论文部分内容阅读
摘要：随着我国快递物流行业的蓬勃迸发、自动化物流概念的提出及相关技术的发展，各企业开始寻求新技术特别是机器技术在现代物流系统中的应用。目的是为了增加工作量的同时，降低人工成本，提高收益。特别是在物流分拣环节，如何在物流单量增加的同时，将机器视觉运用到物流系统中降低人工成本，是本文旨在阐述的内容。
关键词：机器视觉;視觉分拣;目标识别
机器视觉，从字面理解，即机器眼睛。涉及物理机械、信息点传导、信息智能、神经生物学、图像处理、模式识别等诸多领域。主要原理是通过信息特征点采集进行图像目标识别达到模拟视觉功能作用，经过经验处理、信息汇总理解，实现物品内部检测、图形测量和控制。相较于人工分拣来讲，最大的特点是工作速度快、能采集处理的稳定性持久、视角广、同步实现的功能多。因此在物流系统中的分拣环节采用并推广机器视觉技术，是有其可行性及市场需求的。利用机器视觉进行检测不仅可以排除人的主观因素的干扰，而且还能够对各种安全指标进行定量描述，避免了因人而异的检测结果，减小了检测分级误差，提高了工作效率和分级精度。
一、机器视觉应用于物流系统分拣环节的理论分析
快递物流系统中的分拣环节，主要有定位、识别、抓取和放置四个阶段，而机器视觉要想进行实践应用，需要解决的就是中的定位、识别阶段技术。本文通过对现代机器视觉技术进行分析，体现其高效准确和稳定持久的优势。
一是关于机器视觉对物品的定位。当前机器视觉的定位主要采用的是相机标定方法。通过机器视觉定位，定位出图像中的像素坐标以及在实际环境中的三维坐标。该阶段对整个分拣作业至关重要。本文建议通过相机标定原理来完成该工作，可以分为以下步骤：首先是通过相机小孔成像、正交投影、拟透视投影等得出线性模型;其次是运用模型中的坐标系求解得出的线性模型各个参数坐标。但考虑到，在实际应用中，相机成像模型时，会存在大量的非线性模型需要进行研究分析，对非线性模型进行径向畸变和切向畸变分析，从而消除非线性影响因素，得出准确的三维坐标。
二是关于机器视觉对物品的识别。该部分主要指的是图像识别功能的应用。由于物流工作环境的影响，会造成采集的图像存在噪声、阴影、图像缺失等。因此应用过程中，需要先对采集到的图像进行预处理，通过灰度变换、滤波、形态学处理、几何变换、归一化等，最大程度还原包裹物品原始形态，提高图像识别度。该阶段工作需要注意包裹物品的重叠或遮挡，需要在图像处理过程中，首先进行基于图像边缘的模板匹配，用来完成初步完整图像识别任务。
三是关于不利环境的适应。该部分主要指的在复杂情形下目标的视觉识别。主要是通过使用特征点提取匹配的办法来消除不利环境造成的视觉识别问题，比如实际工作过程中造成的包裹物品相互交叉遮挡、包裹形状不规则等问题。当前国内已有成熟的基于特征点匹配的局部特征监测算法，如SIFT、SURF、ORB等
二、物流自动化系统中的实践分析
以现代工业中典型的物流系统为例，在配送过程中普遍以传送带作为连接，与系统主站、传送带PLC和工控机及相应的继电器等，构成物流总控系统，实现物流产品的检测与识别。下面根据应用分别介绍机器视觉的在系统中各环节的应用。
（一）在条形码识别环节
条形码广泛用于快递物流产品的传输、识别、备案等，旧有的条形码识别器，依赖于人工较多，受限于旧有识别技术、本身运动速度等因素，工作效率和识别率都不高。当前可使用的机器视觉技术，是通过高速摄像头直接采集物流产品条形码图像，然后通过计算机数据库进行图像预处理、比对，将条形码信息读取、校验。且能直接将物流产品图像模型情况一起采集备案，确保各个环节信息一致。
