《物流技术与设备结课论文》4700字

物流技术与设备结课论文：基于机器视觉的分拣系统方案设计目录TOC\o"1-3"\h\u134211绪论 3156652分拣系统总体设想 3222973系统硬件选型 468413.1视觉检测模块 5209943.2分拣模块 6171813.3传送模块 647613.4通讯模块 7175794分拣系统软件设计方案 7291994.1鸡蛋分类模块 8285534.2裂纹信息统计模块 8135354.3开发环境的选择 9326385总结 105096参考文献 101绪论鸡蛋产量的持续增长对鸡蛋的初加工生产线的工作效率提出了更高的要求，鸡蛋分拣环节的自动化、智能化及高效化由此变得至关重要。在鸡蛋的初加工生产线中，一般有收集、清洗、裂纹检测、分级、喷码和包装一共六个环节，如下图1所示。蛋壳是鸡蛋的天然屏障，可有效防止蛋壳内的蛋黄和蛋清受到外界环境影响，若出现裂纹则将导致蛋黄和蛋清的变质。故裂纹检测环节是对鸡蛋初加工质量保证的最重要的环节之一，也是鸡蛋后期二次加工的关键保障。收集收集清洗裂纹监测分级喷码包装产出图1-1鸡蛋初加工流程2分拣系统总体设想制造业中基于机器视觉技术的分拣系统主要由传送带模块、图像采集模块、机器人模块和通信模块组成。鸡蛋分拣系统一般位于鸡蛋初加工生产线的清洗环节后，分级环节前，将上一环节中输送而来的鸡蛋先进行检测，分类为外壳含裂纹鸡蛋（简称裂纹蛋）和外壳完好鸡蛋（简称完好蛋）两类后，根据分类结果实施分拣。基于机器视觉的鸡蛋分拣系统的设计应该满足以下要求：（1）可通过相机准确获取到鸡蛋多个面的图像，且获取图像时鸡蛋所处的位置可与.光源配合，达到在获取的图像信息中凸显裂纹信息的效果，便于后续算法进行特征提取工作。为此，必须选型合适的相机、镜头、光源以及照明方式；（2）分拣系统需达到在线检测和在线分拣的要求，即鸡蛋多个面图像的获取和对含裂纹鸡蛋和表面完好鸡蛋的分拣动作实现的过程中，鸡蛋初加工生产线的传送带必须保持运作不停车，最大分拣量为120枚/min。为此，必须选择合适的分拣实现方案；（3）利用获取的鸡蛋多个面的图片，研究与设计图像分类算法，通过对鸡蛋多个面图像进行分类的方式对单个鸡蛋进行准确分类，判定为外壳含裂纹鸡蛋或外壳完好鸡蛋，所设计算法或最终模型需尽可能精简，以减少单张图片分类时间，提高分拣系统的分拣最大速度。(4）鸡蛋需在本环节内完成分类和分拣处理，以此达到分拣的目的，表面含裂纹鸡蛋拣出输送带或传送机构被单独收集，外壳完好鸡蛋则输出至下一初加工环节。根据以上所述要求，对分拣系统进行整体方案设计，确定鸡蛋分拣系统硬件部分设计为4个模块组成：1.视觉检测模块；2.传送模块；3.分拣模块；4.通讯模块。其中软件设计为2个模块组成：1.鸡蛋图像分类：2.裂纹信息统计。总体方案设计的流程如下图2所示：基于机器视觉的几鸡蛋分拣装置基于机器视觉的几鸡蛋分拣装置硬件设计软件设计视觉检测模块传送模块分拣模块通讯模块鸡蛋图像分类裂纹信息统计图2-1基于机器视觉的几鸡蛋分拣装置模块3系统硬件选型最终确定基于机器视觉的鸡蛋分拣系统的主要组成模块分别为：1.视觉检测模块；2.传送模块；3.分拣模块；4.通讯模块。上述4个模块共同构成了基于机器视觉的鸡蛋分拣系统的硬件部分。具体地，经由上一环节处理后的鸡蛋，由传送模块逐个传输进入分拣系统的视觉检测模块，视觉模块对逐个鸡蛋进行综合判别，将判别结果由通讯模块传送至分拣模块，分拣模块则根据判别结果，将外壳含裂纹的鸡蛋拨出生产线进行单独收集，其总体工作流程如下图3所示：鸡蛋鸡蛋上一初加工环节视觉检测模块外壳是否完好分拣模块下一初加工环节单独收集否是图3-1总体流程图3.1视觉检测模块视觉检测模块主要由相机，镜头，光源、采集暗箱和计算机组成，其功能为完成鸡蛋外壳完整图像信息的采集并利用机器视觉技术实现裂纹检测并返回检测结果于分拣模块。对于视觉检测模块中的分类方法，将基于图像分类模型来进行设计。