帶速度為120mm/s，機(jī)器人末端平均移動(dòng)速度為470mm/s，旋轉(zhuǎn)速度為15rad/s。

4.3"試驗(yàn)結(jié)果

為驗(yàn)證識(shí)別和抓取方案的可行性，對(duì)100只扇貝進(jìn)行試驗(yàn)，經(jīng)3組試驗(yàn)驗(yàn)證，每組試驗(yàn)100只。將扇貝依次放在傳送帶上，到達(dá)識(shí)別區(qū)后記錄是否將扇貝耳部朝向識(shí)別，扇貝耳部朝向識(shí)別失敗有兩種情況：（1）由于光源及對(duì)比度的問題，無法提取扇貝輪廓導(dǎo)致沒辦法檢測(cè)出耳部所呈直線。此時(shí)，扇貝到達(dá)抓取區(qū)不會(huì)被機(jī)器人抓?。唬?）扇貝的輪廓可以被提取，但得到的耳部朝向是錯(cuò)誤的。在此情況下，扇貝輸送到抓取區(qū)時(shí)會(huì)被機(jī)器人抓取。

當(dāng)扇貝運(yùn)動(dòng)到抓取區(qū)時(shí)，記錄機(jī)械手能否準(zhǔn)確將扇貝抓入仿形模具中，將扇貝可以從傳送帶成功抓取到仿形模具中作為抓取成功的指標(biāo)，將扇貝與仿形模具的吻合情況作為上料成功的指標(biāo)；個(gè)別貝殼表面有鱗狀突起以及附著藤壺等生物，或是有些貝殼形狀有些畸形，不僅會(huì)影響耳部朝向識(shí)別結(jié)果，還會(huì)導(dǎo)致扇貝可以被抓取但是與仿形模具吻合程度非常差最終上料失敗；有時(shí)也會(huì)出現(xiàn)耳部朝向識(shí)別錯(cuò)誤但是與仿形模具中吻合程度較好的情況，因此上料成功的數(shù)量和抓取成功的數(shù)量有所差異。分別統(tǒng)計(jì)識(shí)別情況、抓取情況以及上料成功情況如表6所示，最終得到識(shí)別成功率、抓取成功率以及上料成功率如表7所示。

視覺系統(tǒng)對(duì)耳部朝向識(shí)別結(jié)果如圖16（a）所示，Delta機(jī)器人扇貝抓取效果如圖16（b）所示。對(duì)耳部朝向識(shí)別最大角度誤差為3°，平均誤差為1.4°。扇貝放置時(shí)扇貝輪廓可以和模具輪廓基本吻合，平均誤差為2.2°，最大誤差為5.3°。抓取過程平穩(wěn)，平均抓取時(shí)間為1.6s，扇貝在抓取工程中沒有被甩落的情況。Delta機(jī)器人對(duì)扇貝抓取的成功率為95.80%，與理論值基本一致，認(rèn)為以上參數(shù)優(yōu)化方法可行。

5"結(jié)論

1） 針對(duì)不規(guī)則曲面的海灣扇貝紅外加熱開殼時(shí)上料難問題，設(shè)計(jì)海灣扇貝定向上料系統(tǒng)，確定傳送帶、Delta機(jī)器人的尺寸，設(shè)計(jì)視覺系統(tǒng)，完成上料系統(tǒng)的搭建。

2） 應(yīng)用機(jī)器視覺技術(shù)，通過RANSAC算法對(duì)海灣扇貝耳部朝向進(jìn)行檢測(cè)，耳部朝向識(shí)別的成功率達(dá)95.33%，識(shí)別角度的平均誤差為1.4°。

3） 通過手眼標(biāo)定實(shí)現(xiàn)圖像信息坐標(biāo)到機(jī)器人坐標(biāo)的轉(zhuǎn)化，根據(jù)機(jī)器人末端運(yùn)動(dòng)軌跡信息確定實(shí)際抓取位置，并確定使用海綿吸盤采用真空負(fù)壓的形式抓取扇貝。

