周宝玲 陈怀琪 郭涛

摘要：在我国工业企业生产过程中，最常见的生产形式就是流水线式生产，物料分拣工作是其中一个非常关键的环节。在重复性大且精度要求高的工业生产过程中，人眼已经无法满足工业效率和生产质量，随着对生产效率要求的提高，投入具有反应快、体积小和灵活性好的机器视觉物料分拣系统尤为重要。基于此，进行了基于机器视觉工业物料分类及检测系统设计。采用来自德国MVTec公司的专业机器视觉软件Halcon进行开发机器视觉系统，以微软的Visual Studio 2013为开发平台，以实现工业上物料分类及其检测系统，涵盖物料精准测量以及物料缺陷检测等工业上所常见视觉需求。管理人员只需简单地添加所需检测物料视觉特征即可完成对检测系统的信息配置，形成生产数据记录存储于Excel表格，便于日常管理及追溯。该系统的开发降低了高额的人工成本，实现轻量级、高效率、能适应较差环境等特点的机器视觉物料分拣系统设计。

关键词：机器视觉;Halcon;图像处理;物料分拣

基于机器视觉的分拣系统推动着新技术的发展，它是一个快速发展并具有无限潜力的领域。在当今的工厂环境中，生产设备的高速运转往往存在着潜在的危险和一些不可抗拒的因素，它会对工人的身心健康造成不可逆转的损坏;同时随着制造型产业规模的不断扩大和其生产质量要求的提高，人工检测筛选将难以满足要求，机器视觉物料分拣系统的出现正好弥补这一空缺，它提高了生产检测效率和识别精度，降低目前高额的人工费用，使自动化程度进一步提升。

在机器视觉的稳定发展下，工业的物料分拣系统也逐渐完善，但以目前市场的视觉系统来看，仍然存在以下问题：

1）工业物料上的变形或粘粘在一起产生虚假信息，工业物料在大批量生产中，难免会因为机械结构故障或生产环境条件等因素造成的工业物料变形或表面附着脏污，此时的分拣系统将无法识别此等信息，从而造成分拣系统的异常。

2）在提升视觉流程运行的速度时同时要兼容分拣的精度和误判率，即为庞大的数据处理量与视觉图像处理分拣速度的主要矛盾。

3）其他物料分拣视觉软件因为算法单一的不可靠性会受环境的波动而精度受到很大的干扰或分拣信息受到较大的影响，致使视觉软件产生误判等异常功能。

4）物料分拣视觉软件通讯方式限制，传统的通讯是控制端与PC端進行串口（RS232）通讯格式进行数据交互，PC端需要不断地向控制端监听其信号触发，此种方式容易造成数据交互损失或数据堵塞，被迫整个流程时间加长。

5）通过物料分拣系统检测出的数据不规范或信息单一无说明等，使得物料系统人员难以查询物料分拣情况和对物料来去源等数据管理和追溯。

本文主要针对工业分类检测设计了一种可根据用户需求变动且适用性强的系统，做到无需类似传统生产的换工件需要更换硬件的目的。现今结合图像处理方面技术，可设计出一种满足市面工业检测要求的低成本、小型化和简单化的工业物料分类及检测系统。

本设计是基于机器视觉分拣技术，主要结构组成有硬件和软件两个部分。硬件部分主要组成有光学镜头、常见的传感器、通讯交互接口、机械支架、工业相机和视觉光源设备组成。软件部分主要是基于市面流行的Windows系统之上，采用机器视觉软件Halcon进行图像处理和算法开发，利用PC端通讯交互的接口;由于算法的应用性强，客户端可针对用户需求更改参数和物料特性方式进行相应视觉功能调整。系统设计架构设计图如图1所示：

（1）视觉光源。对一个稳定性好的机器视觉分拣平台系统来说，整个系统是否稳定、可靠的关键在于工业光源和照明结构设计的搭配，其包含光源的安装高度、发光源的发光面积及角度和针对不同材质的光源类型;合理的照明设计与视觉光源的配合效果是能够将用户所需求的物料特征点凸显出来，并将无关变量和干扰物特性减少或磨灭，使得物料的关键特性与背景形成良好的对比度，对于机器视觉算法来说，这将极大地降低算法难度和视觉开发周期。其中LED光源以发光量足、能耗低、效率高等优点广泛应用于工业视觉的照明系统，

