基于OpenCV的機(jī)器人分揀系統(tǒng)設(shè)計

張立婷　鐘楊福　雷偉君　黃輝　陳劍鋒

摘 要：隨著電商平臺的發(fā)展，快遞行業(yè)的整體規(guī)模迅速壯大，在物流成交量比較高的狀態(tài)下，極容易出現(xiàn)“錯件”分揀、快遞分揀速度慢等問題，將嚴(yán)重影響快遞包裹分揀。現(xiàn)對工業(yè)機(jī)器人分揀系統(tǒng)的性能、功能等方面進(jìn)行研究，用機(jī)械臂代替人工分揀，設(shè)計出一種基于OpenCV圖像識別的工業(yè)機(jī)器人分揀系統(tǒng)，進(jìn)一步提升了工業(yè)機(jī)器人分揀水平。

關(guān)鍵詞：OpenCV；目標(biāo)檢測；圖像處理；tesseract-OCR；機(jī)器人分揀系統(tǒng)

中圖分類號：TP242；TP391.4? 文獻(xiàn)標(biāo)志碼：A? 文章編號：1671-0797（2023）09-0034-04

DOI：10.10.19514/j.cnki.cn32-1628/tm.2023.09.010

0? ? 引言

隨著各大電商的快速發(fā)展，我國快遞行業(yè)的整體規(guī)模迅速壯大，包裹數(shù)量逐年增多，快遞的錯派、丟件等問題也日漸凸顯，傳統(tǒng)人工分揀已經(jīng)無法適應(yīng)當(dāng)前的分揀需求，亟需一種用于自動檢驗(yàn)、工件加工和裝配自動化以及生產(chǎn)過程的控制和監(jiān)視的圖像識別機(jī)器，按任務(wù)需要從原始圖像數(shù)據(jù)中提取有關(guān)信息、高度概括地描述圖像內(nèi)容，以便對圖像的某些內(nèi)容加以解釋和判斷。

目前，針對機(jī)器人分揀系統(tǒng)的方案研究成為眾多學(xué)者關(guān)注的熱點(diǎn)。韋志文[1]基于機(jī)器視覺設(shè)計了一種輕量化的分揀機(jī)器人，搭建了實(shí)驗(yàn)平臺并完成了小型鑄件的分揀。李殷[2]基于深度學(xué)習(xí)提出了工業(yè)機(jī)器人物品識別分揀系統(tǒng)設(shè)計，在建模解析分類之后工業(yè)機(jī)器人對物品進(jìn)行實(shí)踐分揀操作。馬澤明等人[3]將視覺技術(shù)、搬運(yùn)機(jī)器人和無線控制網(wǎng)相結(jié)合，設(shè)計了一種智能搬運(yùn)機(jī)器人的實(shí)驗(yàn)平臺。王連慶等人[4]構(gòu)建了一套針對無序來料的定位系統(tǒng)，引導(dǎo)機(jī)械手對無序物料進(jìn)行精確抓取和有序擺放。

本文設(shè)計的工業(yè)機(jī)器人分揀系統(tǒng)與工業(yè)相機(jī)的快速拍照功能相結(jié)合，可實(shí)現(xiàn)包裹讀碼后的快速分揀及信息記錄交互等功能，大量減少了分揀過程中的人工需求，提高了分揀效率及自動化程度，并大幅度提高了分揀準(zhǔn)確率。

1? ? OpenCV圖像識別

圖像處理技術(shù)是用計算機(jī)對圖像信息進(jìn)行處理的技術(shù)，通過圖像處理可以提取圖像中的有用信息并精簡數(shù)據(jù)量，是決定分揀過程是否能夠達(dá)到精準(zhǔn)且高效的關(guān)鍵。本設(shè)計采用OpenCV[5]對原始圖像進(jìn)行預(yù)處理，提取圖像特征，進(jìn)行圖像識別。本項(xiàng)目通過掃描物流包裹上的數(shù)字，對包裹進(jìn)行識別，構(gòu)建坐標(biāo)系對機(jī)械臂完成協(xié)同控制，實(shí)現(xiàn)在復(fù)雜環(huán)境下的包裹分揀，提高了分揀過程中機(jī)械臂末端執(zhí)行器的效能，物流快遞包裹可進(jìn)行有效分揀，達(dá)到快速分揀的目的，提高了工業(yè)生產(chǎn)效率，降低了工作成本。OpenCV圖像處理流程圖如圖1所示。

1.1? ? 基于OpenCV的OCR文字識別

傳統(tǒng)的條形碼雖然識別簡單，但是需要學(xué)習(xí)多種編碼方式。識別條形碼下方數(shù)字單號可以直接把數(shù)據(jù)錄入計算機(jī)進(jìn)行數(shù)據(jù)處理，得到快遞信息。

