多規(guī)格板件分揀機(jī)器人工作站視覺系統(tǒng)設(shè)計(jì)

本科畢業(yè)論文（設(shè)計(jì)）論文題目：多規(guī)格板件分揀機(jī)器人工作站視覺系統(tǒng)設(shè)計(jì)姓 名：學(xué) 號(hào)：班 級(jí)：年 級(jí)：專 業(yè)：學(xué) 院：指導(dǎo)教師：完成時(shí)間：本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用摘 要作站，以便于提高效率，減少人工，并可以在惡劣環(huán)境中工作。選型，下一步是用halcon以及C#語(yǔ)言對(duì)視覺軟件程序的編寫，包括實(shí)現(xiàn)對(duì)圖像的處理以PLC來(lái)讓視覺系統(tǒng)和工作站進(jìn)行通訊，確定通訊方式為串口通信，并且完成通訊的程序編寫。最后是對(duì)300塊板件進(jìn)行工作站視覺系統(tǒng)的識(shí)別測(cè)試，經(jīng)過測(cè)試識(shí)別率達(dá)到95%以上，符合設(shè)計(jì)需求。該工作站視覺系統(tǒng)對(duì)安裝板A、wcgxy.5-2安裝版B、wcgxy.5-2安裝板C具有十分實(shí)用的價(jià)值。關(guān)鍵詞：機(jī)器視覺；板件分類；圖像處理·AbstractRobotvisionapplicationshaveplayedanincreasinglyimportantroleinvariousfieldsandhavebecomeadevelopmenttrend.Multi-specificationplatesarethemostcommonlyusedandcommonbasicworkpieces,ifyourelyonmanpowertosortvariousplatesistime-consumingandlaborious,andthereareshortcomingssuchaslowartificialfatigue,andeasytoproduceerrors.Therefore,itisnecessarytodesignaworkstationthatcanautomaticallysortmulti-specificationplatestoimproveefficiency,reduceandworkinharshenvironments.Inthistheworkstationvisionsystemidentificationofthreespecificationsofplatesisproposed,andthefunctionalanalysisofmulti-specificationplatesortingrobotworkstationandvisionsystemisproposed,andtheoverallschemeoftheworkstationandtheoverallschemeofthevisionsystemaredetermined.Afterdeterminingthesolution,thehardwarerequiredforthevisionsystem:industrialcamera,industrialcameralens,industrialcameralightsourceandsensorselection,thenextstepistousehalconandC#languagetowritevisionsoftwareprograms,includingtheimplementationofimageprocessinganddisplay,cameracalibrationanddeeplearningandotherfunctions.Inordertomakethevisionsystemandworkstationrobotformanoverallsystem,itisnecessarytousePLCtoletthevisionsystemandworkstationcommunicate,determinethecommunicationmethodasserialcommunication,andcompletetheprogramwritingofcommunication.Finally,theidentificationtestoftheworkstationvisionsystemwascarriedouton300plates,andtherecognitionratereachedmorethan95%afterthetest,whichmetthedesignrequirements.Theworkstationvisionsystemvisuallyidentifieswcgxy.5-1mountingplateA,wcgxy.5-2mountingplateB,mountingplateCthreekindsofplates,comparedwithmanualsorting,greatlyimprovingandhighrecognitionfastspeedhasaverypracticalvalue.Keywords:Machinevision;platesorting;imageprocessing本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用目 錄TOC\o"1-2"\h\z\u1緒 論 11.1研究目的及意義 11.2國(guó)內(nèi)外研究現(xiàn)狀 21.3主要研究?jī)?nèi)容 32多規(guī)格版分揀工作站的視覺系統(tǒng)方案設(shè)計(jì) 42.1多規(guī)格版分揀工作站功能分析 42.2多規(guī)格版分揀工作站總方案 42.3視覺系統(tǒng)方案 53視覺系統(tǒng)的硬件選型 63.1視覺系統(tǒng)硬件方案 63.2工業(yè)相機(jī)選型 63.3工業(yè)相機(jī)鏡頭選型 83.4工業(yè)相機(jī)光源選型 103.5傳感器的選型 133.6小結(jié) 134視覺系統(tǒng)的軟件設(shè)計(jì) 154.1軟件設(shè)計(jì)方案 154.2相機(jī)標(biāo)定 154.3圖像采集 194.4圖像預(yù)處理 194.5特征匹配和圖像識(shí)別 204.6識(shí)別結(jié)果顯示 204.7深度學(xué)習(xí) 214.8小結(jié) 235視覺系統(tǒng)的通訊設(shè)置 245.1通訊協(xié)議選定 245.2相機(jī)與PLC的通訊 246系統(tǒng)測(cè)試 266.1測(cè)試對(duì)象與樣本 266.2測(cè)試過程 266.3測(cè)試結(jié)果 387結(jié)語(yǔ) 39參考文獻(xiàn) 40致 謝 41附 錄 42PAGEPAGE11緒 論1.1研究目的及意義近些年來(lái)隨著科技水平的不斷提高，我們正處于新型工業(yè)化的浪潮之中，而機(jī)器人工程作為新工業(yè)化最主要的趨勢(shì)，機(jī)器人產(chǎn)業(yè)的需求也不斷地?cái)U(kuò)大。在現(xiàn)代化技術(shù)不斷地提高中，機(jī)器人技術(shù)也隨之日益增長(zhǎng)，由人組成地勞動(dòng)力已逐步被自動(dòng)化設(shè)備以及機(jī)器人所而機(jī)器人視覺系統(tǒng)作為構(gòu)成機(jī)器人整體最主要的系統(tǒng)之一，其實(shí)用性和重要性不言而喻。近些年來(lái)依靠電子科技和信息技術(shù)的發(fā)展，視覺系統(tǒng)也證再高速發(fā)展[8]。在不少領(lǐng)域比如食品領(lǐng)域，已有高速機(jī)器人分揀系統(tǒng)視覺技術(shù)的研究，這些系統(tǒng)的研發(fā)提高了我國(guó)食品生產(chǎn)效率，保障了食品安全，降低了勞動(dòng)強(qiáng)度[1]。機(jī)器人可以運(yùn)用到機(jī)械零件分揀的過程中，可以利用機(jī)器人智能化的特點(diǎn)來(lái)代替人工操作[4]。多規(guī)格板件是最常見和最常用的加過零件或裝配零件，現(xiàn)如今對(duì)于多規(guī)格板件的分揀大多數(shù)還是處于人工分揀的階段，單純依靠人工分揀不僅僅導(dǎo)致了工作效率低的問題更關(guān)鍵的是依靠人工分揀，難免會(huì)因疲勞，工人分神等各種原因?qū)е鹿ぷ骶炔桓?，較易產(chǎn)生失誤的問題。而且，現(xiàn)在的自動(dòng)化技術(shù)少有自主識(shí)別的功能。因此我針對(duì)這一現(xiàn)象，展開多規(guī)格板件分揀機(jī)器人工作站視覺系統(tǒng)設(shè)計(jì)課題的研究，依靠機(jī)器人視覺來(lái)識(shí)別多規(guī)格板件，并用機(jī)器人工作站來(lái)進(jìn)行多規(guī)格板件的分揀工作。機(jī)器人視覺系統(tǒng)對(duì)不同形狀的板件一一識(shí)別，并通過機(jī)器人通訊將識(shí)別結(jié)果反饋給機(jī)器人，最后機(jī)器人通過末端操作器將已識(shí)別的板件進(jìn)行分揀工作，把不同規(guī)格的板件放入相應(yīng)的采集框中。通過多規(guī)格板件分揀機(jī)器人工作站視覺系統(tǒng)設(shè)計(jì)來(lái)達(dá)成使用機(jī)器人工作站代替人工分揀多規(guī)格板件，并且提高分揀多規(guī)格板件的準(zhǔn)確性和高效率的目的，進(jìn)一步提高生產(chǎn)能力。可以參照楊紅軍等人提出的利用機(jī)器視覺和氣動(dòng)機(jī)器人的自動(dòng)化分揀解決方案,并從軟件和硬件兩方面進(jìn)行了詳細(xì)的設(shè)計(jì)[7]。