机器视觉在物流配送自动化仿真系统中的应用，本文主要内容关键词为：物流配送论文,视觉论文,机器论文,系统中的应用论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言
机器视觉是用机器代替人眼来实现人的视觉功能，既通过机器实现对客观三维世界的感知和识别。机器视觉的特点是速度快、适应环境能力强、精度高、应用方便、智能化程度高，便于进行数字化处理和控制。目前，机器视觉在非接触在线检测、工业图像采集处理及实时监控等方面得到了广泛的应用，成为现代检测和自动化技术中最活跃的领域之一[1]。
物流配送自动化是商业时代物流技术发展的新成果，是体现企业竞争力的重要因素之一。一般来说，物流配送自动化系统包括自动化立体仓库系统、自动化传送系统、电子拣选系统和品质检验系统等几部分，主要用来完成产品的自动化传送、注册、质量及品质检测、出入仓库等工序。这种系统的使用有助于企业加快物品流通的速度和提升产品的品质[2]。
本文以用于实践教学的物流配送自动化仿真系统为例，介绍机器视觉技术在物流自动化领域的应用。
1 机器视觉系统构成和工作原理
1.1 机器视觉系统构成
机器视觉系统一般以计算机为中心，主要由视觉传感器、高速图像采集系统及专用图像处理系统等模块构成。其中，视觉传感器是整个机器视觉系统信息的直接来源，计算机是整个机器视觉系统的核心。图1所示为典型的机器视觉系统构成。
图1 机器视觉系统构成
1.2 工作原理
可以认为，一个机器视觉系统的工作过程就是一个能自动获取一副或多副目标物体图像，对所获取图像的各种特征量进行处理、分析和测量，并对测量结果做出定性分析和定量解释，从而得到有关目标物体的某种认识并做出相应决策的过程[1]。具体来说，图像传感器将摄取目标转换成模拟的视频信号并传送给图像采集系统，由该系统做模数转换和其它预处理后得到数字图像信号，然后由计算机和专用图像处理系统对这些信号进行显示和各种处理，最后根据预设的容许值和其它条件输出结果，计算机根据检测结果控制运动系统或执行相应的控制动作。
2 在物流配送自动化仿真系统中的应用
物流配送自动化仿真系统结构图如图2所示。
该系统主要模拟现代工业中典型的物流配送系统，以物流配送过程中普遍使用的各种传送带作为连接，集成现代物流配送应用中典型的功能模块，包括堆垛仓及其智能管理系统、产品识别和追踪如条形码识别、产品在线检测如形状识别、尺寸检测，以此进行物料自动拣选[2]。总控系统主要由三部分硬件组成：工业总线Profibus主站(其他工位各有一个Profibus从站)、传送带PLC和工控机(各工位上的工控机通过工业以太网与总监控器连接)，以及相应的继电器等电路部分。总控系统通过工业以太网与Profibus-DP现场总线实现系统监控，完成各工位的网络连接、指令和信息的传递、系统作业的协调控制、物料数据的管理。
在系统的各个物料检测与识别工位设计中主要用到了机器视觉技术，下面分别介绍机器视觉在系统各工位中的应用。
2.1 在条形码识别工位的应用
图2 物流配送自动化仿真系统结构图
对于物流传送带或生产流水线上的物料条码识别，传统的扫描器识别方法受条码印刷技术、印制材料以及条码本身的运动速度和角度的影响，识别率较低。基于机器视觉的条形码自动识别技术是利用高速CCD摄像机直接得到被测物料条形码的图像，然后送入计算机进行图像预处理，再通过条码读取、译码和校验来完成条码识别[3]。根据该物流配送仿真系统的物料所用条形码类别(EAN-13)，物料模型情况(如尺寸、大小等)，传送带速度，工作现场环境和本工位拟安装的位置和方式，确定了以下硬件和软件解决方案。
2.1.1 硬件结构与选型
系统硬件由一台工控机、摄像头、光源、图像采集卡和物料传送装置等组成。其结构图如图3所示。
图3 条码识别工位硬件结构图
硬件选型：
工控机：研华IPC-610L(内存：256M，CPU：PⅢ1.8G,)；
镜头：Kowa LM16JC，焦距16mm；
CCD摄像头：美国Uniq UM-201，1/2英寸，像素768×494；
图像采集卡：大恒图像卡DH-CG400；
光源：LED，波长630nm。
2.1.2 软件工作过程及功能
