在传统的零件分拣工作中，由于人工分拣工作的低效、误差率高等问题，企业需要寻求一种更加高效、准确的自动化分拣方案，鲁晟燚^[1]研究的机器视觉技术是一种利用计算机实现对图像信息自动处理、分析的技术，它已经被广泛应用于产品检测、自动化分拣、物流领域等方面,。

基于机器视觉的零件识别与自动化重量分拣系统的设计在通过图像分析技术与自动化机械手臂等装置实现对零件的识别和分拣再与重量识别相结合。其优点在于检测准确性高、分拣速度快、无需额外的人力维护和管理成本低廉等等。因此，该技术在许多行业中应用广泛，并且未来还有很大的应用潜力。

1机械视觉的零件识别与自动化重量分拣系统设计简介

（1）图像采集

使用相机或传感器采集零件的图像或相关信息。这些图像可以是二维图像、三维点云或其他形式的感知数据。

（2）图像处理

对采集到的图像进行预处理和特征提取，以便于后续的零件识别和分类。常用的图像处理技术包括边缘检测、特征提取、图像增强等。

(3)零件识别与分类

利用机器学习、深度学习等算法，对预处理后的图像进行特征匹配、模式识别和分类。这些算法可以通过训练得到，以实现对不同类型零件的准确识别。

（4）重量传感与分拣

通过重量传感器或称重装置，测量零件的重量，并将其与预设的重量标准进行比对。根据比对结果，自动将零件分拣到相应的容器或位置。

(5)控制与决策

根据零件的识别和重量信息，系统可以进行自动化控制和决策，如选择适当的分拣动作、调整分拣速度等。

基于机器视觉的零件识别与自动化重量分拣系统可以应用于工业生产线、仓储物流等场景，可以提高生产效率、减少人工操作和错误率。

2像基于机器视觉的零件识别与自动化重量分拣系统的设计结构可以包括以下几个主要组成部分

(1) 图像采集设备

该系统主要用于采集待检测的零件图像数据。它可以由摄像头或其他合适的图像采集设备组成，确保能够获取清晰的、高质量的图像。

(2)图像处理算法

用于对采集到的图像数据进行处理。包括图像分析处理算法，用于识别和区分不同零件的特征和属性。

(3)重量检测系统：该系统用于检测零件的重量。可以采用常用的重量传感器或其他匹配的数据传感器，如形状传感器和颜色传感器等。

(4)特征提取与分类模型：用于根据待分拣零件的重量和特征数据，提取并分类数据，将结果传输给控制系统。

(5)控制系统：该系统用于对整个系统进行控制。根据零件识别和分类结果，相应地控制位置进行分拣。

(6)数据处理与管理系统：用于处理和管理系统的数据。包括通常的数据库和相关的软件程序，以及用于控制和存储分拣数据的算法。

(7)分拣过程的数据记录与反馈系统：记录零件分拣过程中的特征、属性数据和重量等。软件应用程序确保准确性、查询和分析速度等数据，并提供反馈信息，用于统计和监控系统的报告。

3基于机器视觉的零件识别与自动化重量分拣系统整体开发

3.1整体设计

(1)机械臂模型的建立

真对抓取机械零件我们用solidworks建立了机械臂三维模型，大致确立了其尺寸大小。

(2)机械臂模拟运动设计

机械臂是一个由多个刚体连杆通过轴关节连接而成的较为复杂的系统装置，对其进行运动学分析是机械臂系统设计、高效运行的基础，也是后续进行轨迹规划算法控制的必要部分，需要解决分拣过程中路径长和耗时长的问题，提出一种基于改进遗传算法的分 拣路径规划方法，针对传统遗传算法收敛速度慢的问题，修改选择操作为基于适应度中 值的选择方法，最后结合极值优化算法获得最优解，加快收敛速度，得到最短分拣路径，以Moveit软件包实现机械手的控制。

