物品分拣搬送装置设计*

2016-12-30 01:43邢晓敏朱一多

武汉交通职业学院学报 2016年4期

关键词：滑台图像识别色调

邢晓敏朱一多

(武汉交通职业学院，湖北武汉 430065)

物品分拣搬送装置设计*

邢晓敏朱一多

(武汉交通职业学院，湖北武汉 430065)

系统以ATmega2560单片机为核心，利用图像识别模块采集物品图像信息，然后经过色调过滤算法确定物品颜色及位置。最后，单片机输出3路脉冲信号到步进电机驱动器，驱动固定在滑台x、y、z轴的3个步进电机工作，使固定在滑台z轴的机械手到达指定位置并完成抓取任务，搬送物品到指定坐标后发出声光报警。整个系统的设计精度高，具有较强的实用性。经过测试，各项指标均能较好地满足设计要求。

ATmega2560；色调过滤算法；高精度滑台

近年来互联网技术高速发展，网络购物及网络支付方便快捷，网购成了人们日常生活中的购物首选，使得物流业井喷式发展。物品的分拣搬送作为物流业的一个重要环节，不仅影响后续物流顺畅作业，而且极大地保护了顾客权益，避免暴力分拣事故发生，因此越来越受到各大快递公司的重视。目前，我国拥有世界最大的物流市场，如何更好地发展与完善受到学者的广泛专注。杨丹丹[1]设计了一种基于ARM的物流包裹分拣机控制系统，该系统结合条码扫描器已完成对不同包裹的分拣，具有成本低、效率高的优势。黄伦[2]模拟了垃圾分类的识别技术，并通过实际应用验证了技术的可行性。张俊[3]等人设计了一种基于PLC及MCGS二级结构型自动分拣系统，能够完成快递的快速分拣工作。张绪鹏[4]针对药品自动分拣系统的特点，将模块化设计思想引入该系统中，从而完成对药品的自动分拣分析。可以看出，物品分拣是计算机技术、自动化技术、机械控制技术的综合应用[5-7]，物流的快迅发展对物品分拣精细化和可靠性要求越来越高，设计高精度的物品分拣系统十分必要。上述这些系统分拣装置虽然都取得了一定的物品分拣效果，但是这些装置存在只能识别规定物体、操作精度低等缺点，为此本文设计了一种新的物品分拣搬送装置，该装置基于ATmega2560单片机，采用图像识别模块采集物品信息，并通过色调过滤算法[8-10]确定物品颜色及位置，从而完成物品的分拣操作。

1 方案论证

1.1 系统总体设计方案

系统总体设计方案如图1所示：

图1 系统总体设计方案

1.2 具体方案论证

1.2.1 微处理器的选择

采用Arduino Mega2560。Arduino Mega 2560是一款基于ATmega2560的微控制器板。它有54个数字输入/输出引脚(其中15个可用作PWM输出)、16个模拟输入、4个UART(硬件串行端口)、1个16 MHz晶体振荡器、1个USB连接、1个电源插座、1个ICSP头和1个复位按钮，USB供电。由于其理想的PWM输出特性，是控制电机首选器件。

1.2.2 图像识别模块的选择

采用Pixy Cmucam5模块。Pixy Cmucam5是由Charmed实验室联合卡内基梅隆大学共同推出的一款图像传感器。其强大的处理器上搭载着一个图像传感器，它会选择性的处理有用的信息，将特定颜色的物体的视觉数据发送给相互配合的微型控制器，而不是输出所有视觉数据以进行图像处理。该模块不仅能进行颜色识别，还能知道带颜色物品的位置，通过颜色来追踪物体。

1.2.3 搬送装置的选择

采用高精度三轴滑台加机械手。滑台x，y轴水平移动，可以找到物品的位置，再通过滑台z轴的竖直移动和机械手动作完成抓取任务，最后搬送到指定的区域。三个坐标轴各用一台电机进行运动控制，机械手固定在z轴底部，用一台舵机控制。滑台实物图如图2所示。