了現(xiàn)代工業(yè)化進(jìn)程。1.2國(guó)內(nèi)外研究現(xiàn)狀從全球市場(chǎng)角度來(lái)看，物聯(lián)網(wǎng)的飛速發(fā)展，邊緣算法的逐步完善，機(jī)器視覺行業(yè)已經(jīng)走向成熟，越來(lái)越多地在工業(yè)領(lǐng)域得到發(fā)展[15]。這些年以來(lái)，視覺市場(chǎng)的專利雖然在除中國(guó)以外的國(guó)家中逐漸降低，但是歐美的視覺技術(shù)還是名列前茅，特別是以美國(guó)，歐洲和日本等發(fā)達(dá)城市為主，這些國(guó)家的機(jī)器人視覺技術(shù)和市場(chǎng)還是占據(jù)絕大部分。在現(xiàn)在這幾年，視覺領(lǐng)域相關(guān)的技術(shù)已經(jīng)初步完善，包括像傳感器和處理器技術(shù)，圖像處理技術(shù)以及光學(xué)成像等技術(shù)的快速發(fā)展以及和機(jī)器人視覺技術(shù)的融合，機(jī)器視覺在我們的生活中以及變得越來(lái)越常見，我們?cè)跈C(jī)器視覺領(lǐng)域也運(yùn)用得越來(lái)越廣泛和熟練，可以說機(jī)器視覺在生產(chǎn)過程中扮演著重要得角色。包括在最主要的工業(yè)生產(chǎn)領(lǐng)域，到服務(wù)行業(yè)比如物流搬運(yùn)，酒店人臉識(shí)別以及超市入口測(cè)量體溫等方面，再到金融領(lǐng)域，交通中的機(jī)器視覺，甚至是國(guó)家安防領(lǐng)域，機(jī)器視覺發(fā)揮著越來(lái)越穩(wěn)定，有效，重要的作用，機(jī)器視覺現(xiàn)如今正在促進(jìn)制造業(yè)，服務(wù)業(yè)在內(nèi)的許多行業(yè)進(jìn)行快速地轉(zhuǎn)型。在世界范圍內(nèi)的“工業(yè)4.0”和自動(dòng)化生產(chǎn)需求的趨勢(shì)下，機(jī)器視覺因具備著精度高，效率高以及穩(wěn)定性好的眾多優(yōu)點(diǎn)，機(jī)器視覺正成為我國(guó)研究的重點(diǎn)領(lǐng)域和應(yīng)用方向。光學(xué)鏡頭是作為機(jī)器視覺最重要以及必需的組成部分之一，根據(jù)數(shù)據(jù)統(tǒng)計(jì)，伴隨著這些年以來(lái)機(jī)器視覺的市場(chǎng)在全世界范圍內(nèi)規(guī)模的擴(kuò)張，關(guān)于應(yīng)用在工業(yè)機(jī)器人視覺以及自動(dòng)化領(lǐng)域的光學(xué)鏡頭正在穩(wěn)步發(fā)展中，光學(xué)鏡頭在2017年的市場(chǎng)規(guī)模已經(jīng)達(dá)到了14億美元，并且根據(jù)相關(guān)預(yù)測(cè)，光學(xué)鏡頭的市場(chǎng)規(guī)模將會(huì)增長(zhǎng)到28億美元，并且復(fù)合增長(zhǎng)率將會(huì)達(dá)到12%。雖然我國(guó)的機(jī)器視覺行業(yè)起步落后于歐洲，美國(guó)，日本等發(fā)達(dá)國(guó)家，并且我國(guó)機(jī)器視覺起初還是依靠國(guó)外品牌的代理，而且集中程度也不高。但是在現(xiàn)在這幾年，我國(guó)已經(jīng)陸續(xù)出現(xiàn)很多的經(jīng)銷商，并且已經(jīng)開始自己研發(fā)機(jī)器視覺相關(guān)的產(chǎn)品，雖然我國(guó)已經(jīng)開始追趕國(guó)外機(jī)器視覺領(lǐng)域的腳步，但是在機(jī)器視覺領(lǐng)域的行業(yè)分布還有銷售渠道和方式，以及具有高度成熟化的自動(dòng)化產(chǎn)品等這些方面還是有著不小的距離。我國(guó)現(xiàn)m如今的自動(dòng)化設(shè)備產(chǎn)品的成熟度還不是很高，而且所包含的技術(shù)還不成熟，技術(shù)含量不高，最重要的一點(diǎn)，我國(guó)的機(jī)器視覺的市場(chǎng)還遠(yuǎn)遠(yuǎn)達(dá)不到飽和的狀態(tài)。所以我國(guó)的機(jī)器視覺還存在著較大的潛力。我們可以將機(jī)器視覺的企業(yè)分為層開發(fā)廠商，二次開發(fā)廠商和產(chǎn)品代理商。其中在我國(guó)的機(jī)器視覺企業(yè)中，機(jī)器視覺的系統(tǒng)二次開發(fā)廠商和國(guó)外機(jī)器數(shù)額企業(yè)的產(chǎn)品代理商這兩種企業(yè)占據(jù)了大部分。根據(jù)統(tǒng)計(jì)，國(guó)外的機(jī)器視覺企業(yè)品牌在我國(guó)已達(dá)到100多家，而在我國(guó)負(fù)責(zé)代理銷售這些品牌的企業(yè)已達(dá)到200多家，并且負(fù)責(zé)專業(yè)的系統(tǒng)集成商也已經(jīng)超過了50家。但是，在我國(guó)負(fù)責(zé)真正機(jī)器視覺的底層廠商數(shù)量少之又少，可以說是鳳毛麟角，所以說我國(guó)本土關(guān)于生產(chǎn)機(jī)器視覺系統(tǒng)的元器件的廠商以及設(shè)計(jì)機(jī)器視覺系統(tǒng)廠商嚴(yán)重缺失。為了迅速拓展機(jī)器視覺領(lǐng)域的市場(chǎng)以及增強(qiáng)我國(guó)企業(yè)在這個(gè)領(lǐng)域的積極性，國(guó)家發(fā)布了許多優(yōu)惠政策，據(jù)統(tǒng)計(jì)自2016年以來(lái)我國(guó)的年專利申請(qǐng)量已經(jīng)超過了1000項(xiàng)，所以說在技術(shù)研發(fā)的層面，我國(guó)的專利申請(qǐng)量已經(jīng)遠(yuǎn)遠(yuǎn)高于國(guó)本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用外的數(shù)量，但是國(guó)外在這些專利的操作上以及如何去將這些專利應(yīng)用在各個(gè)其他方面的領(lǐng)域上，這個(gè)方面上我國(guó)還是沒趕上國(guó)外的質(zhì)量。但是換過來(lái)說，我國(guó)在本土品牌的創(chuàng)建上正在飛速發(fā)展，現(xiàn)如今本土品牌的數(shù)量正在逐步逼近外資品牌的數(shù)量，不足的是，我國(guó)本土品牌的質(zhì)量和在國(guó)際上的影響力方面，相比于國(guó)外知名品牌還存在著不小的差距，所以說我國(guó)的本土品牌或者民族品牌想要成為世界知名品牌，所要經(jīng)歷的道路還比較長(zhǎng)，我們需要加速這一進(jìn)程?，F(xiàn)如今我國(guó)需要降低人工成本和提高生產(chǎn)的效率，我國(guó)這一方面的需求及其龐大，況且我國(guó)正在由勞動(dòng)密集型向技術(shù)密集型進(jìn)行轉(zhuǎn)型，所以我國(guó)在機(jī)器視覺領(lǐng)域存在著巨大的潛力，將成為在世界范圍內(nèi)機(jī)器視覺發(fā)展技術(shù)最活躍的地區(qū)之一。我國(guó)的珠三角和長(zhǎng)江三角洲一帶地區(qū)，是全球知名的電子和半導(dǎo)體技術(shù)的轉(zhuǎn)移地，因此具備成為機(jī)器視覺發(fā)展地的良好條件，這兩個(gè)地區(qū)中的機(jī)器視覺發(fā)展也是突飛猛進(jìn)。同時(shí)這兩個(gè)地區(qū)吸引著世界各地優(yōu)秀的機(jī)器視覺系統(tǒng)和技術(shù)，不斷引進(jìn)這些優(yōu)秀企業(yè)和技術(shù)，我國(guó)的機(jī)器視覺企業(yè)和技術(shù)將在各個(gè)優(yōu)秀企業(yè)的良性競(jìng)爭(zhēng)中不斷得到滋補(bǔ)，不斷茁壯成長(zhǎng)，出于我國(guó)政府的支持，各大高校和研究院也不斷在機(jī)器視覺中投入研究，我國(guó)機(jī)器視覺的前景十分光明，伴隨著機(jī)器視覺在各個(gè)領(lǐng)域的應(yīng)用，機(jī)器視覺將會(huì)在不同的領(lǐng)域造福社會(huì)和人們。1.3主要研究?jī)?nèi)容本文是研究多規(guī)格板件分揀機(jī)器人工作站視覺系統(tǒng)設(shè)計(jì)，為了實(shí)現(xiàn)對(duì)三種規(guī)格的板件進(jìn)行快速識(shí)別，并通過通訊系統(tǒng)鏈接工作站中的工業(yè)機(jī)器人，完成對(duì)三種規(guī)格板件的分揀，課題主要研究?jī)?nèi)容如下。（1）完成多規(guī)格板件分揀機(jī)器人工作站視覺系統(tǒng)方案設(shè)計(jì)；（2）完成機(jī)器人視覺的硬件（工業(yè)相機(jī)，工業(yè)相機(jī)鏡頭，光源，傳感器）的選型和軟件系統(tǒng)編程設(shè)計(jì)；（3）完成相機(jī)通訊系統(tǒng)設(shè)置設(shè)計(jì)；（4）完成視覺與工作站工業(yè)機(jī)器人通訊設(shè)置設(shè)計(jì)；（5）進(jìn)行工作站測(cè)試。本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用2多規(guī)格版分揀工作站的視覺系統(tǒng)方案設(shè)計(jì)2.1多規(guī)格版分揀工作站功能分析集箱中。板件的類型有：wcgxy.5-1安裝板A、wcgxy.5-2安裝版B、wcgxy.5-2安裝板C。2.2多規(guī)格版分揀工作站總方案分裝三種板件。具體方案如圖2.1所示。