輪轂智能分揀系統的設計與實現

楊 云，張志芬

（濱州學院，山東 濱州 256603）

隨著汽車數量急劇增多，輪轂的需求量也越來越大。為了改變輪轂生產線上傳統人工識別分類及手動分揀方式，輪轂智能識別分揀系統得到了越來越廣泛的應用。該系統可以自動識別輪轂生產線上不同類型的輪轂，并按類型將輪轂分揀到不同的分傳送帶上。

輪轂智能分揀系統通過CCD攝像機或其他攝像設備自動拍照獲取輪轂圖像，然后對圖像進行預處理，再從處理后的輪轂圖像中提取出輪轂的主要典型特征，接著利用模板匹配的方法對輪轂進行自動識別以進行分類，然后系統再通過IO模塊將分類結果指令發送給控制系統，控制系統根據接收到的指令通過氣缸驅動推桿將輪轂按類型推入不同通道，實現輪轂的在線自動分揀操作。

1 系統框架

該輪轂智能分揀系統主要由圖像采集模塊、圖像預處理模塊、特征提取模塊、識別模塊和分揀操作模塊這五個模塊組成。圖像采集模塊主要實現對傳送帶上采集位置的輪轂的自動拍照，獲取輪轂照片；圖像預處理模塊主要實現對采集到的輪轂照片進行去背景、灰度化、去除噪聲及去除邊緣毛刺等一系列操作；特征提取模塊主要實現提取出能區分各種類型輪轂的典型特征，如輪轂的輪廓、圓心及半徑，輪輻的個數及形狀等；識別模塊主要利用模板匹配的方法來區分各種不同類型的輪轂，實現輪轂類型的自動識別；分揀模塊主要由控制系統根據識別結果控制相應氣缸驅動推桿，將輪轂按類型推送到不同通道上，實現輪轂的智能分揀。該系統框架圖如圖1所示。

圖1 系統框架圖

該系統的五個模塊分工合作、互相配合，共同實現了輪轂的自動識別及智能分揀的功能。

2 系統結構

在如圖2所示系統結構圖中，輪轂在主傳送帶上從左往右按照固定的速度不斷傳送，當到達檢測區域時，觸發光電傳感器，傳感器發送信號給控制系統，控制系統發出指令控制橫擋板降下，將到達該區域的輪轂攔截，并啟動攝像頭自動進行拍照，相機將所拍攝到的照片傳給計算機，計算機通過各種圖像處理算法對圖像進行圖像預處理、特征提取等各種操作后根據一定匹配算法識別出輪轂類型；然后控制系統根據計算機傳送來的類型信號控制相應的氣缸來驅動推桿，將輪轂推送到不同的通道上，從而實現輪轂的自動分揀。

圖2 系統結構圖

3 主要功能實現

3.1 圖像采集

在進行輪轂圖像采集時，為了能滿足現場實時識別的環境要求，需消除背景干擾和光照不均勻等產生的不良影響[1]，并且要保證拍攝到的輪轂照片具有較好的對比度、足夠的分辨率以及清晰的輪轂圖像，所以系統中選用與輪轂顏色對比度比較大的純色背景、具有穩定性的環形光源以及靈敏性和穩定性都比較高的CCD相機[2]。在對輪轂拍照時要使輪轂處于相機拍照范圍的中間，拍照位置要固定，光源亮度也要穩定[3]。

當傳送帶上有輪轂到達檢測區域經過光電開關時，光電傳感器檢測到輪轂信號后產生電壓信號發送給控制系統，控制系統接收到脈沖信息后發出控制信號，將橫擋板降下攔截輪轂，并給光源和CCD相機發出指令，觸發光源、啟動相機進行拍照，拍照后相機將采集到輪轂光學信號轉化為電信號傳送給計算機。采集到的輪轂原始圖片如圖3所示。