OCR文字識別是指對圖像文件進(jìn)行分析識別處理，獲取文字及版面信息的過程。首先，對快遞信息進(jìn)行圖像讀取及圖像預(yù)處理，再用OpenCV內(nèi)置的圖像檢測算子進(jìn)行檢測，最后傳入tesseract-OCR進(jìn)行識別。這種方法不僅速度快，而且抗外部干擾能力也比較好，可以準(zhǔn)確識別快遞的相關(guān)數(shù)字信息。OCR的技術(shù)路線如圖2所示。

1.2? ? 圖像預(yù)處理

圖像預(yù)處理是在圖片識別之前對圖片進(jìn)行前期處理，抑制圖片中的無關(guān)信息，增強(qiáng)開發(fā)者想要的重要信息。

1.2.1? ? 圖像灰度化

圖像灰度化是將一張彩色圖像向灰色圖像轉(zhuǎn)化的過程。相比于彩色圖像，灰色圖像更容易處理，可以消除顏色干擾。原圖像如圖3所示，灰度圖像如圖4所示。cv2.cvtColor（）函數(shù)是顏色空間轉(zhuǎn)換函數(shù)，可以實(shí)現(xiàn)圖像的灰度化，代碼如下：

gray = cv2.cvtColor（image， cv2.COLOR_BGR2GRAY）

1.2.2? ? 圖像掩膜

圖像掩膜是用選定的圖形對需要處理的圖像（局部或全部）進(jìn)行遮擋，來處理圖像特定區(qū)域的處理過程。提取感興趣區(qū)，用預(yù)先制作的感興趣區(qū)掩膜與待處理圖像相乘，得到感興趣區(qū)圖像，感興趣區(qū)內(nèi)圖像值保持不變，而區(qū)外圖像值都為0。掩膜圖像如圖5所示。

1.2.3? ? 黑帽操作（突出更黑暗的區(qū)域）

黑帽運(yùn)算就是取出圖片中亮度低的地方，即突出更黑暗的區(qū)域。黑帽操作圖像如圖6所示。morphologyEx（）是形態(tài)學(xué)操作函數(shù)，可以方便地對圖像進(jìn)行黑帽操作，代碼如下：

heiphat = cv2.morphologyEx（gray， cv2.MORPH_BLACKHAT， rectKernel）

1.3? ? 文字檢測

1.3.1? ? 邊緣檢測

圖像邊緣檢測可以大幅減少數(shù)據(jù)量，并剔除可以認(rèn)為不相關(guān)的信息，保留圖像重要的結(jié)構(gòu)屬性?；诓檎业姆椒?，通過尋找圖像一階導(dǎo)數(shù)中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向。Canny算子邊緣檢測函數(shù)的目標(biāo)是找到一個最優(yōu)的邊緣檢測算法，從而檢測出圖像邊緣，代碼如下：

edged = cv2.Canny（gray， 75， 200）

1.3.2? ? 獲取輪廓

cv2.findContours（）函數(shù)用于查找檢測物體的輪廓，cv2.drawContours（）函數(shù)用于在圖像上繪制輪廓。代碼如下：

（1）檢測輪廓：

cnts = cv2.findContours（edged.copy（）， cv2.RETR_LIST， cv2.CHAIN_APPROX_SIMPLE）

（2）繪制輪廓：

cv2.drawContours（image， [screenCnt]， -1， （0， 255， 0）， 2）

1.4? ? 文本識別

文本識別采用tesseract-OCR識別技術(shù)，tesseract-OCR是由Tesseract Google開發(fā)并維護(hù)的OCR開源庫，有著極高的精確度和靈活性，它可以通過訓(xùn)練識別出任何字體，也可以識別出數(shù)字和字符。識別出的輪廓圖如圖7所示，文本識別圖如圖8所示。

2? ? 分揀機(jī)器人系統(tǒng)

2.1? ? 系統(tǒng)整體方案

本文對小型工業(yè)機(jī)械臂進(jìn)行了運(yùn)動學(xué)分析，并使用計算機(jī)建模軟件（UG）對工業(yè)機(jī)器人及其運(yùn)動空間進(jìn)行了建模。該工業(yè)機(jī)器人分揀系統(tǒng)[6]采用樹莓派和Arduino開發(fā)板作為控制單元，兩個控制芯片以串口連接進(jìn)行通信，樹莓派用于對圖像進(jìn)行處理與識別；Arduino開發(fā)板用于控制步進(jìn)電機(jī)、舵機(jī)和超聲波紅外測距模塊。其中舵機(jī)用于控制機(jī)器人的轉(zhuǎn)向，也用于控制機(jī)械夾爪的張合；超聲波紅外測距模塊用于檢測與物體的距離。整體流程圖如圖9所示。