(3)零件分拣台设计

该机械结构设计是基于项目中所设计的装置方案，包含框架模块、驱动模块、传动模块、控制模块等进行机械结构的设计，在此装置下安装有重量传感器，配合机器视觉装置使用，到达相应的设计使用要求，如图3所示。

图1 零件分拣台设计

(4) 视觉分拣系统控制设计

分拣系统采用“眼在手外”的视觉搭建方式。该方法相机与机械手分离，可避免机械臂手动带来的相机误差，保证成像的稳定性。下图为实验室条件下搭建的分拣系统，其中包括识别相机、机械手、电爪、电脑、控制箱、和分拣零件，此套装置安装在分拣零件台装置上，如图2所示。

图2视觉识别装置

(5) 图像预处理算法

在进行目标辨识之前，工业机器人必须对获取的影像进行流程化的预处理及噪声的最佳化设计，以提高后续影像辨识的正确性辨识效能。首先，系统采用欧姆隆公司的FZ-PanDA技术，对基于FZ-PanDA的工业摄像机进行了二值处理，以克服目标对象的色彩不均问题，并去除本底色彩。其次，系统对二值化后的图像中的孤立噪声进行检测，并利用边缘象限值判定技术对噪声进行有效的控制。在此基础上，系统对二值图像进行标记，并提取所述多个对象的区域重心、边缘周长和几何圆角等参数，然后，输出得到的特征值，从而得到相应的特征矩阵^[2]。在目标辨识过程中，工业机器人会通过特征矩阵、模板特征矩阵等因素进行对比和分析，当判定结果达到要求时，再进行相应的处理。

3.2视觉系统整体设计

首先，对相机进行标定，获得相机的内部参数以及像素坐标系到世界坐标系的转换 矩阵和畸变参数，利用畸变参数进行相机畸变的矫正，保证相机成像的稳定性和准确性；然后，针对模板图像和待匹配图像进行图像采集，利用全局特征和局部特征先后进 行匹配，获得目标图像，再利用相关图像定位算法进行目标零件的定位；接着，采用改进的遗传算法对多个目标物的分拣路径进行规划，机械手获得一条距离短、耗时少的路径；与零件分拣台重力传感器识别后最后利用手眼标定获得的矩阵进行目标物从相机坐标系到机械手坐标系下的转换，利用 Moveit软件包进行机械手的运动控制，完成分拣任务，如图3所示。

图3分拣流程

3基于机器视觉的零件识别与自动化重量分拣系统运营

(1) 系统维护

定期进行系统检查和维护，确保软硬件设备正常运行，保持系统的稳定性和可靠性。

(2)数据处理和分析

系统通过识别零件并进行分拣，同时也能够收集大量的有关生产流程和零件信息的数据。运营者需要及时对数据进行分析，评估和改进生产流程，并及时调整系统算法和参数以提高识别准确率和分拣效率。

(3)培训人员

为了确保系统能够正常运作，并且能够正确进行零件识别和分拣，企业需要定期为操作员进行培训和培训。这些培训可以包括系统操作技巧、事故处理和维护等方面内容。

4结语

基于机器视觉的零件识别与自动化重量分拣系统设计不仅使企业能够提高生产效率和产品质量，同时也为其带来了更多的竞争优势。随着技术的不断发展和创新，相信该系统将在生产和制造领域发挥越来越重要的作用。

“此论文的研究经费来源于大学生创新创业项目”

参考文献：

[1]鲁晟燚，基于机器视觉的机械零部件识别与分拣技术研究[D].2021(06):3-5

[2] 丁金林，韩仲洋，薄岑.基于工业机器人和机器视觉的智能柔性工作站执行和检测系统的设计[J].科学技术创新，2021(36)

通讯作者：黄聪，潘浩坤，郭浩楠，武汉东湖学院。

项 目 名 称： 湖 北 省 大 学 生 创 新 创 业 训 练 计 划 项 目(S202311798015)