傳送帶傳送板件傳送帶傳送板件觸發(fā)工業(yè)相機(jī)攝像觸發(fā)工業(yè)相機(jī)攝像視覺系統(tǒng)工作站控制系統(tǒng)視覺系統(tǒng)工作站控制系統(tǒng)光電傳感器顯示屏機(jī)器人夾爪夾取滿載提示圖2.1多規(guī)格版分揀工作站總方案2.3視覺系統(tǒng)方案視覺系統(tǒng)是整個(gè)工作站最重要的組成部分之一，要實(shí)現(xiàn)對(duì)三種板材的識(shí)別，對(duì)工業(yè)相機(jī)所拍攝的圖像進(jìn)行采集和處理等操作。多規(guī)格版分揀工作站視覺系統(tǒng)方案如圖2.2所示。圖2.2多規(guī)格版分揀工作站視覺系統(tǒng)方案3視覺系統(tǒng)的硬件選型進(jìn)行設(shè)計(jì)。3.1視覺系統(tǒng)硬件方案的工業(yè)接口，有較高的容錯(cuò)率和安全性，能夠在復(fù)雜的環(huán)境下工作[2]。上述便是視覺系統(tǒng)的硬件方案工作流程，下面對(duì)所用到的相關(guān)裝置進(jìn)行選型選擇和安裝設(shè)計(jì)。3.2工業(yè)相機(jī)選型工業(yè)相機(jī)運(yùn)行的工作方式其實(shí)就是通過CMOS或CCD這兩種成像傳感器實(shí)現(xiàn)光信號(hào)檢測(cè)速度保持同步，相機(jī)拍照需要精確且能夠抓拍到移速較高的板件[9]。距平面的物體，實(shí)時(shí)處理一幅圖像進(jìn)行位置和形態(tài)的分析[6]?，F(xiàn)在市面上的工業(yè)相機(jī)有以下幾類：PAGEPAGE10可以檢測(cè)不同零件或相似形狀零件的尺寸上。第二，線陣相機(jī)不同之處就是線陣相機(jī)需要用到線陣圖像傳感器來(lái)檢測(cè)所拍攝的物品，因此線陣相機(jī)在另外一些領(lǐng)域發(fā)揮著重要的作塑料制品，尼龍纖維制品等不同的材質(zhì)組成物品的表面是否存在著缺陷。（2）按照芯片類型不同可以分為CCD相機(jī)和CMOS相機(jī)：CCD工業(yè)相機(jī)具有體積小重量輕、低功耗、響應(yīng)速度快、像素集成度高等優(yōu)勢(shì)，CMOS工業(yè)相機(jī)具有高速成像、高幀率、高性價(jià)比等優(yōu)勢(shì)。關(guān)，彩色工業(yè)相機(jī)效果更佳。本工作站需要識(shí)別的是尺寸固定的三種規(guī)格的板件，所以選用面陣相機(jī)比較合適。并不多，圖像處理區(qū)域一秒可處理256MB大小數(shù)據(jù)，因此剩余空間可用兩個(gè)高速輸出通道傳輸數(shù)據(jù)，以達(dá)到實(shí)時(shí)識(shí)別的效果，通過IO模塊向PLC控制柜傳輸數(shù)據(jù)信息。工作站比較大，同時(shí)需要網(wǎng)絡(luò)通訊來(lái)傳輸數(shù)據(jù)，因此相機(jī)需要有相對(duì)應(yīng)的網(wǎng)絡(luò)接口。綜上所述，本工作站的工業(yè)相機(jī)選用ME2L-161-61U3M水星二代Lite16萬(wàn)像素黑白工業(yè)相機(jī)。水星二代Lite(ME2L-U3)系列數(shù)字相機(jī)是大恒圖像自主研發(fā)的面陣工業(yè)數(shù)字相機(jī)，29mm(W)×29mm(H)×28.1mm(L)，對(duì)于相機(jī)成本和尺寸有嚴(yán)苛要求的用戶將會(huì)是一個(gè)不錯(cuò)的選擇。ME2L-161-61U3M采用全局曝光的SonyIMX296CMOS感光芯片，該款相機(jī)用于傳輸數(shù)據(jù)的數(shù)據(jù)線類型屬于是USB3.0的接口，這款接口在市面上比較常見，更方便于更換，而且該款工業(yè)相機(jī)同時(shí)也配備了接口的松動(dòng)，該款相機(jī)還具備了數(shù)據(jù)線纜的固定鎖緊設(shè)計(jì)，這一設(shè)計(jì)更加有利于這款工業(yè)相機(jī)在不友好的工業(yè)環(huán)境中正常，高效穩(wěn)定地工作，所以這款相機(jī)無(wú)論是在性能上還是設(shè)計(jì)上都是優(yōu)秀的一款工業(yè)相機(jī)，同時(shí)這款相機(jī)的體積小，便于攜帶的同時(shí)也便于安裝，使相機(jī)還有一個(gè)優(yōu)點(diǎn)就是使用該款相機(jī)時(shí)，這款相機(jī)工作所產(chǎn)生的噪聲小，使得相機(jī)能在一ME2L-161-61U3M有較高的清晰度，這對(duì)于選擇工業(yè)相機(jī)來(lái)說是一個(gè)十分重要的指標(biāo)。結(jié)合這些優(yōu)點(diǎn)來(lái)說，ME2L-161-61U3M這款相機(jī)時(shí)我們工作站的首選，這款相機(jī)超高的性價(jià)比和十分可靠的性能，都十分有利于我們的視覺系統(tǒng)。其參數(shù)如表3.1所示。本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用表3.1ME2L-161-61U3M工業(yè)相機(jī)技術(shù)參數(shù)分辨率1440*1080幀率（fps）61.2傳感器廠商Sony傳感器1/2.9IMX296GlobalshutterCMOS像元尺寸3.45um像素深度8bit,10bit數(shù)據(jù)接口USB3鏡頭接口C,CS光譜黑白圖像數(shù)據(jù)格式Mono8,Mono10信噪比40.6Db供電要求5VDC額定功率<2.7W@5VDC工作溫度0℃-+5℃存儲(chǔ)溫度-20℃-+70℃工作濕度10%-80%機(jī)械尺寸（W*H*L）29mm*29mm*28.1mm(不含C接口長(zhǎng)度)重量47g認(rèn)證及標(biāo)準(zhǔn)CE,RoHS,USB3Vision,GenlCam3.3工業(yè)相機(jī)鏡頭選型膜的材料具備的吸收特性。相機(jī)鏡頭還有以下四個(gè)因素的影響。（1）焦距和景深，畸變和漸暈現(xiàn)象都具有很大的聯(lián)系，就景深來(lái)說，焦距和景深是成反比關(guān)系，同時(shí)焦距和畸變也是呈現(xiàn)反比的關(guān)系。而如果焦距越小，那么漸暈現(xiàn)象也就會(huì)越嚴(yán)重，漸暈現(xiàn)象越嚴(yán)重也會(huì)導(dǎo)致像差邊緣照度降低。（2）第二就是和光圈大小有影響，光圈大小和圖像亮度則呈正比關(guān)系，與景深呈現(xiàn)反比關(guān)系，最后如果光圈越大，那么圖像的分辨率也是越高。（3）第三與像場(chǎng)中央與邊緣也有影響，一般像場(chǎng)中心較邊緣分辨率高一般像場(chǎng)中心較邊緣光場(chǎng)照度高。（4）光波長(zhǎng)度的影響。本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用光圈F值一般有：2.8、4、5.6、8、11、16、25、50這幾個(gè)等級(jí)，F(xiàn)值和景深關(guān)系如圖3.1所示。圖3.1F值與景深關(guān)系圖通過相機(jī)的尺寸也就是CCD的計(jì)算過程如圖3.2所示。圖3.2焦距計(jì)算公式視野角計(jì)算原理如圖3.3所示。圖3.3視野角計(jì)算原理圖工作距離：視野角=焦距：CDD尺寸本工作站選用的鏡頭是大恒圖像P50286MC1/1.8型號(hào)工業(yè)鏡頭如圖3.4所示。圖3.4大恒圖像HN-P-6M系列鏡頭的HN-P-5028-6M-C1/1.8型號(hào)工業(yè)鏡頭大恒圖像HN-P-5028-6M-C1/1.8型號(hào)工業(yè)鏡頭的技術(shù)參數(shù)如表3.2所示。表3.2N-P-5028-6M-C1/1.8型號(hào)工業(yè)鏡頭的技術(shù)參數(shù)型號(hào)HN-P-5028-6M-C1/1.8品牌大恒圖像調(diào)焦類型固定焦距分辨率6M焦距50Sehsor尺寸（inch）1/1.8視場(chǎng)角（H*V）7.84*5.24光圈范圍F2.8-F16畸變（%）±0.1鏡頭接口C螺紋尺寸M30.5*0.5最小工作距離（mm）500工作距離（mm）250-∞機(jī)械尺寸（D*H）(mm)Φ37*51.7重量104.5g3.4工業(yè)相機(jī)光源選型光源的作用有以下幾點(diǎn)：（1）照亮目標(biāo)，提高目標(biāo)亮度；（2）形成最有利于圖像處理的成像效果；（3）為了保證圖像具有較高的穩(wěn)定性，不被自然光以及周圍環(huán)境中的光源所干擾；（4）用作測(cè)量的工具或參照。光直接照射在物件表面的光源稱之為點(diǎn)光源。四種光源安裝方式如圖3.5，圖3.6，圖3.7和圖3.8所示。圖3.5前光源圖3.6背光源圖3.7環(huán)形光源本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用圖3.8點(diǎn)光源市面上常見和最常用的光源有以下五種：電致發(fā)光管，光纖鹵素?zé)?，高頻熒光燈，氙燈，LED燈，這幾種光源的特性比較如表3.3所示。表3.3光源的特性比較表光源顏色壽命/h發(fā)光亮度特點(diǎn)鹵素?zé)舭咨S5000~7000很亮發(fā)熱多，較便宜熒光燈白色，偏綠5000~7000亮較便宜LED燈紅、黃、綠、白藍(lán)6000~10000較亮固體，能做出很多形狀氙燈白色，偏藍(lán)3000~7000亮熱多，持續(xù)光電致發(fā)光管由發(fā)光頻率決定5000~7000較亮發(fā)熱少，較便宜光源會(huì)因角度產(chǎn)生較大陰影區(qū)域從而產(chǎn)生較大誤差，而且LED燈安全性高，作為低溫光LED燈LED的成功率。FH-RI15045LED環(huán)形光源如圖3.9所示。本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用3.5傳感器的選型

