王银明 张 丹

分拣作业是食品、医药生产的重要环节，在工业、煤炭等领域也有应用。目前大部分中小企业依然采用人工分拣的方式，不但分拣效率低、劳动强度大，而且容易造成二次污染。因此，学者们采用高精度、高灵活性的并联机器人，并结合自动控制、机器视觉等技术，开发自动分拣系统，替代人工完成复杂的识别、抓取、搬运、装箱等作业[1-2]。顾涵等[3]开发了食品分拣系统，最大抓取速度达到150次/min，漏抓率小于0.1%，误抓率小于0.05%。陈永平等[4]开发了传送分拣系统，分拣效率可达到60个/min，漏抓率小于0.2%。姚学峰等[5]基于改进NURBS曲线插补算法，将食品分拣机器人的运动时间从3 230 ms降低到3 070 ms。王秋红等[6]开发了块状食品分拣系统，定位偏差仅为0.20 mm。包光旋等[7]开发了智能分拣系统，分拣成功率在96%以上，识别率为100%。陈亚琳等[8]、贾超广等[9]分别开发了袋装食品分拣系统，每分钟能够分拣120包袋装食品。赵鹏宇等[10]开发了法兰轴承的分拣系统，识别率在99%以上，识别速度为110 ms左右。商德勇等[11]开发了煤矸分拣机器人，大大提高了分拣效率。赵鹏宇等[12]改进了目标识别算法，该算法的定位精度达到并联机器人的抓取要求。代慧等[13]为了提高抓取、码放包装物品的精度与稳定性，建立了并联机器人的动力学模型。

目前大多分拣系统针对合格产品进行抓取，视觉系统的作用大多为跟踪定位。而实际上，大多产品都可能出现残缺品，后续如果重新安排人工分拣进行剔除，分拣效率将大打折扣。由于残缺品的缺陷种类、形状、大小各不相同，识别残缺品的算法比识别合格品的算法复杂很多。程子华[14]开发了残缺饼干分拣系统，对残缺饼干的识别准确率达到100%。陈立辛等[15]基于深度学习的图像处理算法，开发了花生米缺陷分拣系统，对缺陷花生米的识别准确率达到98.71%，抓取耗时为0.61 s。饼干、花生米这类食品的缺陷较为简单，而火腿等肉制品因黏度高，容易粘附混入异物，也可能粘附包装导致折痕，因此缺陷识别难度更大，目前尚未出现识别火腿等肉制品缺陷的分拣系统。研究拟基于Delta并联机器人，开发一种能够识别单片装火腿缺陷的分拣系统，以期实现单片装火腿识别、抓取、搬运、分拣、剔除的连续化作业。

1 并联机器人数学建模与优化设计

所采用的Delta并联机器人是一个结构简单的2自由度平面并联机器人，其运动学、动力学特性是分拣系统的关键，直接影响分拣的速度与精度。为了建立运动学和动力学模型，将机构简化为平面5杆铰链机构，以A1A2线段的中点O为原点，以A1A2所在直线为x轴，水平向右方向为x轴正方向；以垂直于A1A2的直线为y轴，竖直向上方向为y轴正方向，建立xOy平面坐标系，如图1所示。

1.1 运动学模型

e. 主动关节与原点的间距 H. 原点到工作空间的距离 b、h. 工作空间的宽度、高度 l1、l2. 主动臂、从动臂的杆长 ui、wi. 主动臂、从动臂的单位向量 θ1i、θ2i. 主动臂杆、从动臂杆与x轴的夹角图1 Delta并联机器人简图Figure 1 Diagram of Delta parallel robot

(1)

式中：

Ai=-2l1y；

Bi=-2l1[x-sgn(i)e]；

反之，给出关节变量θ，求解机器人末端位姿矩阵r，得到位置正解方程，如式(2)所示。

(2)

式中：

D=-[2e+l1(cosθ11-cosθ12)]；

E=-l1(sinθ11-sinθ12)；

F=el1(cosθ11+cosθ12)；

1.2 动力学模型

假设Delta并联机器人为理想运动副，并将动平台、末端执行器和负载的质量全部折算到点P，而且忽略从动臂转动惯量，并将其质量按静力等效原则以1∶2的比例简化到动平台和主动臂两端。结合机器人的结构特点，构建简化刚体动力学模型，如式(3)所示。

τ=τa+τv+τg，

(3)

