张立婷 钟杨福 雷伟君 黄辉 陈剑锋
摘 要：随着电商平台的发展，快递行业的整体规模迅速壮大，在物流成交量比较高的状态下，极容易出现“错件”分拣、快递分拣速度慢等问题，将严重影响快递包裹分拣。现对工业机器人分拣系统的性能、功能等方面进行研究，用机械臂代替人工分拣，设计出一种基于OpenCV图像识别的工业机器人分拣系统，进一步提升了工业机器人分拣水平。
关键词：OpenCV；
目标检测；
图像处理；
tesseract-OCR；
机器人分拣系统
中图分类号：TP242；
TP391.4 文献标志码：A 文章编号：1671-0797（2023）09-0034-04
DOI：10.10.19514/j.cnki.cn32-1628/tm.2023.09.010
0 引言
随着各大电商的快速发展，我国快递行业的整体规模迅速壮大，包裹数量逐年增多，快递的错派、丢件等问题也日渐凸显，传统人工分拣已经无法适应当前的分拣需求，亟需一种用于自动检验、工件加工和裝配自动化以及生产过程的控制和监视的图像识别机器，按任务需要从原始图像数据中提取有关信息、高度概括地描述图像内容，以便对图像的某些内容加以解释和判断。
目前，针对机器人分拣系统的方案研究成为众多学者关注的热点。韦志文[1]基于机器视觉设计了一种轻量化的分拣机器人，搭建了实验平台并完成了小型铸件的分拣。李殷[2]基于深度学习提出了工业机器人物品识别分拣系统设计，在建模解析分类之后工业机器人对物品进行实践分拣操作。马泽明等人[3]将视觉技术、搬运机器人和无线控制网相结合，设计了一种智能搬运机器人的实验平台。王连庆等人[4]构建了一套针对无序来料的定位系统，引导机械手对无序物料进行精确抓取和有序摆放。
本文设计的工业机器人分拣系统与工业相机的快速拍照功能相结合，可实现包裹读码后的快速分拣及信息记录交互等功能，大量减少了分拣过程中的人工需求，提高了分拣效率及自动化程度，并大幅度提高了分拣准确率。
1 OpenCV图像识别
图像处理技术是用计算机对图像信息进行处理的技术，通过图像处理可以提取图像中的有用信息并精简数据量，是决定分拣过程是否能够达到精准且高效的关键。本设计采用OpenCV[5]对原始图像进行预处理，提取图像特征，进行图像识别。本项目通过扫描物流包裹上的数字，对包裹进行识别，构建坐标系对机械臂完成协同控制，实现在复杂环境下的包裹分拣，提高了分拣过程中机械臂末端执行器的效能，物流快递包裹可进行有效分拣，达到快速分拣的目的，提高了工业生产效率，降低了工作成本。OpenCV图像处理流程图如图1所示。
1.1 基于OpenCV的OCR文字识别
传统的条形码虽然识别简单，但是需要学习多种编码方式。识别条形码下方数字单号可以直接把数据录入计算机进行数据处理，得到快递信息。
OCR文字识别是指对图像文件进行分析识别处理，获取文字及版面信息的过程。首先，对快递信息进行图像读取及图像预处理，再用OpenCV内置的图像检测算子进行检测，最后传入tesseract-OCR进行识别。这种方法不仅速度快，而且抗外部干扰能力也比较好，可以准确识别快递的相关数字信息。OCR的技术路线如图2所示。
1.2 图像预处理
图像预处理是在图片识别之前对图片进行前期处理，抑制图片中的无关信息，增强开发者想要的重要信息。
1.2.1 图像灰度化
图像灰度化是将一张彩色图像向灰色图像转化的过程。相比于彩色图像，灰色图像更容易处理，可以消除颜色干扰。原图像如图3所示，灰度图像如图4所示。cv2.cvtColor（）函数是颜色空间转换函数，可以实现图像的灰度化，代码如下：
gray = cv2.cvtColor（image， cv2.COLOR_BGR2GRAY）
1.2.2 图像掩膜
图像掩膜是用选定的图形对需要处理的图像（局部或全部）进行遮挡，来处理图像特定区域的处理过程。提取感兴趣区，用预先制作的感兴趣区掩膜与待处理图像相乘，得到感兴趣区图像，感兴趣区内图像值保持不变，而区外图像值都为0。掩膜图像如图5所示。
1.2.3 黑帽操作（突出更黑暗的区域）
黑帽运算就是取出图片中亮度低的地方，即突出更黑暗的区域。黑帽操作图像如图6所示。morphologyEx（）是形态学操作函数，可以方便地对图像进行黑帽操作，代码如下：
heiphat = cv2.morphologyEx（gray， cv2.MORPH_BLACKHAT， rectKernel）
1.3 文字检测
1.3.1 边缘检测
图像边缘检测可以大幅减少数据量，并剔除可以认为不相关的信息，保留图像重要的结构属性。基于查找的方法，通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。Canny算子边缘检测函数的目标是找到一个最优的边缘检测算法，从而检测出图像边缘，代码如下：
edged = cv2.Canny（gray， 75， 200）
1.3.2 获取轮廓
cv2.findContours（）函数用于查找检测物体的轮廓，cv2.drawContours（）函数用于在图像上绘制轮廓。代码如下：