圖3.9FH-RI15045LED環(huán)形光源來(lái)檢測(cè)被測(cè)板件，因此本工作站選擇光電傳感器。M18漫反射式光電傳感器如圖3.10所示。3.6小結(jié)

圖3.10M18漫反射式光電傳感器業(yè)相機(jī)鏡頭，工業(yè)相機(jī)光源，傳感器這些硬件的選型。我們的工業(yè)相機(jī)選擇ME2L-161-61U3M水星二代Lite16萬(wàn)像素黑白工業(yè)相機(jī)，工業(yè)相機(jī)鏡頭選擇大恒圖像HN-P-6M系列鏡頭的HN-P-5028-6M-C1/1.8LED選擇了漫反射式光電傳感器。這些硬件均可滿足工作站視覺系統(tǒng)工作的需求。4視覺系統(tǒng)的軟件設(shè)計(jì)4.1軟件設(shè)計(jì)方案本工作站視覺系統(tǒng)通過halcon軟件編寫程序，對(duì)三種規(guī)格的板件的圖像進(jìn)行采集和預(yù)處理，并對(duì)圖像進(jìn)行識(shí)別并將結(jié)果顯示。具體流程是先進(jìn)行相機(jī)標(biāo)定，完成相機(jī)標(biāo)定之后相機(jī)對(duì)待采集的板件進(jìn)行拍照采集圖像，當(dāng)采集的圖像質(zhì)量符合圖像識(shí)別標(biāo)準(zhǔn)時(shí)，用halcon軟件將圖像進(jìn)行灰度化等預(yù)處理，完成圖像預(yù)處理后，視覺系統(tǒng)進(jìn)行深度學(xué)習(xí)，并建立特征庫(kù)，最后通過建立的特征庫(kù)與待檢測(cè)的板件進(jìn)行特征匹配，從而完成視覺系統(tǒng)對(duì)于待測(cè)板件的識(shí)別并將結(jié)果顯示在顯示屏上。4.2相機(jī)標(biāo)定相機(jī)標(biāo)定是不可缺少的環(huán)節(jié)，相機(jī)的標(biāo)定是為了防止圖片產(chǎn)生形變，而圖片的形變產(chǎn)除此之外，相機(jī)的標(biāo)定可以通過算法進(jìn)行數(shù)學(xué)變換，可以通過數(shù)學(xué)變換來(lái)對(duì)一個(gè)三維坐標(biāo)點(diǎn)與與它對(duì)應(yīng)的二維圖像的坐標(biāo)點(diǎn)進(jìn)行轉(zhuǎn)換，通過這一操作可以得出相機(jī)的內(nèi)外參數(shù)。同之間的關(guān)系，為工業(yè)機(jī)器人準(zhǔn)確、高效、穩(wěn)定抓取工件提供了理論依據(jù)[11]。償，之后再把板件旋轉(zhuǎn)中心的坐標(biāo)發(fā)送給再將二次補(bǔ)償?shù)闹捣答伣o電機(jī)，通過板件平移的長(zhǎng)度和旋轉(zhuǎn)的角度進(jìn)行位置標(biāo)定。我們需要得到對(duì)處理圖像最適合的圖像位置，所以我們需要對(duì)偏移值進(jìn)行計(jì)算，經(jīng)過計(jì)算之后，會(huì)反饋給我們一個(gè)對(duì)圖像處理的最好位置以及一個(gè)最合適的偏轉(zhuǎn)角度值，我們還可以運(yùn)用這種方式來(lái)計(jì)算得出圖像中的像素相對(duì)應(yīng)的位置和距離，通過得出的這些距離值來(lái)將需要處理的圖像區(qū)域更加準(zhǔn)確的上傳到我們的PLC確。最后我們還可以通過對(duì)偏移量的計(jì)算，從而算出我們的工業(yè)相機(jī)所在空間區(qū)域的坐標(biāo)這樣可以令圖像識(shí)別更加清晰準(zhǔn)確。的工業(yè)相機(jī)放在一個(gè)固定的位置上，然后提前確定三維坐標(biāo)XYZ的值之后通過對(duì)黑白棋用標(biāo)定板標(biāo)定實(shí)現(xiàn)代碼如下。#對(duì)于在棋盤格之中的角點(diǎn)的定位criteria=(cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER,30,0.001)w=9h=6#世界坐標(biāo)系中的棋盤格點(diǎn),例如(0,0,0),(1,0,0),(2,0,0),(8,5,0)，去掉Z坐標(biāo)，記為二維矩陣objp=np.zeros((w*h,3),np.float32)objp[:,:2]=np.mgrid[0:w,0:h].T.reshape(-1,2)#儲(chǔ)存棋盤格角點(diǎn)的世界坐標(biāo)和圖像坐標(biāo)對(duì)objpoints=[]#在世界坐標(biāo)系中的三維點(diǎn)imgpoints=[]#在圖像平面的二維點(diǎn)我們還需要把已經(jīng)標(biāo)定過的三維點(diǎn)和與之相互對(duì)應(yīng)的處理過的圖像的二維點(diǎn)進(jìn)行比對(duì)。相機(jī)標(biāo)定將對(duì)應(yīng)的相機(jī)標(biāo)定進(jìn)行對(duì)棋盤格進(jìn)行設(shè)存儲(chǔ)并在圖像上顯示出來(lái)。代碼如下：images=glob.glob('calib/*.png')forfnameinimages:img=cv2.imread(fname)gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#找到棋盤格角點(diǎn)et,corners=cv2.findChessboardCorners(gray,#如果找到足夠點(diǎn)對(duì)，將其存儲(chǔ)起來(lái)進(jìn)行相機(jī)的標(biāo)定?，F(xiàn)在我們來(lái)看如何來(lái)實(shí)現(xiàn)相機(jī)的九眼標(biāo)定。寸直徑為3cm的圓，如圖4.1九眼標(biāo)定九點(diǎn)圖所示。圖4.1九眼標(biāo)定法標(biāo)定板的圖片第二個(gè)步驟，就是我們需要把這張標(biāo)定板放置在我們的工業(yè)相機(jī)的正下方，并且標(biāo)定板需要處于水平位置，然后我們需要按照Z(yǔ)字形的順序來(lái)記錄這九個(gè)點(diǎn)的中心坐標(biāo)是多少。第三個(gè)步驟是我們需要控制我們的工業(yè)機(jī)器人，并且將工業(yè)機(jī)器人的末端操作器，在我們實(shí)驗(yàn)室使用的末端操作器是一支筆，我們用筆尖來(lái)按順序靠近九個(gè)圓的中心點(diǎn)，用筆尖可以更加精確地得到圓心的坐標(biāo)，然后我們記錄用機(jī)器人記錄的九組坐標(biāo)數(shù)據(jù)。第四個(gè)步驟就是我們需要用到Halcon軟件的算子，這一步驟需要在Halcon軟件上編程，并且運(yùn)用之前所記錄的數(shù)據(jù)。我們?cè)谒臄z的照片上的數(shù)據(jù)所需的程序代碼如下。我們用機(jī)器人所采集的九組數(shù)據(jù)坐標(biāo)的程序代碼如下。robot_x:=[]robot_y:=[]完成這一步之后，我們需要將我們所拍攝的圖片記錄的數(shù)據(jù)和機(jī)器人所記錄的九組數(shù)據(jù)坐標(biāo)相結(jié)合，程序代碼如下。vector_to_hom_mat2d(image_x,image_y,robot_x,robot_y,HomMat2D)然后我們需要貯存一個(gè)矩陣的數(shù)據(jù)，儲(chǔ)存矩陣的代碼是write_tuple(HomMat2D,'路徑')，值得注意的是我們需要命名的后綴是.tup這個(gè)形式。這里我們已經(jīng)標(biāo)定完成了，接下來(lái)我們就需要用相機(jī)拍一個(gè)特征點(diǎn)，并且求出這個(gè)點(diǎn)的像素位置。img_x:=img_y:=read_tuple(‘路徑’,HomMat2D)affine_trans_point_2d(HomMat2D,img_x,img_y,Qx,Qy)這一步我們就可以把所得的像素坐標(biāo)重合為機(jī)器人坐標(biāo)。接下來(lái)我們就要寫出完整的九眼標(biāo)定法的代碼，代碼如下。read_image(Image,'D:/hellowprld/視覺標(biāo)定板圖/9points.jpg')dev_close_window()dev_open_window_fit_image(Image,0,0,-1,-1,WindowHandle)dev_display(Image)binary_threshold(Image,Region,'max_separability','dark',UsedThreshold)connection(Region,ConnectedRegions)*篩選出來(lái)九個(gè)點(diǎn)select_shape(ConnectedRegions,SelectedRegions,'area','and',1000,2000)shape_trans(SelectedRegions,RegionTrans,'outer_circle')*求出九點(diǎn)坐標(biāo)area_center(RegionTrans,Area,Row,Column)disp_message(WindowHandle,'R:'+Row+'C:'+Column,'Image',Row,Column,'black','true')*把求得的Row和Column賦值*九點(diǎn)標(biāo)定行PxRow:=Row*九點(diǎn)標(biāo)定列PxColunm:=Column*九點(diǎn)標(biāo)定行*PxRow:=[23.5,23.5,23.5,71.5,71.5,71.5,118.5,118.5,118.5]*九點(diǎn)標(biāo)定列*PxColunm:=[28.5,75.5,122.5,28.5,75.5,122.5,28.5,75.5,122.5]*機(jī)器坐標(biāo)行Qx:=[100,50,0,100,50,0,100,50,0]*機(jī)器坐標(biāo)列Qy:=[0,0,0,50,50,50,100,100,100]*拿到機(jī)器坐標(biāo)和像素坐標(biāo)求出關(guān)系矩陣*標(biāo)定行標(biāo)定列機(jī)器X機(jī)器Y得到矩陣vector_to_hom_mat2d(PxRow,PxColunm,Qx,Qy,HomMat2D)*保存矩陣write_tuple(HomMat2D,'九點(diǎn)標(biāo)定.tup')本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用PAGEPAGE19*讀取矩陣read_tuple('九點(diǎn)標(biāo)定.tup',HomMat2D)*利用求出來(lái)的物體行列坐標(biāo)得到機(jī)器坐標(biāo)affine_trans_point_2d(HomMat2D,Row,Column,Qx1,Qy1)4.3圖像采集FOV中全圖像，只留取我們所需的三種板件的完整圖像。