（二）在物体检测环节应用
快递物流产品的安全检测贯穿于整个接纳、运送环节。当前的机器视觉很大程度上，已经替代了安全识别环节的人口检测。机器视觉系统在进行条形码信息采集时，已经运用高清摄像头采集了快递物流产品的图形、尺寸及重量信息，并发送至计算机进行图像处理和识别，识别结果作为产品特征参数与物流信息一起存入监控计算机。同时通过对产品图像的处理，再进行一次违禁品、危险品图像监测对比，提高物流运输安全。相较与以往人工称重、人工复检，可靠性及工作效率大大提高。
三、机器视觉分拣系统方案设计
可在快递物流系统中应用的机器视觉分拣系统，一般包括机器视觉的载体部分（工业机器人本体）、高清相机（工业用相机）、传输带PLC或其他传输单元、控制及监测计算机、照明光源等。不同类型的快递物流产品被放至传送带上并处于高清相机的拍照范围以内，高清相机通过连续快速采集图像，传送至计算机进行图像处理，得出产品位置坐标以及物品识别，将信息传送至机器手臂，从而实现对抓取部分的控制已完成分拣工作。
机器视觉分拣系统一般由机器视觉的载体部分、传输设备、高清摄像机、控制计算机等组成。其中，在设备选用上，选用市场上性价比较高的国产设备即可。比如，机器视觉技载体部分采用市场上常用的机械手臂就行，传输设备由一般的伺服电机、PLC控制器及传送皮带组成，计算机能够与伺服电机控制器建立数据通信就行。高清相机需要配合镜头以及条形码照明光源进行图像采集，因此相机尽量安装与传送设备垂直，条形码照明光源被固定在传送设备两侧，更易于图像处理。计算机通过端口与机器数据部分建立连接实现数据传输。计算机采用国产相关图像处理程序即可，用于完成对包裹对象的质量检测、识别、定位。同时还可以完成对外围设备工作状态及抓取设备的控制。从而完成整个分拣环节的定位、识别、抓取、分拣。
四、结论与展望
机器视觉分拣是机器应用在快递物流行业中的一个重要体现，具有机器技术生活化的现实应用意义和理论研究价值。本文通过分析机器视觉应用的功能模块，重点在于视觉识别和信息采集技术，从而论述机器视觉分拣的可行性。但仍要结合未来工作要求去完善相关不同的功能模块，如根据图像采集环境不同需设计光源自动匹配模块;针对快递物流产品形状多、类似情况，需要开发根据产品特征进行多次自动调整权重参数模块;对于复杂情形下，发生的部分产品被遮挡识别，需要引入聚类算法来消除误差匹配点等等。也就是说，我们已经看到了机器视觉在快递物流自动化系统中的应用前景，并进行了初步的应用，但要全方位的应用，仍然要经过不断实践和改进完善。
参考文献：
[1]赵鹏.机器视觉理论及应用[J].电子工业出版社，2011
[2]邓达.机器视觉技术以及其在机械制造自动化中的运用[J].科学技术创新，2019（07）：183-184.
[3]何勇，孙钊，李华厦.机器视觉技术及其在机械制造自动化中的应用[J].黑龙江科技信息2016（24）：119.
[4]张小艺.在物流互联网技术下打造智能物流系统[J].物流技术与应用，2015，20（03）：791-93.
[5]董跃东.现代物流仓储智能系统设计及应用分析[J].现代经济信息，2019（09）：349+351.
[6]张怡跃.GIS在现代物流配送中的应用研究[J].物流技术，2014（02）.
[7]陈炳燃.物流行业分拣机设计研究[J].工业设计，2019（12）.