对鸡蛋进行逐个多面拍照，获得各个鸡蛋的多个面图像信息，并将图像输入相应图像分类模型中进行分类判别，利用多幅图像对每个鸡蛋进行综合评判，分类为外壳完好鸡蛋和外壳含裂纹鸡蛋两类，并将评判结果输送于通讯模块，返回分拣模块。现市场上的多数相机通过芯片类型可分为CCD相机和CMOS相机，这两种相机也是机器视觉在检测方面应用最多的两类相机。总结而言，CCD相机和CMOS相机由于各自芯片内部传感器的元件和工艺差异，所对应的曝光方式也不同；一般的，CCD相机的曝光方式为全局曝光，即整个芯片同时曝光；而CMoS相机的曝光方式为卷帘曝光，即逐行滚动曝光。两类芯片的差异导致在灵敏度、图像质量、噪点以及成像速度等参数上有所不.同，对比主流相似价位CCD相机和CMOS相机性能如下表所示：表3-1CCD相机和CMOS相机对比芯片类型灵敏度成像质量噪点帧率动态响应CCD高高低低高CMOS低低高高低结合分拣系统的总体要求，传送模块，至整条初加工生产线，在分拣环节中的获取图像、检测、分类及分拣实现的同时不会停车，所获取的为图像信息而非视频信息，故应该选择动态响应能力较高者。近几年来，CMOS相机在芯片性能上取得了较大突破，特别是动态性能，分辨率，帧速率等方面取得了较大的进步，弥补了传统CMOS的不足，但是价格也比同级CCD高。故综合考虑可选用CCD相机构成视觉检测模块相机组。3.2分拣模块分拣模块的功能为：根据视觉检测模块的返回值，将被视觉检测模块判别为外壳含裂纹的鸡蛋从传送带中分拣出生产线。历年来在水果、食品的分拣模块设计与选型中，多以拨杆实现分拣。以拨片配合传感器实现的分拣模块主要由伺服电机，拨杆，接近开关组成，目前较多出现在部分视频的分拣工作中，其中主要设备包括传送带，CCD相机，电磁阀，气缸，拨杆等。生产线中的鸡蛋经视觉检测模块检测分类后，计算机综合判定为外壳含裂纹的鸡蛋，通过接近开关计数，在裂纹蛋位置达到拨杆拨动动作行程内时，驱动伺服电机带动拨杆旋转一定角度完成拨动动作，将裂纹蛋拨出传送模块被单独收集，判定结果为完好鸡蛋的则无拨动动作，继续由传送模块输送至下一初加工环节，以此完成对鸡蛋的分拣。3.3传送模块传送模块主要由电机，传送带，辊子，固定架，接近开关等组成，其功能为有序、平稳地传输鸡蛋。具体表现为将鸡蛋从上一环节传送至分拣环节中，经由分拣系统完成分拣后，将外壳完好鸡蛋输送至下一初加工环节中。传送鸡蛋过程中应满足速度均匀、平稳且可调节，鸡蛋在输送过程中必须保持分离且位置相对固定，不发生碰撞，通过接近开关发送IO信号至视觉检测模块进行拍照获取鸡蛋表面图像信息，配合多个镜头完成对鸡蛋的多面图像获取。在鸡蛋初加工生产线中，传送带－般是选择基于链杆式传送带，在链杆.上安装辊子来进行鸡蛋的传输，如图4所示。在鸡蛋分拣环节中，沿用链杆相距100mm的链杆式传送带，并对链杆加装辊子结构，并在链杆的一－端添加齿轮齿条机构，使链杆在前进时可自转。鸡蛋在传送过程中，齿轮齿条机构带动随链向前运动中的链杆自转，链杆的自转带动辊子的自转，从而带动两个棍子之间的被测鸡蛋的转动，使得相机可获取鸡蛋多个面的图像信息。图3-2辊子传送方式3.4通讯模块通讯模块主要由工控机、通讯控制箱组成，其功能为实现整个分拣系统的通信。具体地，工控机接收接近开关的信号，控制相机进行图像采集；接收计算机中模型根据所采集图像进行综合判别的结果，并利用接近开关对传送带上的鸡蛋进行计数，当序号与裂纹蛋序号－－致时，控制伺服电机旋转拨杆拨动裂纹蛋，完成分拣工作。实现整个装置的信号传输与控制。4分拣系统软件设计方案基于机器视觉的鸡蛋分拣系统的研究与设计的重点在于实现对鸡蛋外壳图像的分类，结合本章上两节的内容，分拣系统的软件部分需要考虑到完成以下4个任务：（1）可以对输入模型的单张鸡蛋外壳图像进行分类预测；（2）单个鸡蛋将会拍摄多份图片，结合多份图像的分类结果来综合判定该鸡蛋为外壳完好鸡蛋或外壳含裂纹鸡蛋；（3）模型结构尽量精简，以减少计算机用于分类预测过程所耗的时间；（4）统计当日鸡蛋通量和裂纹蛋数量、比例。