3.2 圖像預處理

在輪轂圖像采集過程中，由于相機本身特點或光源不穩定等一些外部因素，以及輪轂本身有毛刺等內部因素，會對采集到的圖像產生一定的干擾，使圖像含有一定的噪聲，而且圖像不清楚。為了減少圖像識別的時間、提高識別的準確率，在進行識別之前需要對原始的輪轂圖像進行一些處理。系統中主要進行去除背景、灰度化、去除噪聲及去除毛刺四個預處理操作，通過圖像預處理操作后可以使輪轂圖像的特征更明顯。

（1）去除背景

由于在輪轂照片采集時，會把輪轂周圍的背景環境也拍攝進來，會對圖像產生干擾，不利于特征提取，所以需要去除輪轂背景。系統中通過對輪轂原始圖像與背景圖像對應位置的像素點的亮度值進行圖像的減法運算的方法[4]，可以把輪轂圖像的背景去掉，從而把輪轂的目標圖像從背景中提取出來。

（2）圖像灰度化

去除背景后的輪轂圖像是彩色圖像，為了減少圖像處理的數據量及處理時間，可以把彩色圖像轉化成不含色彩信息的灰度圖像。系統中通過對彩色圖像中的GRB值進行加權平均值的計算來進行灰度化處理?；叶然笤瓉韴D像的紋理、色度和亮度等信息仍可以很好的保留。

（3）圖像去噪

對輪轂拍照時由于外部因素的影響，會使輪轂圖像產生一些能使輪轂邊緣曲線斷開或者把邊緣以外的邊緣也檢測進來的隨機分布的圖像噪聲，會影響輪轂特征的提取。因此需要消除輪轂圖像的噪聲[5]。系統中使用中值濾波的方法，通過計算圖像中某一個點附近的一個區域中各個點值的中值，用這個中值來代替這一個點的值的方法，對圖像進行非線性濾波來去除噪聲。這種方法可以消除孤立的噪聲點，但不會使圖像邊緣變模糊，能很好的保留輪轂邊緣的完整信息，有利于后面模板匹配分類方法的使用。

（4）毛刺處理

毛坯輪轂的圖像邊緣會有一些隨機分布的毛刺，可以通過形態學的基本運算方法來去除毛刺，改善圖像的質量。膨脹可以把圖像周圍鄰近的點連接到目標圖像中，使兩個圖像合并成一個圖像；腐蝕可以把兩個圖像之間較小的連接去掉，使兩個圖像分開[6]。系統中通過反復使用先腐蝕后膨脹的開運算和先膨脹后腐蝕的閉運算來去除圖像毛刺，使圖像邊緣光滑。

輪轂原始圖像經過預處理后的效果如圖4所示。

圖3 輪轂原始圖片

圖4 處理后的圖片

3.3 特征提取

圖像識別是通過圖像的典型特征來區別不同圖像的，在識別前需要先提取圖像的典型特征。系統中主要提取了輪轂的外圓邊緣、圓心和半徑、輪輻個數及形狀這四個典型特征。

（1）輪轂外圓

本系統中利用Canny邊緣提取算法可以精確的檢測輪轂的邊緣，將提取出的輪轂邊緣信息聚集到圖像空間點集中，然后根據Hough變換原理，在選取了一定的步長之后，以步長為基準進行多次的選點擬合，將點集中的點一個個帶到參數空間，把集合中的點映射到相應的參數空間中，實現點和參數空間中的點的對應，然后對參數空間中的各個點進行累加計算，把累加結果最大的值作為輪轂外圓的邊緣[7]，這樣就提取出了輪轂外圓的邊緣。

（2）輪轂圓心及半徑

根據圓周上任意兩條不平行弦的中垂線一定相交于圓心的幾何性質，系統中在圓周上任意選取了三個點，再以這三個點為端點做了圓的兩條不平行的弦，然后再分別做這兩條弦的中垂線，則中垂線的交點就是圓心，這樣得出了外圓的圓心位置[8]。最后根據圓周信息和圓心位置計算出了圓的半徑，這樣就得到了輪轂圓心及輪轂的半徑。

