智能分揀機器人平臺設計*

馬海舒，趙曉華，謝克偉，羅慧勇，白云凱，岳杉杉

（河南工程學院機械工程學院，河南 鄭州 451191）

1 研究背景

目前，全球對機器人工程專業(yè)的人才需求都是極其緊迫的，該行業(yè)存在巨大的人才缺口[1-2]。隨著機器人在各個行業(yè)大規(guī)模普及應用，人工智能產業(yè)快速發(fā)展，社會對于機器人工程專業(yè)人才的需求將會更加迫切。

機器人工程專業(yè)是適應國家戰(zhàn)略需求的新工科熱門專業(yè)，具有很強的新穎性、綜合性和實踐性，是教育部重點扶持的新專業(yè)之一[3-5]。在本科教學過程中增加人工智能與機器人控制相融合的實踐教學環(huán)節(jié)，有助于鞏固大學生的理論知識和培養(yǎng)其學以致用的動手能力。

2 實驗平臺整體框架

整個分揀系統(tǒng)可大致分為上下位機控制系統(tǒng)、檢測控制部分和執(zhí)行部分3 個層面，見圖1。

圖1 實驗平臺整體框架圖

上下位機控制系統(tǒng)主要指計算機，也指互聯(lián)網(wǎng)通信系統(tǒng)，用于對圖像識別的信息分析，參與控制機械臂，通過計算規(guī)劃并選擇出機械臂最優(yōu)的運動軌跡，選擇合適的運動模式，實時獲取機械臂的狀況用于分析下發(fā)運動指令等。

檢測控制部分主要負責圖像識別的信息處理和機械臂姿態(tài)的反饋，在機械臂的大臂、小臂等電機的輸出軸上安裝傳感器，以檢測和反饋機械臂的實時位姿。機械臂執(zhí)行指令的控制以及機械臂運動方式模式的控制。

執(zhí)行部分由用于抓放和移動物品的機械臂以及用于圖像識別的攝像頭組成，其通過控制器下發(fā)指令控制伺服電機和氣泵來完成機械臂的移動和吸盤的吸放工作，這一部分是整個系統(tǒng)對外展示的層面，代表著整個系統(tǒng)的表現(xiàn)。

三部分互相合作，協(xié)調運作，共同完成垃圾的分揀工作。

3 機械臂的選型

基于運動空間、工作環(huán)境的要求，成本和便攜性的考慮以及后期應用場景的不同，該平臺采用的機械臂為Dobot Magician 機器人系列，其優(yōu)點突出，能適用于多種應用場景，并且能夠根據(jù)各種需求來替換模塊，從而實現(xiàn)不同功能[6]。該機器人由大臂、小臂、底座和末端工具等部分構成，可分別作為人的大臂、小臂和具有支撐作用的軀干，末端工具可作為人的手掌，不僅能完成抓放，還能配合各種工具達到其他目的。

就Dobot Magician 機器人的機械臂的工作流程來說，首先利用攝像機對目標進行捕獲拍照，然后通過神經網(wǎng)絡模型對照片進行識別分析，進而對目標進行智能分類并將信號傳達到機械臂，最后機械臂根據(jù)分類結果將待分揀目標抓取并運送到合適的位置，完成投放后回到初始位置，以便進行下一次的分揀處理。機械臂運動模式包括點動模式、點位模式（PTP）、圓弧運動模式（ARC）?；谠搶嶒炂脚_，學生們可以練習機械臂運動控制。本文所述機械臂默認使用的是點位模式，即實現(xiàn)點到點運動，Dobot 機械臂采用MOVJ 運動模式即關節(jié)運動，由A 點運動到B 點，各個關節(jié)從A 點對應的關節(jié)角運行至B 點對應的關節(jié)角。關節(jié)運動過程中，各個關節(jié)軸的運行時間一致，且同時到達終點，在Dobot 機械臂末端安裝吸盤，目標經過識別和定位，將坐標返回，即可執(zhí)行機械臂運動命令，吸取目標并放置分揀位置。

4 圖像識別

首先對攝像頭捕獲的目標圖像進行去畸變，這是圖像預處理的重要環(huán)節(jié)之一，其工作原理是將成像平面（圖像物理坐標系）的數(shù)據(jù)轉換到圖像平面（圖像像素坐標）。其次將圖片由彩色圖像轉化為灰度圖像，經過灰度化處理，在獲取目標位置信息的過程中可以顯著降低數(shù)據(jù)計算量，提高運算速度。然后將圖像平滑處理，即將圖片處理得更加模糊，其作用是為圖像預處理時降低噪聲，便于后期目標輪廓提取。圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而凸顯出目標的輪廓。最后經過圖像掩膜處理，用選定的圖像、圖形或物體，對處理的圖像（全部或局部）進行遮擋，來控制圖像處理的區(qū)域或處理過程。以目標輪廓信息為掩膜，提取出目標圖片，并根據(jù)目標輪廓信息確認目標中心位置的過程，見圖2。

圖2 目標圖像處理過程

提取到待測目標圖片后，將圖片傳送給resnet18 已預訓練好的模型進行檢測，輸出目標種類名稱。通過requests 提交web，進行網(wǎng)頁端的目標分類，獲得目標分類信息，進而獲取待測目標名稱。將獲得的目標名稱傳遞給待分揀箱子的字典，從而獲取對應的名稱代碼和坐標位置。機械臂根據(jù)待測目標的位置信息抓取目標并放置在對應的分揀箱中。殘差網(wǎng)絡resnet 作為圖像識別領域的主流神經網(wǎng)絡模型已經得到了廣泛運用，其中輕量化模型ResNet18 網(wǎng)絡對于硬件要求不高，可以在樹莓派上進行運算，因此被用在實驗平臺上進行教學。通過對主流模型的認識學習，學生們可以對神經網(wǎng)絡有更深入的理解。

5 結束語

面向新專業(yè)人才培養(yǎng)，應該堅持“強化基礎、突出實踐、面向創(chuàng)新”的本科人才培養(yǎng)方針。因此，本實驗平臺的設計開發(fā)有助于培養(yǎng)具備機械、控制、信息等多學科專業(yè)基礎知識與技能，掌握智能機器人系統(tǒng)設計、編程和集成應用技術，善于學習實踐的高素質學科交叉型工程技術人才。