覺識(shí)別將會(huì)面臨較大的困難，并且識(shí)別的準(zhǔn)確性將大打折扣，達(dá)不到預(yù)期的標(biāo)準(zhǔn)。4.4圖像預(yù)處理理操作。圖像預(yù)處理一般由三個(gè)步驟組成：圖像灰度化，圖像幾何變化，圖像增強(qiáng)。圖像灰度化：灰度值是在工業(yè)相機(jī)中的模擬視頻部分用信號(hào)/噪音比SNR采集卡的A/D轉(zhuǎn)換之后的數(shù)字視頻量是用比特（bits）位數(shù)表示的。在現(xiàn)實(shí)世界中一幅圖可能地反映出這種灰度的巨大變化范圍。對(duì)采集的圖像進(jìn)行灰度值轉(zhuǎn)換的操作，將RGB出板件的形狀和尺寸。童勝杰,江明,焦傳佳等通過實(shí)驗(yàn)結(jié)果表明,通過改進(jìn)的算法在去除工件表面劃痕方面效果明顯,并與傳統(tǒng)微分算子比較,邊緣清晰度、峰值信噪比(PSNR)都有大幅提高,為提高工件識(shí)別精度打好基礎(chǔ)[3]。幾何變換是指借助對(duì)圖像進(jìn)行鏡像操作，平移操作，旋轉(zhuǎn)操作，放大或縮小操作，轉(zhuǎn)置操作等一些對(duì)圖像幾何方向上的轉(zhuǎn)換來(lái)減小乃至減除因?yàn)椴杉瘯r(shí)系統(tǒng)存在的誤差，比如我們置放板件時(shí)位置的不同而產(chǎn)生的誤差，還有工業(yè)相機(jī)儀器所產(chǎn)生的微笑誤差，比如相我們除了通過幾何變換來(lái)減少誤差，我們還要使用灰度插值法，這種方法精度更加高，因?yàn)榛叶炔逯捣梢詫⑾鄼C(jī)輸出的圖像的像素映射到輸入圖像的非整數(shù)坐標(biāo)上。我們還需要對(duì)圖像進(jìn)行增強(qiáng)操作，我們的目的就是為了提高圖像可采集的信息，放大本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用PAGEPAGE20提高影像的判讀和識(shí)別能力，以達(dá)到一定的分析需求。4.5特征匹配和圖像識(shí)別我們完成了對(duì)我們所拍攝的圖像的預(yù)處理之后，一般我們選擇對(duì)預(yù)處理完的圖像進(jìn)行特征提取，特征提取是對(duì)我們拍攝的圖像進(jìn)行矢量分析，主要是借助于特征描述的方法來(lái)進(jìn)行這一操作，而關(guān)于特征提取，就是把我們得到的圖像進(jìn)行一連串的編碼，從而我們?cè)谳敵龆藭?huì)得到關(guān)于我們的圖像的一組數(shù)據(jù)。特征抽取是指由單一的點(diǎn)或多個(gè)點(diǎn)，通過低層在此基礎(chǔ)上，提出了一種基于特征的特征提取方法。劃分是根據(jù)以上所說的低層次特征，把點(diǎn)集成一小塊或一小塊的過程。相對(duì)于單個(gè)的分析和處理，劃分過程對(duì)各個(gè)物體進(jìn)行了進(jìn)一步的的目標(biāo)特性，從而實(shí)現(xiàn)對(duì)板件類型的預(yù)測(cè)[5]。4.6識(shí)別結(jié)果顯示我們?cè)趆alcon軟件上完成了對(duì)板件進(jìn)行識(shí)別操作的編程并且調(diào)試完之后，我們開始使用主要代碼如下。namespace_1{publicpartialclassForm1:Form{CogToolBlockab=newCogToolBlock();publicForm1(){InitializeComponent();cogRecordDisplay1.AutoFit=true;LoadJob();}privatevoidLoadJob(){ab=(}privatevoidbutton1_Click(objectsender,EventArgse{label1.Text="";label2.Text="";label3.Text="";ab.Run();cogRecordDisplay1.AutoFit=true;cogRecordDisplay1.Record=ab.CreateLastRunRecord().SubRecords[0];intResults_Count=(int)ab.Outputs["Results_Count"].Value;intResults_Count1=(int)ab.Outputs["Results_Count1"].Value;intResults_Count2=(int)ab.Outputs["Results_Count2"].Value;if(Results_Count==1){label1.Text="wcgxy.5-1安裝板A";}if(Results_Count1==1){label2.Text="wcgxy.5-2安裝版B";}if(Results_Count2==1){label3.Text="wcgxy.5-2安裝板C";}}}}4.7深度學(xué)習(xí)所要識(shí)別的板件。舉個(gè)例子：對(duì)于wcgxy.5-1安裝板A，工業(yè)相機(jī)依靠深度學(xué)習(xí)來(lái)分析板本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用件的圖片，并且提取wcgxy.5-1安裝板A的數(shù)據(jù)，從而建立起wcgxy.5-1安裝板A的數(shù)據(jù)庫(kù)，根據(jù)這個(gè)數(shù)據(jù)庫(kù)來(lái)對(duì)比其他物品的數(shù)據(jù)，若是數(shù)據(jù)相同則可以識(shí)別為wcgxy.5-1安裝板A，若是不同則不識(shí)別為wcgxy.5-1安裝板A。深度學(xué)習(xí)就是提供給神經(jīng)網(wǎng)絡(luò)很多很多wcgxy.5-1安裝板Awcgxy.5-1安裝板找相同提取相關(guān)的特征來(lái)進(jìn)行識(shí)別。將每個(gè)分類的范例都存儲(chǔ)于數(shù)據(jù)庫(kù)，然后由演算法根據(jù)實(shí)例獲得每個(gè)分類的可視化效果。這就需要收集和標(biāo)記數(shù)百萬(wàn)個(gè)圖片讓機(jī)器學(xué)習(xí)模型更穩(wěn)定，更有效地防止錯(cuò)誤的發(fā)生。盡可能選取具有代表性的照片，夠極大地增強(qiáng)識(shí)別的能力，能夠在不同的光照條件下，不同的環(huán)境下進(jìn)行多次的拍攝，或者是從網(wǎng)絡(luò)中提取具有代表性的照片，從而大大地提高了識(shí)別的效率，具體操作如下。Input:采集訓(xùn)練集數(shù)據(jù),建立一個(gè)Collectdate20張圖片作為訓(xùn)練集。Learning:這個(gè)任務(wù)就是利用分類器在數(shù)據(jù)集中學(xué)習(xí)到不同類別的特征，可以將此步驟稱為訓(xùn)練分類器或者學(xué)習(xí)模型,每種商品都會(huì)被貼上相應(yīng)的類別標(biāo)簽label。Evaluation:通過要求分類器預(yù)測(cè)一組它以前從未見過的新圖像的標(biāo)簽來(lái)評(píng)估分類器的質(zhì)量。然后將這些圖像的真實(shí)標(biāo)簽與分類器預(yù)測(cè)的標(biāo)簽進(jìn)行比較深度學(xué)習(xí)主要代碼如下。*讀取訓(xùn)練好的模型read_dl_classifier(FileName,DLClassifierHandle)*限制每次識(shí)別圖像為1個(gè)set_dl_classifier_param(DLClassifierHandle,'batch_size',1)*初始化網(wǎng)絡(luò)環(huán)境set_dl_classifier_param(DLClassifierHandle,'runtime_init','immediately')*dev_resize_window_fit_size(0,0,WindowWidth,WindowHeight,-1,-1)set_display_font(WindowHandle,30,'mono','true','false')forIndex:=0to10by1ImageFile:=RawImageFiles[floor(rand(1)*|RawImageFiles|)]read_image(Image,ImageFile)*將圖片縮放到網(wǎng)絡(luò)model需求的大小zoom_image_size(Image,Image,DlImageWidth,DlImageHeight,'constant')*將圖像的灰度縮放成網(wǎng)絡(luò)model需求范圍convert_image_type(Image,Image,'real')RescaleRange:=(DlRangeMax-DlRangeMin)/255.0scale_image(Image,Image,RescaleRange,DlRangeMin)count_channels(Image,Channel)*如果圖片不是三通道圖，就需要將圖像合成三通道圖if(Channel!