（1）检测轮廓：
cnts = cv2.findContours（edged.copy（）， cv2.RETR_LIST， cv2.CHAIN_APPROX_SIMPLE）
（2）绘制轮廓：
cv2.drawContours（image， [screenCnt]， -1， （0， 255， 0）， 2）
1.4 文本识别
文本识别采用tesseract-OCR识别技术，tesseract-OCR是由Tesseract Google开发并维护的OCR开源库，有着极高的精确度和灵活性，它可以通过训练识别出任何字体，也可以识别出数字和字符。识别出的轮廓图如图7所示，文本识别图如图8所示。
2 分拣机器人系统
2.1 系统整体方案
本文对小型工业机械臂进行了运动学分析，并使用计算机建模软件（UG）对工业机器人及其运动空间进行了建模。该工业机器人分揀系统[6]采用树莓派和Arduino开发板作为控制单元，两个控制芯片以串口连接进行通信，树莓派用于对图像进行处理与识别；
Arduino开发板用于控制步进电机、舵机和超声波红外测距模块。其中舵机用于控制机器人的转向，也用于控制机械夹爪的张合；
超声波红外测距模块用于检测与物体的距离。整体流程图如图9所示。
2.2 机械结构
机械臂各部件通过UG建模，采用3D打印技术打印。在结构设计时使用平面轴承、滚动轴承、线性轴承等一系列标准件，具有增加精度、减少摩擦力等作用。机械臂底座采用铝板与机械臂连接，一定程度上减少了机械臂前倾现象。机械臂Z轴的上下移动采用丝杆传动，传动轴向力大、可自锁、定位精度高。使用同步带传动，避免步进电机在低转速下产生振动及噪声。机械臂整体装配图如图10所示。
2.3 硬件系统设计
2.3.1 主控电路
本系统由Arduino开发板和Arduino CNC电机扩展板组成，Arduino CNC电机扩展板直接连接在Arduino开发板上即可。主控芯片图如图11所示。
2.3.2 超声波测距模块
超声波测距模块采用的是HC-SR04，可提供约2 cm的非接触式距离感测功能，机械臂可以及时感测与快递包裹的距离，抓取物体。如图12所示，超声波测距模块包括VCC供5 V电源、GND地线、Trig触发控制信号输入、Echo回响信号输出等4个接口端。
2.4 软件系统设计
首先，通过OpenCV图像处理技术识别快递单上的数字串和快递的坐标，判断快递运往方向；
再由树莓派通过串口发送信息给Arduino Uno开发板，Arduino Uno开发板逆运动求解出各电机旋转角度；
然后，控制各电机旋转角度到达目标位置，打开夹爪，当机械臂的Z轴下降到合适位置时，闭合夹爪，夹取快递；
当夹取动作完成后，机械臂的Z轴上升，移动到快递发往地，将物品放到相应位置。主控流程图如图13所示。
3 结语
本文设计了一种基于OpenCV的机器人分拣系统，运用OpenCV对快递信息进行图像读取及图像预处理，再用OpenCV内置的图像检测算子进行检测，最后传入tesseract-OCR进行识别，协同控制机械臂，实现在复杂环境下的包裹分拣。该设计大量减少了分拣过程中的人工需求，提高了分拣效率及自动化程度，并大幅提高了分拣准确率。同时，将视觉技术应用到工业分拣中，提高了企业运营效率，降低了企业生产成本，能够促进工厂和企业的升级，因而具有较好的应用前景。
[参考文献]
[1] 韦志文.基于机器视觉的分拣机器人设计与研究[D].淮南：安徽理工大学，2022.
[2] 李殷.基于深度学习的工业机器人物品识别分拣系统设计[J].湖北农机化，2019（20）：159.
[3] 马泽明，俞晓丹，邓雨晴，等.基于机器视觉的物体分拣系统设计[J].科学技术创新，2022（36）：159-162.
[4] 王连庆，钱莉.基于视觉引导的工业机器人无序抓取系统设计[J].制造业自动化，2022，44（3）：86-89.
[5] 胡文，马玲玉.基于OpenCV手机拍照快递单文字识别的研究[J].哈尔滨商业大学学报（自然科学版），2015，31（5）：564-568.
[6] 金高威，董铮.基于Arduino的六自由度机械臂控制系统设计[J].科学技术创新，2019（35）：64-65.
收稿日期：2023-02-09
作者简介：张立婷（2002—），女，安徽人，研究方向：机器人工程。
猜你喜欢目标检测图像处理基于图像处理的机器人精确抓取的设计与实现制造技术与机床(2018年12期)2018-12-23机器学习在图像处理中的应用电子制作(2018年18期)2018-11-14视频中目标检测算法研究软件(2016年4期)2017-01-20行为识别中的人体运动目标检测方法科教导刊·电子版(2016年28期)2017-01-10移动机器人图像目标识别科学与财富(2016年28期)2016-10-14基于图像处理的定位器坡度计算电气化铁道(2016年4期)2016-04-16基于P3电位的目标检测研究科技视界(2016年4期)2016-02-22Photo Shop通道在图像处理中的应用河南科技(2014年1期)2014-02-27