（2）光学镜头。光学镜头在视觉系统的定位相当于人类眼睛中的晶状体，是与工业相机配合的不可或缺的工件，其主要的性能指标有焦距、光圈、工作距离、视场角、后截距、分辨率、景深、接口等。

（3）工业相机：相机是机器视觉中最重要的组成结构，是由它提取外界呈现的信息，分为CMOS和CCD，CMOS类型成本较低，呈现效果不俗等特点在自动化厂商广泛应用，CCD价格较为昂贵，但对于拍摄高速运动的物体是最佳选择，针对不同场景有不同的相机类型应对，不同品牌价格也各有差异。

机器视觉系统：用图2表示机器视觉系统从数据架构的角度来看，首先是对外界信息原始数据的提取，其具体一定的特征度量，市面上的工业检测中，它包括被测物体的像素面积、像素长宽、角度及像素点阵等。在特征经过度量之后，这些特征量即传输至模式分类器进行决策运算，决策规则一般即为视觉核心，同时作为视觉图像算法，根据用户要求从而确定被测体的类别属性。

本设计中选择德国专业视觉软件Halcon的原因在于此软件是因为它具有针对分拣系统自己独有的稳定算法，也是世界上公认具有最佳性能的机器视觉软件，在工业自动化中十分常见。在现实操作的软件过程中，在也可将此软件认为是集成一系列图像处理算法库的视觉软件，其囊括了视觉处理常见的图像增强、灰度变换、图像的几何变换、图像频域转换、图像匹配、形态学、图像分割、图像复原等基本的图像处理算法，并此软件对上述算法做了归类并优化成熟，Halcon强大的计算处理能力使得其应用范围几乎没有得到限制，可以在任何场合进行应用，包括医药、安防及遥感等各种自动化检测行业。编写完成的Halcon代码可以直接生成C#语言导入至微软的Visual Studio开发平台，更支持Linux、Solaris等操作平台，使得面对对象更加广阔，具有很大的发展前景。

本设计的工业物料分类检测内部编程思路分为系统内部参数的初始化，主线程控制各分支线程的执行，互相监控，相机采集分为单独线程模式保证软件的流畅与不丢帧，采集之后的图像数据给算法线程做单独运算，运算完毕后的数据结果传递至界面显示，上述过程为异步进行，为软件的运行做加速，期间根据用户请求的指令优先进行对数据进行处理。

该设计通过最后的研究与算法分析，并且选择相对应合适的算法，同时在软件上对现有的物料添加模板，对所有的功能模块进行了测验与改善，设计出最终的成本效果。

启动工业物料视觉物料分类软件，软件将自动创建通讯以及记载视觉所需文件，调整好视觉平台。软件检测界面单次运行为人工手动信号，可直接看到视觉处理效果，便于测试与验证。当管理员登录后，点击连续运行，则需要外界触发相机拍照信号的配合。随着后台自动进行视觉处理，数据与图片在触发信号后将保存至本地。

信号触发正常，工作稳定，且信号触发到视觉处理的时间能控制在300ms以内。

针对工业分类检测设计了一种可根据用户需求变动且适用性强的系统，做到无需类似传统生产的换工件需要更换硬件的目的。结合图像处理方面技术，设计出了一种满足市面工业检测要求的低成本、小型化和简单化的工业物料分类及检测系统。

参考文献：

[1]杨戈.基于机器视觉的机械零部件精密测量系统设计与开发[D].南京信息工程大学，2013

[2]唐向阳，张勇，李江有.机器视觉关键技术的现状及应用展望[J].昆明理工大学学报（理工版），2004（02）

广州市科技计划项目（201804010134）、广东省普通高校特色创新项目《（2014KTSCX203）和广东白云学院科研项目（BYKY2016Z1）;广东白云学院控制科学与工程重点学科建设（编号：2440306）。

周宝玲（1976-），女，汉族，籍贯：河北唐山，工程师，学士，研究方向：自动控制。