=DlNumChannels)compose3(Image,Image,Image,Image)endif*使用已經(jīng)訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)識(shí)別一組圖像apply_dl_classifier(Image,DLClassifierHandle,DLClassifierResultHandle)*獲取識(shí)別結(jié)果get_dl_classifier_result(DLClassifierResultHandle,'all','predicted_classes',PredictedClass)*清除當(dāng)前識(shí)別的句柄clear_dl_classifier_result(DLClassifierResultHandle)dev_display(Image):='Predictedclass:'+PredictedClassdev_disp_text'window','top','left','red','box','false')dev_disp_text('PressRun(F5)tocontinue','window','bottom','right','black',[],[])stop()endforclear_dl_classifier(DLClassifierHandle)4.8小結(jié)本章主要說明了軟件設(shè)計(jì)的總方案，以及相機(jī)標(biāo)定的原理和具體程序設(shè)計(jì)，圖像采集的特點(diǎn)與要求，圖像預(yù)處理的重要性和具體程序設(shè)計(jì)，特征匹配和圖像識(shí)別的目的和呈現(xiàn)效果，最后還有halcon軟件深度學(xué)習(xí)所需效果以及深度學(xué)習(xí)的程序設(shè)計(jì)。本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用5視覺系統(tǒng)的通訊設(shè)置5.1通訊協(xié)議選定目前主流通信協(xié)議有：TCP/IP協(xié)議、ModBus通信協(xié)議、Rs-232通信協(xié)議、串口通信等。TCP/IP協(xié)議：不依賴于特定的網(wǎng)絡(luò)傳輸硬件，TCP/IP協(xié)議能夠集成各種不同網(wǎng)絡(luò)。ModBus協(xié)議：應(yīng)用層面廣，數(shù)據(jù)傳輸量效率低。Rs-23215通信。遠(yuǎn)距離通訊的成本，唯一不足的是傳輸?shù)乃俣缺绕渌俣认鄬?duì)于低一些。此工作站通訊要求不高，因此我們選擇串口通信。5.2相機(jī)與PLC的通訊PLC的通訊。具體程序如下。PROCmain()SocketClosesoket1;SocketCreatesocket1;SocketConnectsocket1,"",8000;SocketSendsocket1\Str:="通訊已就緒"；SocketReceivesocket1\Str:=string1;String1X:=StrPart(string1,1,4);OKX:=StrToVal(srting1X,reg1);string1y:=StrPart(string1,5,4);pPick10.trans.x:=reg1;pPick10.trans.y:=reg1;pPick10.trans.z:=+50;MoveL,pPick10,v100,z50,tool10;0.5;Resetsignaldo1;ENDPROC;Halcon通訊程序設(shè)計(jì)：read_image(Image,'picture')rgb1_to_gray(Image,GrayImage)threshold(GrayImage,Regions,0,10)connection(Regions,connectedRegions)fill_up(connectedRegions,RegionFillUp)select_shape（RegionFillUp,SelectedRegions,'area','and',87156,180714）count_obj(SelectedRegions,Number)sort_region(SelectedRegions,SortedRegions,'first_point','true','row')area_center(SelectedRegions,Area,Row,Column)Qx：=[60.02,126.12,190.80,56.61,121.29,1886.23,51.57,115.83,180.06]Qy：=[-854.84,-857.96,-864.03,-923.71,-928.23,-933.37,-995.29,-938.67,-1002.24]vector_to_hom_mat2d(Column,Row,Column,Row,HomMat2D)affine_trans_point_2d(HomMat2D,Column,Row,Qx1,Qy1)open_framegrabber('GenICamTL',0,0,0,0,0,0,'progressive',-1,…)grab_image_start(AcqHandle,-1)while(true)open_socket_connect('',8001,'protocol','TCP4',socket1)rgb1_to_gray(Image,GrayImage)threshould(GrayImage,Regions1,17.81)connection(Regions1,connectedRegion1)fill_up(connectedRegion1,RegionFillUp1)select_shape(RegionFillUp,selectedRegions1,'area','and',433433,778612)count_obj(SelectedRegion1,Number1)area_center(SelectedRegion1,Area1,Row1,Column1)affine_trans_point_2d(HomMat2D,Column1,Row1,Qx2,Qy2)tupce_string(Qx2,'0.1f',string)tupce_string(Qy2,'0.1f',string1)tuple_add(String,String1,Sum)send_data(Socket1,'z',Sum,[])endwhilePLC實(shí)現(xiàn)通訊功能，從而達(dá)到視覺系統(tǒng)與外部保持穩(wěn)定通訊的目的。本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用6系統(tǒng)測(cè)試將三種規(guī)格的板件進(jìn)行視覺識(shí)別，并且展示視覺識(shí)別后的效果。6.1測(cè)試對(duì)象與樣本wcgxy.5-1安裝板安裝版安裝板C各100300塊安裝版。將這三十塊板件分批放入工作站中進(jìn)行視覺識(shí)別分類與分揀。6.2測(cè)試過程將三種規(guī)格的板件放入工作張上的傳送帶，進(jìn)行視覺識(shí)別測(cè)試。如圖6.1所示。圖6.1實(shí)驗(yàn)室設(shè)備攝像頭對(duì)板件進(jìn)行拍照以及圖像預(yù)處理。如圖6.2所示。圖6.2圖像預(yù)處理對(duì)三種板件的圖像閾值范圍進(jìn)行選擇，如下圖6.3所示。圖6.3三種板件閾值選擇對(duì)板件wcgxy.5-1安裝板A進(jìn)行識(shí)別并選擇，如下圖6.4所示。圖6.4選擇板件A在選擇板件A的基礎(chǔ)上再選擇板件B，如下圖6.5所示。圖6.5繼續(xù)選擇板件B在識(shí)別板件A和板件B的基礎(chǔ)上最后對(duì)板件C進(jìn)行識(shí)別，如圖6.6所示。圖6.6三種板件識(shí)別完成完成圖像處理之后對(duì)圖像進(jìn)行識(shí)別并且顯示識(shí)別結(jié)果，程序如下所示。dev_update_off()read_image(Image,'D:/1/2.jpg')threshold(Image,Region,0,150)*連通域處理connection(Region,ConnectedRegions)*區(qū)域排序按照先列后行sort_region(ConnectedRegions,SortedRegions,'first_point','true','column')*計(jì)算數(shù)目count_obj(SortedRegions,Number)detect_text:=['wcgxy.5-1安裝板A','wcgxy.5-2安裝版B','wcgxy.5-2安裝板C']*遍歷每個(gè)區(qū)域?qū)懽謉ev_display(Image)fori:=1toNumberby1*選擇區(qū)域sselect_obj(SortedRegions,ObjOne,i)*計(jì)算中心area_center(ObjOne,Area,Column)*設(shè)置字符位置本科畢業(yè)論文（設(shè)計(jì)）專用本科畢業(yè)論文（設(shè)計(jì)）專用set_tposition(3600,Column)*寫字write_string(3600,detect_text[i-1])endfor*非填充顯示dev_set_draw('margin')dev_set_line_width(5)dev_display(SortedRegions)識(shí)別效果如圖6.7所示。圖6.7三種板件識(shí)別效果然后對(duì)三種板件分別進(jìn)行檢測(cè)。