针对以上4个任务，对基于机器视觉的鸡蛋分拣系统进行软件方案设计，软件部分流程如下图4-1所示：多图综合判别多图综合判别相机初始化裂纹信息提取图像采集图预处理鸡蛋图像分类分拣模块分拣裂纹信息统计图4-1鸡蛋分拣系统软件处理流程4.1鸡蛋分类模块其功能为初始化相机和分拣模块，做好进行鸡蛋检测分拣的准备工作，控制相机在鸡蛋经过镜头正下方时进行拍照获取鸡蛋表面图像信息，信息实时传输至计算机，将图像输入设置好的分类模型进行分类预测，并根据分类结果对鸡蛋进行逐枚综合判定，即逐个判别鸡蛋表面是否存在裂纹，并将综合判别结果返回至分拣模块，控制分拣模块的运作。4.2裂纹信息统计模块当输送而来的鸡蛋被综合判定为外壳含裂纹的鸡蛋后，软件对其中分类结果为外壳含裂纹的鸡蛋的图像保存，并通过图像处理算法进行裂纹信息提取，统计保存于统计系统中。上述模块可细分为共6个部分：1初始化部分；2.图像采集部分；3.图像预处理部分；4.图像分类部分；5.分拣控制部分；6.裂纹信息统计部分。模块于各个部分的从属关系如下图4-2所示：软件设计软件设计鸡蛋图像分类裂纹信息统计图像采集裂纹信息提取图像处理分拣控制图像分类初始化图4-2软件设计分类模块上图中6个部分的说明如下：(1）初始化部分，其功能为初始化相机和分拣模块；(2）图像采集部分，其功能为控制相机适时地对鸡蛋进行图像采集，并将图像传输与PC端，达到实时传输鸡蛋图像信息的目的；(3）图像预处理部分，其功能为对收到的鸡蛋外壳图像进行相关的预处理，以待后续鸡蛋图像分类和鸡蛋裂纹信息提取直接调用；(4）图像分类部分，其功能为基于机器学习算法或深度学习神经网络，搭建鸡蛋外壳图像分类模型，对预处理后的图像进行分类预测，结合多张图片综合判定单个鸡蛋的类别，并输出综合判别的结果，达到实时检测的目的。(5）分拣控制部分，通过上一部中分类模型所返回的结果，来逐个确定对每枚鸡蛋是否实施分拣动作，及控制伺服电机来驱动拨杆达到分拣的目的；.(6）裂纹信息提取部分，其功能为将综合判定为外壳含裂纹鸡蛋的数量进行统计，并进行相关图像处理方式，获得图像中的裂纹信息，并统计，达到反馈生产线蛋品皮损率的作用，提供于管理人员作为生产线维护工作的决策工作参考。4.3开发环境的选择软件开发中，实现平台为Win10操作系统，软件部分的程序设计语言选用为Python相比较其他面向对象语言，Pytbon的结构精简、可读性高，后期维护、优化方便，并且拥有丰富且可以调用的开源库，包括常用的图像处理库，常用的机器学习和深度学习算法及框架库，极大地简化了软件开发流程，提高了软件开发的效率。Anaconda拥有较为便利的库下载方式和虚拟环境配置方式，可直接进行点击式操作或在命令栏使用命令下载本次鸡蛋分类的相关软件设计中所需要的库与包，减少了软件开发的前期准备工作一些科学包软件集成系统也为机器学习或深度学习的相关对比实验提供了高容错率、方便快捷的编译环境。综上所述，使用Python语言，在Win10平台下选用Anaconda作为主要IDE进行基于机器视觉的鸡蛋分拣系统的软件部分图像处理的设计与开发。5总结机器视觉技术已经被应广泛地应用于制造业和交通业等各类相关行业中，辅助或替代人工完成视觉层面上的检测或辨别任务，应用于各种重复度高、危险、工作量大等环境中，推动着各个产业的智能化发展。通常，在检测任务中，机器视觉技术或方法的主要路线是通过各类摄像头获得相关工件或产品的图像信息，提取出多种信息并训练出有用信息，并以此为根据完成对工件的检测任务。将机器视觉技术运用于鸡蛋分拣工作中，主要是利用相机连续拍摄，获取鸡蛋表面的图像信息，然后利用相关算法进行判别、分类为含裂纹鸡蛋或完好鸡蛋，以此来达到检测鸡蛋表面裂纹的效果；得到分类结果后，与其他传感器进行结合，控制分拣机构，将含裂纹鸡蛋和完好鸡蛋分别处理，使完好鸡蛋进入初加工生产线的下一环节，含裂纹鸡蛋则被收集，完成对鸡蛋的分拣。参考文献[1]黄家才,舒奇,朱晓春,等.基于迁移学习的机器人视觉识别与分拣策略[J].计算机工程与应用,2019,55(8):6.[2]曲志强,马洋,倪乃坤,等.基于计算机视觉识别自动分拣物流机器人[J].2020.[3