2.2? ? 機(jī)械結(jié)構(gòu)

機(jī)械臂各部件通過UG建模，采用3D打印技術(shù)打印。在結(jié)構(gòu)設(shè)計時使用平面軸承、滾動軸承、線性軸承等一系列標(biāo)準(zhǔn)件，具有增加精度、減少摩擦力等作用。機(jī)械臂底座采用鋁板與機(jī)械臂連接，一定程度上減少了機(jī)械臂前傾現(xiàn)象。機(jī)械臂Z軸的上下移動采用絲桿傳動，傳動軸向力大、可自鎖、定位精度高。使用同步帶傳動，避免步進(jìn)電機(jī)在低轉(zhuǎn)速下產(chǎn)生振動及噪聲。機(jī)械臂整體裝配圖如圖10所示。

2.3? ? 硬件系統(tǒng)設(shè)計

2.3.1? ? 主控電路

本系統(tǒng)由Arduino開發(fā)板和Arduino CNC電機(jī)擴(kuò)展板組成，Arduino CNC電機(jī)擴(kuò)展板直接連接在Arduino開發(fā)板上即可。主控芯片圖如圖11所示。

2.3.2? ? 超聲波測距模塊

超聲波測距模塊采用的是HC-SR04，可提供約2 cm的非接觸式距離感測功能，機(jī)械臂可以及時感測與快遞包裹的距離，抓取物體。如圖12所示，超聲波測距模塊包括VCC供5 V電源、GND地線、Trig觸發(fā)控制信號輸入、Echo回響信號輸出等4個接口端。

2.4? ? 軟件系統(tǒng)設(shè)計

首先，通過OpenCV圖像處理技術(shù)識別快遞單上的數(shù)字串和快遞的坐標(biāo)，判斷快遞運(yùn)往方向；再由樹莓派通過串口發(fā)送信息給Arduino Uno開發(fā)板，Arduino Uno開發(fā)板逆運(yùn)動求解出各電機(jī)旋轉(zhuǎn)角度；然后，控制各電機(jī)旋轉(zhuǎn)角度到達(dá)目標(biāo)位置，打開夾爪，當(dāng)機(jī)械臂的Z軸下降到合適位置時，閉合夾爪，夾取快遞；當(dāng)夾取動作完成后，機(jī)械臂的Z軸上升，移動到快遞發(fā)往地，將物品放到相應(yīng)位置。主控流程圖如圖13所示。

3? ? 結(jié)語

本文設(shè)計了一種基于OpenCV的機(jī)器人分揀系統(tǒng)，運(yùn)用OpenCV對快遞信息進(jìn)行圖像讀取及圖像預(yù)處理，再用OpenCV內(nèi)置的圖像檢測算子進(jìn)行檢測，最后傳入tesseract-OCR進(jìn)行識別，協(xié)同控制機(jī)械臂，實(shí)現(xiàn)在復(fù)雜環(huán)境下的包裹分揀。該設(shè)計大量減少了分揀過程中的人工需求，提高了分揀效率及自動化程度，并大幅提高了分揀準(zhǔn)確率。同時，將視覺技術(shù)應(yīng)用到工業(yè)分揀中，提高了企業(yè)運(yùn)營效率，降低了企業(yè)生產(chǎn)成本，能夠促進(jìn)工廠和企業(yè)的升級，因而具有較好的應(yīng)用前景。

[參考文獻(xiàn)]

[1] 韋志文.基于機(jī)器視覺的分揀機(jī)器人設(shè)計與研究[D].淮南：安徽理工大學(xué)，2022.

[2] 李殷.基于深度學(xué)習(xí)的工業(yè)機(jī)器人物品識別分揀系統(tǒng)設(shè)計[J].湖北農(nóng)機(jī)化，2019（20）：159.

[3] 馬澤明，俞曉丹，鄧雨晴，等.基于機(jī)器視覺的物體分揀系統(tǒng)設(shè)計[J].科學(xué)技術(shù)創(chuàng)新，2022（36）：159-162.

[4] 王連慶，錢莉.基于視覺引導(dǎo)的工業(yè)機(jī)器人無序抓取系統(tǒng)設(shè)計[J].制造業(yè)自動化，2022，44（3）：86-89.

[5] 胡文，馬玲玉.基于OpenCV手機(jī)拍照快遞單文字識別的研究[J].哈爾濱商業(yè)大學(xué)學(xué)報（自然科學(xué)版），2015，31（5）：564-568.

[6] 金高威，董錚.基于Arduino的六自由度機(jī)械臂控制系統(tǒng)設(shè)計[J].科學(xué)技術(shù)創(chuàng)新，2019（35）：64-65.

收稿日期：2023-02-09

作者簡介：張立婷（2002—），女，安徽人，研究方向：機(jī)器人工程。