（3）輪輻個數

系統在判斷是否是輪輻時采用了圓形遍歷計數的方法。系統中根據有輪輻位置和沒有輪輻位置的圖像像素是不同的來確定當前位置是否有輪輻。在檢測輪輻時，從上一步確定的輪轂圓心位置開始遍歷輪轂的圓周像素，檢測圓周像素的亮暗情況，當檢測到像素值發生了突變，比如從255變成了0或者從0變成了255，這樣就判定出該位置處是輪輻，把輪輻計數加1，計數最后的值就是輪轂的輪輻個數[9]。

（4）輪輻形狀

系統中利用微分方法根據輪輻位置像素的弧度計算出輪輻的寬度，確定出輪輻形狀。

3.4 類型識別

系統經過對采集到的原始圖像進行圖像預處理、典型特征提取出后，利用模板匹配的方法進行識別分類。

使用模板匹配進行識別分類時，首先確定好圖像用于匹配的區域，并獲取這些區域，然后創建模板，最后進行比對來匹配模板。其算法描述如下：首先確定待識別圖像的匹配區域是整個輪轂，然后遍歷待識別的圖像，在待識別圖像中查找并定位和預先設置好的圖像模板相同或相似的區域，比較各處與模板是否相似，計算出兩者之間的相似度，當相似度高于設定的閾值時就可以認為模板圖像在待識別圖像中出現，這樣就找到了目標，也就是該待識別圖像是屬于這個模板的，可以判定輪轂屬于這個類別[10]，從而確定出輪轂的類別，實現輪轂的自動識別。識別結果如圖5所示。

圖5 識別結果

3.5 自動分揀

分揀模塊主要實現按類型對輪轂進行自動分揀的操作。分揀模塊主要通過IO模塊與控制系統進行實時信息傳輸，通過氣缸驅動推桿對輪轂進行推送實現自動分揀，其中氣缸是實現輪轂分揀的主要推送執行裝置。初始時氣缸處于原位。當輪轂被識別確定類型后，控制系統根據傳送過來的類型信號決定把輪轂傳送到哪一個分揀道口。當輪轂到達相應道口位置時，通過該分揀道口位置的光電傳感器發送給控制系統一個輸入信號[11]，控制系統控制相應的升降氣缸降下阻攔擋板來攔截傳送帶上的輪轂，使輪轂停在相應道口位置；此時傳送帶推出氣缸將主傳送帶上的輪轂迅速推出主傳送帶，改變輪轂在主傳送帶上的運行方向，把輪轂推送到相應的分揀道口，然后傳送帶推出氣缸縮回；在每個分揀道口也都配有定位機構，定位機構通過光電傳感器檢測當前道口是否有輪轂，若檢測到當前道口有輪轂則道口推出氣缸彈出，道口推出氣缸驅動推桿將在道口位置的輪轂從道口推入到該通道，由于通道本身具有一定的傾斜度，進入道口的輪轂依靠自身的重力可以從該通道向下滑動到相應區域，最后道口推出氣缸縮回。這樣不同的輪轂就被輸送到不同的通道，實現了輪轂的自動分揀。系統分揀結構圖如圖6所示。

圖6 分揀結構圖

4 結論

該輪轂智能分揀系統通過對主傳送帶上的輪轂進行自動拍照，對原始輪轂圖像進行去除背景、灰度化、去除噪聲及去除毛刺等一系列的圖像處理操作后，提取出輪轂的外圓邊緣、圓心位置及半徑長度和輪轂的輪輻個數及形狀這些典型特征，通過模板匹配的方法實現了輪轂的自動識別；然后通過控制系統控制相應的氣缸來推動推桿將輪轂推送到相應的通道中，實現了對輪轂的自動分揀。系統通過自動識別及分揀實現了輪轂生產線上輪轂的智能分類，該系統在識別及分揀的實時性和準確性方面都能滿足企業要求。