首先對(duì)安裝板C進(jìn)行識(shí)別操作，如下圖6.8和圖6.9所示。圖6.8安裝板C識(shí)別前效果圖圖6.9安裝板C識(shí)別后效果圖再對(duì)將安裝板B和C放置在一起分別進(jìn)行識(shí)別，識(shí)別過程中先識(shí)別安裝板安裝板B，識(shí)別的效果如圖6.10和圖還有圖6.12所示。圖6.10安裝板B和安裝板C識(shí)別前效果圖圖安裝板B和安裝板C識(shí)別效果圖（先識(shí)別安裝板C）圖6.12安裝板B和安裝板C識(shí)別效果圖（安裝板B和C識(shí)別完成）在此之后我們對(duì)安裝板A和安裝板B放置在一起進(jìn)行識(shí)別，軟件將顯示別安裝板A再識(shí)別安裝板B，識(shí)別的效果如圖6.13，圖6.14和圖6.15所示。圖6.13安裝板A和安裝板B識(shí)別前效果圖圖6.14安裝板A和安裝板B識(shí)別效果圖（先對(duì)安裝版A進(jìn)行識(shí)別）圖6.15安裝板A和安裝板B識(shí)別效果圖我們現(xiàn)在再對(duì)安裝板B單獨(dú)進(jìn)行識(shí)別，識(shí)別完成的效果如圖6.16和圖6.17所示。圖6.16安裝板B識(shí)別前效果圖圖6.17安裝板B識(shí)別完成效果圖完成了單獨(dú)對(duì)于安裝板BA和C識(shí)別的效果如圖6.18，圖6.19和圖6.20所示。圖6.18安裝板A和安裝板C識(shí)別前效果圖圖6.19安裝板A和安裝板C識(shí)別效果圖(先對(duì)安裝板A進(jìn)行識(shí)別)圖6.20安裝板A和安裝板C識(shí)別效果圖我們?cè)倏梢詥为?dú)對(duì)安裝板A進(jìn)行一次識(shí)別操作對(duì)于安裝板A的識(shí)別效果圖如圖6.21和圖6.22所示。圖6.21安裝板A識(shí)別前效果圖圖6.22安裝板A識(shí)別完成后效果圖最后我們?cè)僖淮螌⑷N類型的板件放置在一起后，一起進(jìn)行識(shí)別，安裝板版A，安裝板B和安裝板C的識(shí)別的效果如圖6.23，圖6.24，圖6.25和圖6.26所示。圖6.23安裝板A，安裝板B和安裝板C識(shí)別前效果圖圖6.24安裝板A，安裝板B和安裝板C識(shí)別效果圖（三種板件先識(shí)別安裝板A）圖6.25安裝板A，安裝板B和安裝板C識(shí)別效果圖（三種板件其次識(shí)別安裝板C）圖6.26安裝板A，安裝板B和安裝板C識(shí)別完成后的效果圖關(guān)于可以實(shí)現(xiàn)分別檢測(cè)和識(shí)別的程序代碼如下所示。dev_close_window()dev_open_window(0,0,512,512,'black',WindowHandle)read_image(Image,'C:/Users/86188/Desktop/板.jpg')gen_rectangle1(ROI_1_0,32.8235,86.5406,222.397,434.703)reduce_domain(Image,ROI_1_0,ImageReduced)create_scaled_shape_model(ImageReduced,'auto',rad(0),rad(360),'auto',0.9,1.1,'auto','auto','use_polarity','auto','auto',ModelID1)get_shape_model_contours(ModelContours1,ModelID1,1)*write_shape_model(ModelID1,'C:/Users/admin/Desktop/板子/model1.shm')gen_rectangle1(ROI_2_0,35.7855,640.573,253.499,1146.17)reduce_domain(Image,ROI_2_0,ImageReduced1)create_scaled_shape_model(ImageReduced1,'auto',rad(0),rad(360),'auto',0.9,1.1,'auto','auto','use_polarity','auto','auto',ModelID2)get_shape_model_contours(ModelContours2,ModelID2,1)gen_rectangle1(ROI_3_0,340.88,86.5406,548.226,511.904)reduce_domain(Image,ROI_3_0,ImageReduced1)create_scaled_shape_model(ImageReduced1,'auto',rad(0),rad(360),'auto',0.9,1.1,'auto','auto','use_polarity','auto','auto',ModelID3)get_shape_model_contours(ModelContours3,ModelID3,1)ModelIDs:=[ModelID1,ModelID2,ModelID3]gen_empty_obj(EmptyObject)*ImageAcquisition01:CodegeneratedbyImageAcquisition01list_files('C:/Users/86188/Desktop/TUP',['files','follow_links'],ImageFiles)['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'],ImageFiles)forIndex:=0to|ImageFiles|-1by1read_image(Image,ImageFiles[Index])gen_empty_obj(EmptyObject)find_scaled_shape_model(Image,ModelIDs[0], rad(0),rad(360),1.0,1.0,0.9,1,0.1,'least_squares',0,0.9,Row1,Column1,Angle,Scale,Score1)if(|Score1|>0)vector_angle_to_rigid(0,0,0,Row1,Column1,Angle,HomMat2D)hom_mat2d_scale(HomMat2D,Scale,Scale,Row1,Column1,HomMat2DScale)affine_trans_contour_xld(ModelContours1,ContoursAffinTrans,HomMat2DScale)concat_obj(EmptyObject,ContoursAffinTrans,EmptyObject)endiffind_scaled_shape_model(Image,ModelIDs[1], rad(0),rad(360),1.0,1.0,0.9,1,0.5,'least_squares',0,0.9,Row2,Column2,Angle,Scale,Score2)if(|Score2|>0)vector_angle_to_rigid(0,0,0,Row2,Column2,Angle,HomMat2D)hom_mat2d_scale(HomMat2D,Scale,Scale,Row2,Column2,HomMat2DScale)affine_trans_contour_xld(ModelContours2,ContoursAffinTrans,HomMat2DScale)concat_obj(EmptyObject,ContoursAffinTrans,EmptyObject)endiffind_scaled_shape_model(Image,ModelIDs[2], rad(0),rad(360),1.0,1.0,0.8,1,0.1,'least_squares',0,0.9,Row3,Column3,Angle,Scale,Score3)if(|Score3|>0)vector_angle_to_rigid(0,0,0,Row3,Column3,Angle,HomMat2D)hom_mat2d_scale(HomMat2D,Scale,Scale,Row3,Column3,HomMat2DScale)affine_trans_contour_xld(ModelContours3,ContoursAffinTrans,HomMat2DScale)concat_obj(EmptyObject,ContoursAffinTrans,EmptyObject)endifdev_display(Image)dev_display(EmptyObject)if(|Score1|>0)disp_message(WindowHandle,'wcgxy.5-1安裝板A160mm*80mm','image',Row1,Column1,'black','true')endifif(|Score2|>0)disp_message(WindowHandle,'wcgxy.5-2安裝版C200mm*90mm','image',Row2,Column2,'black','true')endifif(|Score3|>0)disp_message(WindowHandle,'wcgxy.5-2安裝板B240mm*100mm','image',Row3,Column3,'black','true')endifwait_seconds(1)* stop()dev_clear_window()endfor這樣一來(lái)，我們已經(jīng)可以達(dá)到單獨(dú)拿出一塊板件并且識(shí)別成功，或者任意取兩塊板件并且分別識(shí)別成功，還有拿三種不同類型的板件并且分別識(shí)別成功的要求。最后我們需要對(duì)三種板件都按照此步驟進(jìn)行10次識(shí)別試驗(yàn)。