式中：

τ——驱动力矩，τ=(τ1τ2)T；

τa——惯性力矩，τa=(mJ-T+IAJ)a；

τv——离心力矩，τv=IAf；

τg——重力力矩，τg=mArAg(cosθ11cosθ12)T+mgJ-T(0 1)T；

m——动平台的等效质量，kg；

a——点P的加速度矢量，m/s2；

IA——主动臂(含等效质量)相对于其转轴的转动惯量，kg·m2；

mArA——主动臂(含肘架和从动臂等效质量)对其转轴的质径积，kg·m；

J——雅可比矩阵；

f——与速度有关的函数，s-2。

歌手陈奕迅年初参加某活动，一个粉丝高呼“游泳健身要不要了解一下”，现场画风特别喜感。正是如此，这句话渐飙升成为当下最恶毒又带点玩笑口吻的问候，比如吐槽别人太瘦了你可以说汉堡奶茶了解一下、吐槽青蛙旅行不听话的呱儿子你可以说干锅牛蛙了解一下等等。

1.3 评价指标

由于机构频繁地加速与减速，所以惯性力矩τa与离心力矩τv对驱动力矩τ的贡献较大，所以定义惯性项与速度项两类动力学性能评价指标，计算公式：

τaG=maxr∈Wtmax[σaimax(Mi)]i=1,2→min，

(4)

τvG=maxr∈Wtmax[σvimax(Ni)]i=1,2→min，

(5)

(6)

(7)

(8)

式中：

αi——链内压力角，°；

β——链间压力角，°；

l1、l2——主动臂、从动臂的杆长，mm；

ui、wi——主动臂、从动臂的单位向量。

1.4 约束条件

e≥emin。

(9)

为了尽量紧凑，设定工作空间与机构尺寸满足式(10)。

b=2(e+l1)。

(10)

根据极限位形，设定装配条件满足式(11)。

(11)

为了机构具有良好的运动传递性能，αi和β在全域工作空间内的最大值应不超过一定上限，引入式(12)与式(13)的运动学性能约束。

αmax=maxr∈Wtmaxi=1,2(αi)≤[α]，

(12)

βmax=maxr∈Wtβ≤[β]。

(13)

1.5 优化设计

为了获得Delta并联机器人最优的设计尺寸，基于上述的数学模型，结合评价指标与约束条件，对Delta并联机器人进行尺寸优化，该问题实质上是受约束的多目标优化问题，可调用MATLAB优化工具箱中的多目标优化算法求解。在满足上述约束条件下，利用MATLAB优化工具箱，以τaG与τvG为指标进行多目标优化，寻找Delta并联机器人最优设计参数，可得最优解如表1所示。当e为0.075～0.150时，每间隔0.025优化一次，每次优化都能收敛，从而获得合适的杆件尺寸，使力矩指标τaG与τvG达到最小，进而为选用小转矩电机奠定基础。不过考虑到一般减速机的实际尺寸，选择e=0.125 m的一组最优解作为最优尺寸参数，l1、l2、H的尺寸随之确定。

表1 优化结果Table 1 Optimized results

图2 Delta并联机器人的路径轨迹Figure 2 Path trajectory of Delta parallel robot

2 分拣系统总体设计

2.1 总体设计原则

考虑到食品分拣的工艺特点，食品分拣设备应满足以下几个设计原则：

(1) 系统简单化。因为组件过多将增加控制难度，所以尽量采用一台并联机器人与一套视觉系统实现食品识别、抓取、搬运、分拣、剔除等操作，以降低结构的复杂程度。

(2) 系统柔性化。为了适应不同种类与不同规格的食品，分拣设备应具备一定兼容性，例如并联机器人末端夹持器可根据食品种类与规格进行人为更换。

(3) 损伤最小化。在识别、抓取、搬运、分拣、剔除等各个环节，分拣设备均应避免破坏包装、污染食品等。例如，采用工业相机进行视觉检测，而不采用某些化学检测方法；采用真空吸附方式，而不采用机械抓取方式。

2.2 机械结构设计

基于Delta并联机器人，开发了单片装火腿分拣系统平台，如图4所示。该分拣系统平台由6部分组成：① 铝合金框架，整体尺寸为1.3 m×0.9 m×1.8 m，支撑所有机械与电子元件；② Delta并联机器人，工作空间为1.0 m×0.25 m，最大有效负载为3 kg，重复定位精度为±0.1 mm，最大水平加速度为150 m/s2，最大垂直加速度为75 m/s2；③ 末端执行器，为真空吸盘，执行吸附、搬运、放置动作，能够同时处理6个单片装火腿，真空吸盘可吸附100～500 g重物，而且可人为更换；④ 传送带，长2 m，用来传送单片装火腿；⑤ 由德国Basler公司aca1920-40gc型号的CMOS相机和LED阵列组成的视觉系统，能够快速、精确地提取单片装火腿的特征；⑥ 提升机构，可上下升降、左右移动；⑦ 触摸屏监视器，显示图形用户界面(GUI)，包含分拣工艺过程数据。