其次，由于高中实验难度较大，对学生的理论知识、实验技能有较高的要求，学生独立操作无法有效完成实验。在这种情况下，教师可以采取分组实验的方法，让学生以小组为单位进行实验任务的分配，充分调动小组内每位成员的积极性，保证实验人员配置的最优化，集思广益，取长补短，从而提高化学实验的操作效率，培养学生的合作意识。

图2 滑台实物图

1.2.4 电机驱动模块

电机驱动模块选用MB450A两相混合式步进电机驱动器。该电机驱动器采用直流18～50V供电，驱动电压24V～50V，电流小于4.2A。此驱动器采用电流环进行细分控制，电机的转矩波动很小，低速运行很平稳,几乎没有振动和噪音。高速时力矩也大大高于其它二相驱动器，定位精度高。该步进电机静力矩1.8Nm，步距角为1.8度，连续收到200个步进指令正好转一圈。当驱动器设置为128细分时，单片机向驱动器发送25600个脉冲，电机转一圈。因此，单片机可以通过脉冲信号对电机进行极高精度的控制。

2 理论分析与计算

2.1 色调过滤算法

本系统在图像识别时使用色调过滤算法来识别物体。相对于灰度图像而言,彩色图像能够提供更多的信息,尤其是颜色信息。如果按照现有匹配算法的处理模式,彩色图像需要先转换为灰度图像,这就丢掉了颜色信息,有可能会降低匹配算法的性能。另一方面,彩色图像具有颜色恒常特性,能有效克服环境光照亮度变化对匹配算法的影响,从而提高匹配的鲁棒性。在各颜色空间中,RGB颜色是最常用的颜色空间,但提供的图像彩色信息较少;HSV颜色空间结合了人类心理学和颜色视觉的特点,能够提供更多的颜色信息,因此在HSV颜色空间能够取得更好的图像匹配效果。

HSV模型是一种符合人类主观感觉的色彩模型。在HSV模型中:色调H(hue)表示从一个物体反射的或透过物体的光波长,表示颜色的种类,如红、橙、绿,它用角度-180°～180°或0～360°来度量；饱和度S(saturation)指颜色的深浅,例如同样是红色,也会因浓度不同而分为深红和浅红,它也用百分比来度量,从0到完全饱和的100%;亮度V(value)是颜色的明暗程度,取值为[0,1]。

通过将彩色图像从RGB空间转换到HSV空间,能够有效地提取出彩色图像中的颜色信息。另外,由于彩色图像中景物的色调信息(H)具有恒常性,它不易受到光照条件变化的影响,因此适应性更强。

本系统在图像识别前，预先将被识别物体(立方体或乒乓球)的HSV值存入处理器，然后在识别过程中，将实时图像中各个坐标的HSV值与存储器中内容对比，从而找到匹配的物体，并将匹配物体的坐标发送给电机控制装置。从图3图像识别结果示意图可以看出，黄色方块(s=1)和红色方块(s=2)均能良好识别。实验证明，此方法对其他颜色的物体也能快速识别，取得良好的效果。

当然此方法也有一定的局限性，因为使用色调识别法，物体应有明显的色调，黑、白或灰色物体因为色调不明显而不易识别。

图3 图像识别结果示意图

摄像头图片x轴坐标范围为(0,320)，y轴坐标范围为(0,200)，物体所在平面x轴坐标范围为(0,150cm)，y轴坐标范围为(0,100cm)，据此将摄像头图片坐标转换为物体平面坐标。设滑台动作起点坐标为(x1，y1)，终点坐标为(x2，y2)，则滑台x轴位移距离为x2-x1，y轴位移距离为y2-y1。当位移距离为正数时，单片机控制电机正转，滑台沿坐标轴正向移动；当距离为负数时，电机反转，滑台沿坐标轴负向移动。移动的距离由单片机发送给电机驱动器的脉冲数决定。整个匹配过程如图4所示。抓取物体时，张开固定在z轴滑台的机械爪，沿z轴负向移动，到达指定高度后，收拢机械爪，沿z轴正向移动至起始高度，从而完成抓取。单片机向驱动器发送的脉冲数与位移距离是正比例关系，可以据此对单片机进行编程。