图4 条码识别软件流程图
在已有的硬件基础上，通过软件设计(软件工作过程如图4所示)完成以下工作：条码图像的采集，接着在图像预处理环节进行图像的几何校正、二值化处理和中值滤波去噪，定位条码然后根据条码编码特征进行条码的识读，并采用相似边距离测量法完成译码。采用相似边之间距离译码的优点是，即使条码符号的印刷存在缺陷或扫描不够均匀，使得实际测量值与理论值间有较大的偏差，仍然可以根据相似边距离正确的解释。
在物流配送自动化仿真系统运行时，本工位能很好地完成物料条码识别和记录工作，识别速度达到60/min，准确率99.9999％。
2.2 在形状识别工位的应用
本工位采用基于图像处理和识别的机器视觉系统进行物料形状识别，识别结果作为物料的特征参数输入监控计算机。根据该仿真系统所制作的物料模型的形状(三角形、长方形、矩形等)和系统工作现场的光照等情况，拟定了如下硬件和软件设计方案。
2.2.1 硬件结构与选型
该工位采用基于工控机的控制系统，系统硬件由数码摄像头、镜头、图像采集卡、工控机、定位装置和物料传送装置等组成。其结构图如图5所示。
图5 形状识别工位硬件结构图
硬件选型：
工控机：研华IPC-610L(内存：256M，CPU：PⅢ1.8G,)；
镜头：腾龙25HB，焦距12mm；
CCD摄像头：台湾敏通MTV-62VIP，1/2英寸，像素795×596(PAL)/811×508(NTSC)；
图像采集卡：大恒图像卡DH-CG300。
2.2.2 软件工作过程及功能
软件部分主要完成物料图像信息的获取，模板的建立及最终的形状识别和结果输出工作，其软件工作过程如图6所示。
图6 形状识别软件流程图
形状识别采用基于图像边缘特征的模板匹配方法，算法设计时注意了识别的实时性和准确性要求，并在程序编写时考虑了效率问题。具体设计如下：选择模板，采用Sobel算子提取模板图像和待搜索图像的边缘点作为匹配的特征空间，利用模板图像和搜索子图像对应点之间的梯度向量的点积之和来计算搜索图像上的某一个搜索位置与模板的匹配程度(定义如式1所示)，并运用粗精结合的快速搜索策略提高匹配速度。
(1)
2.3 在尺寸检测工位的应用
机器视觉物料尺寸检测是通过高速CCD摄像机直接得到被测物料的图像，然后送入计算机进行图像预处理、标件学习进而完成物料尺寸的测量[4-5]。依据该物流配送自动化仿真系统的物料模型情况(如尺寸、大小等)，传送带速度，工作现场环境和本工位拟安装的位置和方式，我们确定了以下硬件和软件解决方案。
2.3.1 硬件结构与选型
本工位采用基于工控机的控制系统，系统硬件由工控机、摄像头、图像采集卡、定位装置和物料传送装置等组成。其结构图如图7所示。
图7 尺寸检测工位硬件结构图
硬件选型：
工控机：研华IPC-610L(内存：256M，CPU：PⅢ1.8G，)；
镜头：腾龙25HB，焦距12mm：
CCD摄像头：台湾敏通MTV-62VIP，1/2英寸，像素795×596(PAL)/811×508(NTSC)；
图像采集卡：大恒图像卡DH-CG300；
光源：LED，白光。
2.3.2 软件工作过程及功能
图8 尺寸检测软件流程图
软件工作过程如图8所示。本工位的软件部分包括图像采集、预处理、定位、标件学习和尺寸检测等。其中，标件学习和尺寸检测为软件设计的关键点。标件学习主要通过建立模板的方法确定适合物料的边缘检测框和圆弧检测框，在此基础上通过手动设定框的位置和大小，然后利用设置好的检测框对图像进行尺寸测量[6-7]。其中，在对尺寸大小相近的每一类物料进行尺寸检测时，只需进行一次检测框的手动设定既可。
3 结束语
随着机器视觉技术的成熟和企业对产品生产流通过程中质量管理要求的提高，机器视觉将日益成为生产自动化和物流配送领域不可缺少的一门技术，它的广泛应用不仅提高了企业的生产效率和产品质量，同时也加快了企业的产品流通速度[10]。文中介绍的基于机器视觉的物流配送自动化仿真系统现已被用于实践教学，它能很好地完成物料条码、形状识别及尺寸检测等实践教学任务。
标签：机器视觉论文; 仿真软件论文; 物流配送论文; 图像尺寸论文; 软件论文; 软件过程论文; 物流条码论文; 结构图论文;