基于機器視覺的解包取膜系統(tǒng)改良設計

張德超

（吉林煙草工業(yè)有限責任公司長春卷煙廠， 吉林長春 130031）

0 引言

機器視覺技術是實現(xiàn)儀器設備精密控制、智能化、自動化的重要途徑。 隨著智能制造相關技術的不斷發(fā)展以及煙草行業(yè)生產制造技術改進的不斷深入， 目前機器視覺技術在煙草行業(yè)也得到了越來越多地應用， 如煙葉除雜[1]、卷煙接裝紙測量[2]、煙用包裝膜磨損程度測定[3]等方面，并都取得了良好的經濟效益。

解包段是煙草制絲的重要工序， 主要是利用自動化設備自動去除煙包的束帶、紙箱及薄膜從而進入切片、回潮等工序。 目前廣泛采用機器人抓取的方式去除塑料薄膜，為了保證成功率，大多選擇重復抓取動作1～2 次。 然而這樣不僅導致取膜工作效率低下， 還會經常出現(xiàn)取膜失敗的問題，因此現(xiàn)場還需工人輔助。

本文設計了一種基于機器視覺的解包取膜系統(tǒng)改良方案，使用工業(yè)相機獲取膜工位的煙包圖像，利用機器視覺算法識別薄膜是否存在，從而探索如何通過機器視覺準確識別煙包薄膜，并與解包線PLC 及機器人控制系統(tǒng)進行有機結合，當檢測到煙包無薄膜時，則煙包直接進入下一工位，否則重復抓取動作，從而達到提高工作效率的目的。

1 系統(tǒng)總體設計

檢測及控制系統(tǒng)應用于制絲解包生產線上， 完成對煙包薄膜的檢測和抓取工作。 根據(jù)實際生產的要求，該檢測系統(tǒng)要求具備以下特征：

（1）被檢測煙包上平面尺寸約為1100mm×700mm。

（2）煙包到達工位后觸發(fā)拍照，檢測薄膜是否存在。

（3）當檢測到存在薄膜時，控制機械手執(zhí)行抓取動作，執(zhí)行完畢后重新拍照檢測，否則直接進入下一工序。

（4）每檢測一次，打印出檢測結果，并將圖像信息保存到數(shù)據(jù)庫當中，方便用戶今后的管理和查詢。

根據(jù)以上對需求的分析， 該檢測系統(tǒng)一方面通過TCP 協(xié)議與PLC 實時通信，獲取煙包到位信號，然后利用工業(yè)相機采集煙包圖像，并對其進行圖像的分析處理；另一方面與機器人控制器進行通信，完成薄膜的抓取工作。上述處理流程見圖1。

圖1 系統(tǒng)整體工作流程

2 硬件系統(tǒng)的設計與實現(xiàn)

一個典型的工業(yè)機器視覺應用系統(tǒng)包括攝像機、光源、圖像數(shù)字化模塊、數(shù)字圖像處理模塊和機械控制執(zhí)行模塊等。 該系統(tǒng)的硬件系統(tǒng)結構見圖2。

圖2 硬件系統(tǒng)結構圖

2.1 硬件選型

由于檢測面為煙包上表面， 尺寸為1100mm×700mm， 同時塑料薄膜覆蓋整個上表面， 因此對相機的分辨率要求不高，只要能區(qū)分是否覆蓋塑料薄膜即可， 因此選用一臺國產CCD 面陣工業(yè)相機，分辨率為1292×964 完全滿足識別要求， 同時采用GigE 接口，并支持PoE 供電，保證了圖像傳輸距離簡化了布線難度滿足實際需求。 根據(jù)檢測尺寸及相機實際安裝位置選用了匹配的9mm 焦距的C 口光學定焦鏡頭。

為了保證拍攝圖像的一致性， 降低外界亮度對系統(tǒng)的影響，選擇LED 白色光源為系統(tǒng)補充照明。 項目為利舊改造項目，其他部分采用原有設備無需更換。

2.2 網(wǎng)絡設計

由于解包段需要在兩個工位分別取煙包上下塑料薄膜，因此配備了兩臺相機分別進行檢測，并通過網(wǎng)線進行數(shù)據(jù)傳輸和供電， 工控機兩個網(wǎng)口分別接入工業(yè)相機網(wǎng)段和控制環(huán)網(wǎng)，詳細網(wǎng)絡結構見圖3。

圖3 系統(tǒng)網(wǎng)絡結構圖

3 軟件設計與實現(xiàn)

該檢測系統(tǒng)軟件包括上位機控制程序、PLC 控制程序和機器人控制程序， 本文重點針對上位機控制程序進行說明。 圖像算法方面采用基于C++語言的開源視覺庫OpenCV，軟件整體實現(xiàn)方面采用.Net 框架便于與其他設備進行通訊以及界面交互。

3.1 薄膜檢測算法研究

在解包取膜工段中，煙包存在三種狀態(tài)，分別為：存在紙板和薄膜、只存在薄膜、處理完成且無薄膜，見圖4。

圖4 煙包表面的三種狀態(tài)