4） 通過單因素試驗(yàn)及多因素組合響應(yīng)面分析，以抓取成功率為響應(yīng)指標(biāo)，確定最佳吸盤直徑為20mm、抓取位置扇貝中心線上距背緣為0.23倍殼高H處、真空發(fā)生器的輸入氣壓為0.6MPa時(shí)，抓取成功率最高。試驗(yàn)表明：抓取成功率可達(dá)95.80%，理論值和實(shí)際結(jié)果吻合良好。綜合識(shí)別與抓取情況，Delta機(jī)器人定向上料總成功率為91.67%，能夠很好解決海灣扇貝紅外加熱開殼前定向上料問題。

參"考"文"獻(xiàn)

［1］ 賈振超， 張鋒， 孔凡祝， 等. 我國扇貝加工裝備現(xiàn)狀及發(fā)展趨勢(shì)［J］. 農(nóng)業(yè)裝備與車輛工程， 2019， 57（S1）： 218-220.

Jia Zhenchao， Zhang Feng， Kong Fanzhu， et al. Current situation and development trend of scallop processing equipment in China ［J］. Agricultural Equipment and Vehicle Engineering， 2019，57（S1）： 218-220.

［2］ 李磊， 王家忠， 弋景剛， 等. 曲面滑切式海灣扇貝剝殼機(jī)的設(shè)計(jì)［J］. 現(xiàn)代食品科技， 2020， 36（12）： 198-203.

Li Lei， Wang Jiazhong， Yi Jinggang， et al. Design of curved sliding-cut bay scallop sheller ［J］. Modern Food Science and Technology， 2020， 36（12）： 198-203.

［3］ 五香秀治. 二枚貝連続供給裝置［J］. 公開特許公報(bào) （A）， 1992： 171-182.

［4］ 戸田勝善， 林艾光， 矢田貞美. 動(dòng)力學(xué)モデルに基づいた養(yǎng)殖用ホタテ稚貝の左殻上向き運(yùn)動(dòng)の解析［J］. 農(nóng)業(yè)機(jī)械學(xué)會(huì)誌， 2002， 64（3）： 70-78.

［5］ 林艾光， 孫寶元， 馬先英. 蝦夷扇貝定向檢測(cè)方法研究［J］. 大連理工大學(xué)學(xué)報(bào)， 2008（1）： 79-83.

［6］ 林艾光. 吊耳養(yǎng)殖蝦夷扇貝耳部鉆孔自動(dòng)化關(guān)鍵技術(shù)研究［D］. 大連： 大連理工大學(xué)， 2009.

Lin Aiguang. Study on key techniques of automatic drilling for scallop culturing by ear-hanging ［D］. Dalian： Dalian University of Technology， 2009.

［7］ 倪鶴鵬， 劉亞男， 張承瑞， 等. 基于機(jī)器視覺的Delta機(jī)器人分揀系統(tǒng)算法［J］. 機(jī)器人， 2016， 38（1）： 49-55.

Ni Hepeng， Liu Yanan， Zhang Chengrui， et al. Sorting system algorithm based on machine vision for Delta robot ［J］. Robot， 2016， 38（1）： 49-55.

［8］ 吳旭清， 黃家才， 周磊， 等. 并聯(lián)機(jī)器人智能分揀系統(tǒng)設(shè)計(jì)［J］. 機(jī)電工程， 2019， 36（2）： 224-228.

Wu Xuqing， Huang Jiacai， Zhou Lei， et al. Design of intelligent sorting systemof parallel robots ［J］. Mechanical and Electrical Engineering， 2019， 36（2）： 224-228.

［9］ Liu Z， Zhao B， Zhu H. Research of sorting technology based on industrial robot of machine vision ［C］. 2012 Fifth International Symposium on Computational Intelligence and Design， IEEE， 2012， 1： 57-61.

［10］ 張園， 王慧芬， 王翰銘. 機(jī)器視覺技術(shù)、標(biāo)準(zhǔn)及安全產(chǎn)業(yè)應(yīng)用［J］. 電信科學(xué)， 2020， 36（11）： 104-112.