6.3測(cè)試結(jié)果表6.1測(cè)試結(jié)果板件類別測(cè)試數(shù)量成功數(shù)量識(shí)別成功率wcgxy.5-1安裝板A1009797%wcgxy.5-2安裝板B1009595%wcgxy.5-2安裝板C1009898%從表6.1可看出，三種板件的識(shí)別率都在95%以上，所以該視覺系統(tǒng)可靠性高，成功率和效率也十分可觀。7結(jié)語(yǔ)系統(tǒng)是工作站能夠?qū)cgxy.5-1安裝板A、wcgxy.5-2安裝板B、wcgxy.5-2安裝板C這三種板件進(jìn)行高效的識(shí)別和分揀的基本保障和重要環(huán)節(jié)。下面對(duì)本方案進(jìn)行總結(jié)。第一，我們針對(duì)于關(guān)于視覺分揀三種板件這個(gè)方案的研究到底有沒有很好的實(shí)際意義那么我們?yōu)榱诉M(jìn)一步地了解我們這一課題的意義，我們借助于現(xiàn)如今強(qiáng)大的網(wǎng)絡(luò)信息，查閱了國(guó)內(nèi)和國(guó)外對(duì)于機(jī)器視覺的研究成果和目前已經(jīng)達(dá)到的技術(shù)，還有對(duì)于機(jī)器視覺在國(guó)內(nèi)和國(guó)外的市場(chǎng)這一層面來(lái)查閱相關(guān)數(shù)據(jù)，結(jié)合國(guó)內(nèi)和國(guó)外如今的發(fā)展現(xiàn)狀并且進(jìn)行了相關(guān)的對(duì)比，我們還描述了一下我們所要研究的內(nèi)容以及大體上的設(shè)計(jì)方案。第二，我們對(duì)研究的三種規(guī)格板件分揀工作站的功能進(jìn)行了分析，確定了三種規(guī)格板件分揀工作站的總方案和流程，也對(duì)該工作站的視覺系統(tǒng)方案進(jìn)行了確定以及總體流程的規(guī)劃。第三，我們確定了視覺系統(tǒng)的硬件方案，通過了解和學(xué)習(xí)視覺系統(tǒng)相關(guān)知識(shí)，再與本方案中視覺系統(tǒng)的所需硬件要求相結(jié)合，完成了對(duì)工業(yè)相機(jī)、工業(yè)相機(jī)鏡頭、工業(yè)相機(jī)光源以及傳感器的選型。第四，我們對(duì)視覺系統(tǒng)進(jìn)行了軟件設(shè)計(jì)，確定了軟件設(shè)計(jì)的總體方案，包括相機(jī)的標(biāo)定，通過halcon軟件對(duì)圖像進(jìn)行采集，將采集的圖像進(jìn)行預(yù)處理，特征識(shí)別和圖像識(shí)別和圖像識(shí)別，對(duì)識(shí)別的結(jié)果進(jìn)行顯示，最后進(jìn)行深度學(xué)習(xí)，確保識(shí)別三種板件的成功率。第五，在完成軟件設(shè)計(jì)后，需要用PLC來(lái)建立電腦、機(jī)器人、視覺系統(tǒng)之間的通信，在這里我們確定了通訊的總體方案，通過示教器的程序編輯來(lái)實(shí)現(xiàn)信號(hào)的傳輸和通訊。第六，我們對(duì)該視覺系統(tǒng)的整體進(jìn)行了測(cè)試，我們準(zhǔn)備安裝板安裝板B安裝板C各10塊，共計(jì)30塊板件進(jìn)行測(cè)試，通過測(cè)試我們發(fā)現(xiàn)該視覺系統(tǒng)識(shí)別三種板件的成功率均達(dá)到90%，該視覺系統(tǒng)的可靠性和穩(wěn)定性已達(dá)到方案預(yù)期標(biāo)準(zhǔn)。參考文獻(xiàn)[1]晏祖根,李明,徐克非,孫小華,閆志鵬,孫智慧.高速機(jī)器人分揀系統(tǒng)機(jī)器視覺技術(shù)的研究[J].包裝與食品機(jī)械,2014,32(01):28-31.[2]唐向陽(yáng),張勇,李江有,黃崗,楊松,關(guān)宏.機(jī)器視覺關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望[J].昆明理工大學(xué)學(xué)報(bào)(理工版),2004(02):36-39.[3]童勝杰,江明,焦傳佳.一種改進(jìn)工件邊緣檢測(cè)方法的研究[J].電子測(cè)量與儀器學(xué)報(bào),2021,35(01):128-134.DOI:10.13382/j.jemi.B2003375.[4]高健,劉青川,范蕊,樊新乾,殷忠敏.基于機(jī)器視覺的工業(yè)機(jī)器人智能分揀系統(tǒng)設(shè)計(jì)研究[J].南方農(nóng)機(jī),2021,52(03):18-19.[5]崔卓賢,張清,王恩培,劉月皓.種子分揀機(jī)器人圖像處理研究[J].河北農(nóng)機(jī),2020(12):19-20.DOI:10.15989/ki.hbnjzzs.2020.12.010.[6]彭輝輝,劉飛飛,代云勇,陳臻陽(yáng),陳文濤.基于移動(dòng)視覺的工業(yè)機(jī)器人分揀系統(tǒng)應(yīng)用研究[J].現(xiàn)代電子技術(shù),2020,43(20):26-30.DOI:10.16652/j.issn.1004-373x.2020.20.007.[7]楊紅軍,胡國(guó)宇.基于機(jī)器視覺的物品分揀系統(tǒng)的設(shè)計(jì)[J].武漢輕工大學(xué)學(xué)報(bào),2020,39(05):84-89+119.[8]張廣軍.機(jī)器視覺[M].北京：科學(xué)出版,2019.[9]周文舉.基于機(jī)器視覺的在線高速檢測(cè)與精確控制研究及應(yīng)用[D].上海大學(xué),2014.[10]劉煥軍.灌裝自動(dòng)化生產(chǎn)線上視覺檢測(cè)機(jī)器人研究[D].湖南大學(xué),2008.[11]鄧龍,把翠芳,李斐,李潤(rùn),倪春杰.基于工業(yè)機(jī)器人視覺系統(tǒng)的工件識(shí)別與定位技術(shù)[J].中國(guó)科技信息,2022(20):128-131.[12]RihemFarkh,KhaledAljaloud.NavigationBasedPIDControlforLineTrackingRobot[J].IntelligentAutomation&SoftComputing,2023,35(1).[13]衛(wèi)蕊,郭夢(mèng)嬌.LED光源的應(yīng)用與發(fā)展[J].光源與照明,2022(04):1-3.[14]張海峰.基于虛擬仿真的工業(yè)機(jī)器人視覺系統(tǒng)設(shè)計(jì)[J].信息記錄材料,2022,23(10):153-156.DOI:10.16009/13-1295/tq.2022.10.006.[15]RenningPang,JianzhaoCao,YuxiaWang,YuanweiQi,LiangliangSun.Transportationrobotbasedonmulti-sensorfusionandmachinevision[C]//.第34屆中國(guó)控制與決策會(huì)議論文集（5）.,2022:532-537.DOI:10.26914/kihy.2022.025375.致 謝邊的老師，同學(xué)，朋友，家人表示最誠(chéng)摯的感謝。首先，我要感謝我的論文指導(dǎo)老師，他在繁瑣的工作和辛苦的教學(xué)之中，還要對(duì)我的論文進(jìn)行指導(dǎo)，給予了我在論文上極大的鼓勵(lì)，對(duì)我的論文也進(jìn)行了一定程度上的改進(jìn)，是我在論文工作中更加得心應(yīng)手。在我遇到困難的時(shí)候，第一時(shí)間對(duì)我提出了建議，使我常常把困難迎刃而解。在此我要對(duì)我的論文指導(dǎo)老師表達(dá)我衷心的感謝。的任課老師表示真心的感謝和祝福。隨時(shí)間而淡化。夠不辜負(fù)你們的期望。在前進(jìn)的道路上更加一往無(wú)前。愿大家身體安康，吉祥如意。附 錄九眼標(biāo)定程序：image_x:=[]image_y:=[]robot_x:=[]robot_y:=[]vector_to_hom_mat2d(image_x,robot_x,robot_y,HomMat2D)img_x:=img_y:=read_tuple(‘路徑’,HomMat2D)affine_trans_point_2d(HomMat2D,img_x,img_y,Qx,Qy)read_image(Image,'D:/hellowprld/視覺標(biāo)定板圖/9points.jpg')dev_close_window()dev_open_window_fit_image(Image,0,0,-1,-1,WindowHandle)dev_display(Image)binary_threshold(Image,Region,'max_separability','dark',UsedThreshold)connection(Region,ConnectedRegions)*篩選出來(lái)九個(gè)點(diǎn)select_shape(ConnectedRegions,SelectedRegions,'area','and',1000,2000)shape_trans(SelectedRegions,RegionTrans,'outer_circle')*求出九點(diǎn)坐標(biāo)area_center(RegionTrans,Area,Column)disp_message(WindowHandle,'R:'+Row+'C:'+Column,'Image',Column,'black','true')*把求得的Row和Column賦值*九點(diǎn)標(biāo)定行PxRow:=Row*九點(diǎn)標(biāo)定列PxColunm:=Column*九點(diǎn)標(biāo)定行*PxRow:=[23.5,23.5,23.5,71.5,71.5,71.5,118.5,118.