作者简介：解鹏程（1985-）男，汉族，河南郑州，硕士，副教授，工作单位：河南职业技术学院，研究方向：物流管理。
基金项目：河南职业技术学院“VIS视觉智能识别科研创新团队”承担2021年度科研基金资助计划项目“机器视觉技术在自动化物流系统中的应用”（项目编号：2021-HZZK-11）
关键词：机器视觉;視觉分拣;目标识别
机器视觉，从字面理解，即机器眼睛。涉及物理机械、信息点传导、信息智能、神经生物学、图像处理、模式识别等诸多领域。主要原理是通过信息特征点采集进行图像目标识别达到模拟视觉功能作用，经过经验处理、信息汇总理解，实现物品内部检测、图形测量和控制。相较于人工分拣来讲，最大的特点是工作速度快、能采集处理的稳定性持久、视角广、同步实现的功能多。因此在物流系统中的分拣环节采用并推广机器视觉技术，是有其可行性及市场需求的。利用机器视觉进行检测不仅可以排除人的主观因素的干扰，而且还能够对各种安全指标进行定量描述，避免了因人而异的检测结果，减小了检测分级误差，提高了工作效率和分级精度。
一、机器视觉应用于物流系统分拣环节的理论分析
快递物流系统中的分拣环节，主要有定位、识别、抓取和放置四个阶段，而机器视觉要想进行实践应用，需要解决的就是中的定位、识别阶段技术。本文通过对现代机器视觉技术进行分析，体现其高效准确和稳定持久的优势。
一是关于机器视觉对物品的定位。当前机器视觉的定位主要采用的是相机标定方法。通过机器视觉定位，定位出图像中的像素坐标以及在实际环境中的三维坐标。该阶段对整个分拣作业至关重要。本文建议通过相机标定原理来完成该工作，可以分为以下步骤：首先是通过相机小孔成像、正交投影、拟透视投影等得出线性模型;其次是运用模型中的坐标系求解得出的线性模型各个参数坐标。但考虑到，在实际应用中，相机成像模型时，会存在大量的非线性模型需要进行研究分析，对非线性模型进行径向畸变和切向畸变分析，从而消除非线性影响因素，得出准确的三维坐标。
二是关于机器视觉对物品的识别。该部分主要指的是图像识别功能的应用。由于物流工作环境的影响，会造成采集的图像存在噪声、阴影、图像缺失等。因此应用过程中，需要先对采集到的图像进行预处理，通过灰度变换、滤波、形态学处理、几何变换、归一化等，最大程度还原包裹物品原始形态，提高图像识别度。该阶段工作需要注意包裹物品的重叠或遮挡，需要在图像处理过程中，首先进行基于图像边缘的模板匹配，用来完成初步完整图像识别任务。
三是关于不利环境的适应。该部分主要指的在复杂情形下目标的视觉识别。主要是通过使用特征点提取匹配的办法来消除不利环境造成的视觉识别问题，比如实际工作过程中造成的包裹物品相互交叉遮挡、包裹形状不规则等问题。当前国内已有成熟的基于特征点匹配的局部特征监测算法，如SIFT、SURF、ORB等
二、物流自动化系统中的实践分析
以现代工业中典型的物流系统为例，在配送过程中普遍以传送带作为连接，与系统主站、传送带PLC和工控机及相应的继电器等，构成物流总控系统，实现物流产品的检测与识别。下面根据应用分别介绍机器视觉的在系统中各环节的应用。
（一）在条形码识别环节
条形码广泛用于快递物流产品的传输、识别、备案等，旧有的条形码识别器，依赖于人工较多，受限于旧有识别技术、本身运动速度等因素，工作效率和识别率都不高。当前可使用的机器视觉技术，是通过高速摄像头直接采集物流产品条形码图像，然后通过计算机数据库进行图像预处理、比对，将条形码信息读取、校验。且能直接将物流产品图像模型情况一起采集备案，确保各个环节信息一致。
（二）在物体检测环节应用