Zhang Yuan， Wang Huifen， Wang Hanming. Machine vision technology， standardization and application in safety industry ［J］. Telecommunication Science， 2020， 36（11）： 104-112.

［11］ 梁艷陽， 王效杰， 劉恒. Delta機(jī)器人結(jié)構(gòu)參數(shù)與期望工作空間之間關(guān)系研究［J］. 機(jī)械設(shè)計(jì)與制造， 2015（2）： 154-156， 160.Liang Yanyang， Wang Xiaojie， Liu Heng. Research on the relationship between delta robot structure parameters and its desired workspace ［J］. Machine Design amp; Manufacture， 2015（2）： 154-156， 160.

［12］ 姜軼輝. 三自由度Delta并聯(lián)機(jī)器人工作空間研究［D］. 西安： 長安大學(xué)， 2018.

Jiang Yihui. Study on the woekspace of 3-DOF delta robot ［D］. Xi，an： Chang ，an University， 2018.

［13］ 王家忠， 李磊， 孔德剛， 等. 基于紅外輻射的鮮活扇貝開殼方法與參數(shù)優(yōu)化［J］.農(nóng)業(yè)工程學(xué)報(bào)， 2022，38（1）：324-332.

Wang Jiazhong， Li Lei， Kong Degang， et al. Fresh scallop shell opening method and parameter optimization based on infrared radiation ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2022， 38（1）： 324-332.

［14］ 傅燈斌， 江茜， 齊龍， 等. 基于區(qū)域生長順序聚類-RANSAC的水稻苗帶中心線檢測(cè)［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2023， 39（7）： 47-57.

Fu Dengbin， Jiang Qian， Qi Long， et al.Detection of the centerline of rice seeding belts based on region growth sequential clustering-RANSAC ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2023， 39（7）： 47-57.

［15］ Derpanis K G. Overview of the RANSAC Algorithm ［J］. Image Rochester NY， 2010， 4（1）： 2-3.

［16］ 趙鵬宇. Delta并聯(lián)機(jī)器人目標(biāo)識(shí)別與抓取技術(shù)研究［D］. 太原： 中北大學(xué)， 2022.

Zhao Pengyu. Research on target recognition and grasping technology of delta parallel robot ［D］. Taiyuan： North University of China， 2022.

［17］ 胡寒. 基于機(jī)器視覺的Delta機(jī)器人動(dòng)態(tài)抓取系統(tǒng)關(guān)鍵技術(shù)的研究［D］. 廣州： 廣東工業(yè)大學(xué)， 2019.

Hu Han. Research on key technologies of Delta robot dynamic grabbing system based on machine vision ［D］. Guangzhou： Guangdong University of Technology， 2019.

［18］ 張志軍. 扇貝分級(jí)設(shè)備關(guān)鍵部件設(shè)計(jì)與試驗(yàn)研究［D］. 保定： 河北農(nóng)業(yè)大學(xué)， 2015.

Zhang Zhijun. Design and experimental research on key components of scallop grading equipment ［D］. Baoding： Hebei Agricultural University， 2015.

［19］ 白聯(lián)強(qiáng)， 宋仲康， 王鵬. 不同泄漏情況下真空吸盤內(nèi)部流場(chǎng)仿真分析［J］. 機(jī)械工程師， 2018（7）： 33-35， 38.

Bai Lianqiang， Song Zhongkang， Wang Peng. Simulation analysis of internal flow field of a vacuum suction cup under different leakage conditions ［J］. Mechanical Engineer， 2018（7）： 33-35， 38.

［20］ 付海鵬， 王庫， 王向榮. 編織袋用真空吸盤系統(tǒng)設(shè)計(jì)［J］. 鈾礦冶， 2021， 40（2）： 139-142.

Fu Haipeng， Wang Ku， Wang Xiangrong. Design of vacuum sucker system for woven bag ［J］. Uranium Mining and Metallurgy， 2021， 40（2）： 139-142.