图4 单片装火腿分拣系统平台Figure 4 Sorting system platform of single-piece ham package

2.3 控制系统设计

控制系统包括硬件部分和软件部分。硬件部分主要由工控机与运动控制器组成，如图5所示；软件部分主要由分拣控制系统和视觉控制系统组成。系统采用上下双层控制方式，上层(上位机)以工控机为核心，负责图像处理、人机交互、系统通信等任务，完成对单片装火腿的识别、跟踪、定位。下层(下位机)以运动控制器为核心，通过USB接口与工控机通信，它一方面接收来自红外传感器的激活数字信号，另一方面发送信号控制传送带速度、并联机器人的运动和提升机构的移动，完成单片装火腿的吸附、搬运、分拣、剔除作业。系统电源为220 V交流电，通过驱动器为电机供电，采用12 V AC/DC电源适配器为运动控制器、红外传感器等供电，通过USB接口为相机、鼠标、键盘等供电。

图5 控制系统硬件Figure 5 Hardware of control system

2.4 图像处理算法

视觉系统的图像处理算法直接影响缺陷识别的准确度，图像处理算法流程如图6所示。① 采集1幅RGB格式的图像，并将图像上6个单片装火腿分割成6幅单独的图像；② 对每幅图像依次进行高斯滤波、中值滤波处理，在图像最大化并减少噪声影响的同时，保留图像细节；③ 将RGB空间转化为HSV颜色空间；④ 基于单片装火腿的颜色谱设置合理的阈值，在HSV空间中完成对图像的阈值分割；⑤ 将分割完成的HSV颜色空间图像，转换到灰度空间得到灰度图像，并二值化灰度图像；⑥ 对图像进行形态学闭运算，检测是否存在异物缺陷；⑦ 如果不存在异物缺陷，还需采用Canny算子对图像进行边缘检测，并通过霍夫变换检测包装上的特征，检测是否存在折痕缺陷。

不论是检测到异物缺陷还是折痕缺陷，算法都将返回一个2×3的数组，记录缺陷包装在该数组中的位置，后续由机器人剔除出去。

图6 图像处理算法流程Figure 6 Flow of image processing algorithm

2.5 系统工作流程

食品分拣系统工作流程：控制系统上电后，程序进行初始化处理，完成开机准备工作；视觉系统程序采用不断循环的方式，当传送带上的单片装火腿进入作业区域时，工业相机拍照采集图像，并将图像传送给工控机，工控机通过图像处理算法识别异物、折痕等缺陷，并跟踪、定位缺陷包装的位置；然后通过运动控制器驱动并联机器人，机器人将按照最优路径运动，进行食品吸附、搬运、分拣、剔除等操作；最终，将有缺陷的单片装火腿放入废弃箱，将无缺陷的单片装火腿放入包装箱，实现单片装火腿的分拣作业。

为了便于操控与监管，基于python语言开发了一个人机交互图形化用户界面GUI，如图7所示。通过这个界面，操作者可以输入单片装火腿的数量与规格、包装箱的数量与大小，还可以设置传送带的速度等。此外，该界面还可以对分拣过程进行实时监管，并存储已剔除的缺陷产品数量、已完成包装箱数量、生产进度等数据，创建一个包含所有存储数据的Excel报表。所有数据均可以通过本地网络进行处理和发送，用户可以登陆连接到本地网络的计算机进行访问。

3 实验验证

为了验证分拣系统的有效性，对100 g的单片装火腿开展分拣实验，并故意放入一些带有异物缺陷与折痕缺陷的单片装火腿。实验是在室内环境下进行，将光源位置与光照强度调整到位并保持不变。实验结果表明，该系统能够准确、快速地识别异物缺陷与折痕缺陷(图8)，而且因为室内照明可控，不受户外光照影响，系统识别率高达95%；而且该系统还能够准确、高效地分拣单片装火腿，分拣成功率达到98%，分拣效率为160包/min。因此，该系统能够满足火腿加工企业的分拣作业需求。

图7 人机交互图形化用户界面GUIFigure 7 Graphical user interface (GUI) for human-computer interaction

图8 识别异物缺陷与折痕缺陷Figure 8 Identification of impurities and creases

4 结论

以Delta并联机器人为基础，结合自动控制、机器视觉等技术，设计搭建了一种能够识别单片装火腿缺陷的分拣系统。该系统能够成功识别异物缺陷与折痕缺陷，识别率高达95%；分拣成功率达到98%，分拣效率为160包/min，能够准确、高效地分拣单片装火腿，证明了经过深入学习后的视觉识别分拣系统不仅可以用于识别、抓取合格食品，还可以识别、剔除残缺品，因此能够满足火腿加工企业的分拣作业需求。但试验仅限于识别异物缺陷与折痕缺陷，对于更多缺陷种类的识别还有待深入研究。