快递物流产品的安全检测贯穿于整个接纳、运送环节。当前的机器视觉很大程度上，已经替代了安全识别环节的人口检测。机器视觉系统在进行条形码信息采集时，已经运用高清摄像头采集了快递物流产品的图形、尺寸及重量信息，并发送至计算机进行图像处理和识别，识别结果作为产品特征参数与物流信息一起存入监控计算机。同时通过对产品图像的处理，再进行一次违禁品、危险品图像监测对比，提高物流运输安全。相较与以往人工称重、人工复检，可靠性及工作效率大大提高。
三、机器视觉分拣系统方案设计
可在快递物流系统中应用的机器视觉分拣系统，一般包括机器视觉的载体部分（工业机器人本体）、高清相机（工业用相机）、传输带PLC或其他传输单元、控制及监测计算机、照明光源等。不同类型的快递物流产品被放至传送带上并处于高清相机的拍照范围以内，高清相机通过连续快速采集图像，传送至计算机进行图像处理，得出产品位置坐标以及物品识别，将信息传送至机器手臂，从而实现对抓取部分的控制已完成分拣工作。
机器视觉分拣系统一般由机器视觉的载体部分、传输设备、高清摄像机、控制计算机等组成。其中，在设备选用上，选用市场上性价比较高的国产设备即可。比如，机器视觉技载体部分采用市场上常用的机械手臂就行，传输设备由一般的伺服电机、PLC控制器及传送皮带组成，计算机能够与伺服电机控制器建立数据通信就行。高清相机需要配合镜头以及条形码照明光源进行图像采集，因此相机尽量安装与传送设备垂直，条形码照明光源被固定在传送设备两侧，更易于图像处理。计算机通过端口与机器数据部分建立连接实现数据传输。计算机采用国产相关图像处理程序即可，用于完成对包裹对象的质量检测、识别、定位。同时还可以完成对外围设备工作状态及抓取设备的控制。从而完成整个分拣环节的定位、识别、抓取、分拣。
四、结论与展望
机器视觉分拣是机器应用在快递物流行业中的一个重要体现，具有机器技术生活化的现实应用意义和理论研究价值。本文通过分析机器视觉应用的功能模块，重点在于视觉识别和信息采集技术，从而论述机器视觉分拣的可行性。但仍要结合未来工作要求去完善相关不同的功能模块，如根据图像采集环境不同需设计光源自动匹配模块;针对快递物流产品形状多、类似情况，需要开发根据产品特征进行多次自动调整权重参数模块;对于复杂情形下，发生的部分产品被遮挡识别，需要引入聚类算法来消除误差匹配点等等。也就是说，我们已经看到了机器视觉在快递物流自动化系统中的应用前景，并进行了初步的应用，但要全方位的应用，仍然要经过不断实践和改进完善。
参考文献：
[1]赵鹏.机器视觉理论及应用[J].电子工业出版社，2011
[2]邓达.机器视觉技术以及其在机械制造自动化中的运用[J].科学技术创新，2019（07）：183-184.
[3]何勇，孙钊，李华厦.机器视觉技术及其在机械制造自动化中的应用[J].黑龙江科技信息2016（24）：119.
[4]张小艺.在物流互联网技术下打造智能物流系统[J].物流技术与应用，2015，20（03）：791-93.
[5]董跃东.现代物流仓储智能系统设计及应用分析[J].现代经济信息，2019（09）：349+351.
[6]张怡跃.GIS在现代物流配送中的应用研究[J].物流技术，2014（02）.
[7]陈炳燃.物流行业分拣机设计研究[J].工业设计，2019（12）.
作者简介：解鹏程（1985-）男，汉族，河南郑州，硕士，副教授，工作单位：河南职业技术学院，研究方向：物流管理。
基金项目：河南职业技术学院“VIS视觉智能识别科研创新团队”承担2021年度科研基金资助计划项目“机器视觉技术在自动化物流系统中的应用”（项目编号：2021-HZZK-11）