基于機(jī)器視覺的散料裝車控制系統(tǒng)獲獎(jiǎng)科研報(bào)告摘

要：隨著圖像傳感器和圖像處理技術(shù)的迅猛發(fā)展，機(jī)器視覺技術(shù)應(yīng)用越來(lái)越廣泛。把機(jī)器視覺技術(shù)應(yīng)用于散料裝車控制系統(tǒng)變?yōu)榭赡?。本文通過(guò)對(duì)作業(yè)對(duì)象狀態(tài)的圖像采集，并對(duì)圖像進(jìn)行了分割、識(shí)別、特征提取和定位，從而形成了基于機(jī)器視覺的散料裝車控制系統(tǒng)。

關(guān)鍵詞：機(jī)器視覺;散料裝車;圖像處理

StudyofBulkMaterialLoadingControlSystemBasedonMachineVision

WangGuilan

XuXiaohua

（XingtaiPolytechnicCollege，Xingtai，Hebei，054035，China）

Abstract：Withtherapiddevelopmentofimagesensorandimageprocessingtechnology，machinevisiontechnologyisusedmoreandmorewidely.Itispossibletoapplymachinevisiontechnologytobulktruckcontrolsystem.Inthispaper，throughimageacquisitionofworkingobjectstate，imagesegmentation，recognition，featureextractionandpositioning，abulktruckcontrolsystembasedonmachinevisionisformed.

Keywords：machine

vision，bulk

material

loading，imageprocessing，fuzzy-PIDcascadecontrol

散料裝車系統(tǒng)廣泛應(yīng)用于各個(gè)工程領(lǐng)域。其目的是在車廂里裝盡可能的物料，目前主要由人工通過(guò)語(yǔ)音來(lái)控制實(shí)現(xiàn)，從而不但造成了人工裝車作業(yè)容易受人工經(jīng)驗(yàn)的影響造成物料裝載質(zhì)量不高，而且容易產(chǎn)生疲勞引起事故并且效率低下。

1.系統(tǒng)整體方案設(shè)計(jì)

本論文把機(jī)器視覺引入到散料裝車控制系統(tǒng)中來(lái)，通過(guò)對(duì)視覺系統(tǒng)功能分析、硬件結(jié)構(gòu)設(shè)計(jì)和圖像檢測(cè)算法方案的確定，經(jīng)過(guò)調(diào)試可以發(fā)現(xiàn)一方面可以通過(guò)詳細(xì)完整的卸料裝車作業(yè)圖像信息提高物料裝載的質(zhì)量，另一方面可提高作業(yè)效率、減少事故發(fā)生。

系統(tǒng)的整體方案設(shè)計(jì)主要從三個(gè)方面展開：視覺功能分析、硬件結(jié)構(gòu)設(shè)計(jì)和圖像檢測(cè)算法方案。其中硬件結(jié)構(gòu)設(shè)計(jì)由控制模塊、視覺模塊和執(zhí)行模塊三個(gè)部分組成;圖像檢測(cè)算法方案主要針對(duì)料門位置開度算法的研究和料堆輪廓的圖像處理。三個(gè)方面全部完成后進(jìn)行聯(lián)機(jī)調(diào)試，根據(jù)調(diào)試結(jié)果再對(duì)方案進(jìn)行調(diào)整修正直到達(dá)到目標(biāo)要求。

2.視覺功能分析

散料裝車作業(yè)希望物料在車廂盡可能的均勻分布，以便于能夠多載料和車廂載荷分布均勻。散料裝車系統(tǒng)的基本功能是料位檢測(cè)，傳統(tǒng)的檢測(cè)都是靠人工憑經(jīng)驗(yàn)觀察確定并通過(guò)語(yǔ)音傳遞，其檢測(cè)結(jié)果誤差大，而利用機(jī)器視覺技術(shù)能夠把一定范圍內(nèi)完好的料堆圖像曲線從作業(yè)圖像中檢測(cè)出來(lái)，并實(shí)時(shí)得到的料堆自然堆放角。在卸料時(shí)，可以通過(guò)顯示器實(shí)時(shí)觀察真實(shí)位置與卸料門位置檢測(cè)結(jié)果的誤差，從而更容易發(fā)現(xiàn)卸料門開度的故障問(wèn)題，因此卸料閘門開度是料位控制的重要環(huán)節(jié)。

3.硬件結(jié)構(gòu)設(shè)計(jì)

散料裝車機(jī)器視覺控制系統(tǒng)的硬件按照功能的不同可以分為視覺模塊、控制模塊和執(zhí)行模塊。視覺模塊負(fù)責(zé)圖像的采集與分析，包括光源、工業(yè)相機(jī)、圖像處理的計(jì)算機(jī)及顯示器。控制模塊是圖像處理的計(jì)算機(jī)的下位機(jī)，也就是PLC控制器及電源。執(zhí)行模塊包括卸料閘門電機(jī)和車輛驅(qū)動(dòng)電機(jī)。

4.圖像檢測(cè)算法方案

4.1料門位置（開度）算法研究

經(jīng)過(guò)對(duì)多種具備旋轉(zhuǎn)和光照魯棒性的匹配方法研究，有兩種方法比較適合于料門檢測(cè)定位：基于尺度不變特征點(diǎn)的方法和基于圓投影變換的方法。由于散料裝車作業(yè)圖像中運(yùn)動(dòng)物料復(fù)雜，因此用圖像灰度分布特征對(duì)卸料閘門位置進(jìn)行模板匹配檢測(cè)。在上述兩種方法中，基于圓投影變換的方法具備旋轉(zhuǎn)不變性且實(shí)時(shí)性的要求，并可經(jīng)過(guò)對(duì)各圓環(huán)特征描述及提取方法的調(diào)整，使算法在魯棒性與實(shí)時(shí)性之間進(jìn)行適量的均衡，因此本文采用圓投影變換來(lái)研究卸料閘門位置匹配檢測(cè)算法。

4.2料堆輪廓檢測(cè)算法的研究

由于料堆輪廓圖像紋理特征描述復(fù)雜，提取特征時(shí)計(jì)算量大，因此料堆輪廓檢測(cè)實(shí)質(zhì)上就是圖像分割問(wèn)題。鑒于此，采用固定分塊后再識(shí)別的方法即先將輪廓圖像劃分為固定大小的不重復(fù)的矩形子塊，然后根據(jù)子塊的紋理特征將所有子塊識(shí)別為料堆或背景物。因?yàn)樽訅K的紋理特征和類別屬性都可以提前得到，所以本文采用了支持向量機(jī)分類器識(shí)別子塊，并進(jìn)行離線的模型訓(xùn)練。在分類器的識(shí)別過(guò)程中，大部分子塊都能夠正確的識(shí)別，但仍存在誤識(shí)別的子塊，也就是說(shuō)誤識(shí)別的周圍子塊大多被識(shí)別為背景物，而漏識(shí)別子塊周圍大多被識(shí)別為料堆。對(duì)于誤識(shí)別和漏識(shí)別的子塊，本文采用基于馬爾科夫隨機(jī)場(chǎng)圖像分割理論來(lái)恢復(fù)。

5.實(shí)施效果

通過(guò)研究和試驗(yàn)得出以下結(jié)果：

（1）支持向量機(jī)的子塊識(shí)別準(zhǔn)確率達(dá)到94.8%;

（2）分割準(zhǔn)確率達(dá)到98.5%;

（3）不重疊分塊下較少馬爾科