分析不同狀態(tài)的煙包圖像發(fā)現(xiàn)煙包是否存在塑料薄膜對圖像顏色的影響明顯， 故考慮采用顏色檢測的方法對煙包圖像進行檢測。 顏色特征是人眼感知和區(qū)分不同物體的一種基本特征，它描述了物體圖像的表面特征，且對旋轉、平移和縮放的變換都不敏感，只與其表面性質和光照有關，擁有較強的魯棒性[4]。 當前在不同行業(yè)和應用過程中使用不同的顏色模型對顏色特征進行描述， 主要有RGB、HSV、HSI、YCrCb、LAB、CMY 等。 其中RGB 顏色空間模型是最廣泛使用顏色模型，它以R（紅）、G（綠）、B（藍）三種基本色為基礎，對基礎色進行不同程度的疊加即可產生廣泛人眼可見的色彩， 然而由于人眼對于三原色的敏感性不同也就導致了RGB 顏色模型的空間均勻性較差，比如人眼看來相近的顏色空間距離較遠，而看起來相差很大的顏色空間距離卻很近，因此在機器視覺的顏色識別中應用較少， 顏色識別應用中常采用HSV、HSL 和YCrCb 等均勻性較高的顏色模型， 以HSV 顏色模型最常用，它通過色調（H）、飽和度（S）和明度（V）三個參數(shù)來描述，一種顏色可以看成是某種光譜色與白色混合的結果。

本文在HSV 顏色空間對三種圖像進行分析，首先將圖像轉化到HSV 顏色空間， 經實驗在18＜H＜116、0＜S＜54、200＜V＜255 的條件下對圖像進行二值化處理，得到如圖5 所示的結果， 從結果二值圖上可明顯區(qū)分出煙包是否覆有塑料薄膜， 即根據(jù)二值圖上白色像素點占比檢測出塑料薄膜。

圖5 HSV 顏色空間下的顏色檢測

由于機器人去除薄膜和紙板需要執(zhí)行不同的動作，因此需要在上一步識別薄膜的基礎上識別出紙板是否存在，同樣地，在HSV 色彩空間下對圖像（圖6（a））進行分析， 在13＜H＜31、51＜S＜124、216＜V＜246 的條件下對圖像進行二值化處理并檢測輪廓劃分區(qū)域，得到如圖6（b）所示的結果。分析圖像發(fā)現(xiàn)紙板顏色和正常煙葉顏色相似，在顏色空間中有重合部分，但是紙板為較為規(guī)則的矩形區(qū)域且面積較大，特征較為明顯，因此在使用多張圖片處理結果的對比中，選定紙板面積上下限，采用面積大小作為條件過濾掉干擾區(qū)域，檢測實際是否存在紙板（圖6（c））。

圖6 紙板的檢測過程

3.2 軟件整體實現(xiàn)

上位機軟件采用.Net 框架在Windows10 系統(tǒng)開發(fā)并運行，如圖7 所示為上位機軟件架構，從下到上分別為：操作系統(tǒng)層、數(shù)據(jù)采集層、數(shù)據(jù)處理層和人機界面層。

圖7 上位機軟件架構

其中數(shù)據(jù)采集層為相機廠商提供的工業(yè)相機驅動程序，主要負責圖像的采集以及相機的控制， 如曝光時間、增益、觸發(fā)模式和白平衡等， 系統(tǒng)采用軟件觸發(fā)模式采集圖像。

數(shù)據(jù)處理層包括機器視覺檢測模塊、 數(shù)據(jù)庫交互模塊、PLC 通訊模塊和機器人通訊模塊四個部分組成，其中機器視覺檢測模塊即利用上小節(jié)算法實現(xiàn)的， 輸入圖像即可輸出煙包狀態(tài)。 數(shù)據(jù)庫交互模塊主要用于保存檢測記錄和圖像及軟件的運行信息等。 PLC 通訊模塊和機器人通訊模塊基于基礎的TCP 通訊協(xié)議分別實現(xiàn)與PLC和機器人控制器進行數(shù)據(jù)通訊， 一方面從PLC 的DB 存儲塊中獲取煙包到位信號，并向其中寫入取膜完成信號，同時獲取解包段的工作狀態(tài)和批次信息等； 另一方面控制機器人完成取膜動作。

人機交互界面見圖8，主要包括系統(tǒng)的運行狀態(tài)，相機的實時圖像、生產批次信息等。

圖8 上位機軟件界面

4 結論

在實際應用過程中，整個系統(tǒng)運行穩(wěn)定性良好，經長期統(tǒng)計分析， 該檢測系統(tǒng)在解包取膜工段檢測成功率高于99%。 這種基于機器視覺的改良方案具有高度自動化、高精度以及穩(wěn)定性好等特點，提高了產線生產效率的同時，也降低了企業(yè)的人工成本，在實際生產中有較高的應用價值。