摘要：随着技术的发展，视觉技术已经广泛应用于生产中，尤其是在智能物料生产线上。对于传统的生产线，需要工人来完成对不同产品的分拣、搬运及组装，传统的人工分拣误差率大，而且不能连续作业，随着人力成本的增加，企业的成本越来越高，因此智能化的生产线需求越来越高。

关键词：工业机器人；视觉分拣；应用设计

引言

视觉是人们用来接收外界信息的主要来源。根据调查结果表明，视觉获取的信息占据了人们从外界获取信息量的80%。机器视觉技术因信息量大、精度高、检测范围大等特点，被引入工业自动化中，用于实现工件的自主识别和定位，并成为不可或缺的技术应用。如果周围环境发生改变，示教器或离线编程的工业机器人必须重新编写程序来适应新的任务，这样就会降低生产效率、提高生产成本。采用机器视觉不但能够处理程序问题，还能提高生产效率、降低生产费用。

1自动分拣系统总体设计

某知名企业的生产线要求对不同的产品进行分拣码垛，同时要在HMI界面显示其信息。基于此情况，设计了工业机器人视觉分拣系统应用设计，其由PLC控制模块、视觉检测模块、传输单元模块、工业机器人搬运模块和HMI触摸模块等组成。系统主要工作流程如下。

1）在HMI界面按下复位按钮，系统进行复位，传输单元电机运行5s停止，机器人回到原点位置。2）在HMI界面进行工件数据的设置，设置好后按下启动按钮。3）物料传输单元开始工作，传送带运行，当传送带末端的传感器检测到有工件到达时，传送带自动停止，等待相机进行拍照。4）相机对不同的工件进行自动拍照并进行数据处理，处理完后的数据传输给PLC，PLC与机器人之间进行数据交换。5）机器人根据反馈的工件信息调用相应的分拣码垛程序。6）分拣码垛后跳转到步骤3继续运行，直到达到步骤2设置的参数要求后，物料传输单元停止，机器人回到工作原点。

2工业机器人视觉分拣系统应用设计要点

2.1工件信息的获取

对于不同的工件，要进行颜色和位置信息的提取，便与机器人读取对应的信息。1）打开Insight软件并连接相机，注意电脑端IP地址和相机的IP地址网段要一致，不一致会导致In－sight软件无法连接相机。2）成功连接后进行参数的设置，根据实际的工作环境进行曝光时间、光照强度参数设置，确保Insight软件上能清晰显示工件，触发器方式选择以太网触发。3）工件颜色和位置识别操作，颜色识别是在“检查部件”下的“颜色像素技术”进行设置；位置识别在“定位部件”下的“图案”进行设置。4）通讯模式的设置，相机与PLC之间是Profinet通讯，设备栏选择添加PLC/Motion控制器，制造商选择Siemens，协议选择PROFINET协议。5）格式输出结果设置，对颜色结果和位置信息进行结果数据输出。

2.2Socket通信

Socket通信可以称为套接字，是一种基于客户端/服务器模型的通信方式，可以实现两个不同主机上应用程序之间的双向通信。在Socket通信中，客户端主动向服务端提出请求，服务器端被动地向客户端传输数据。客户端和服务器端只有在双方之间建立一个基于TCP/IP协议的连接之后，才能传输数据。以工业机器人控制器为服务端、视觉控制器为客户端，基于TCP/IP协议建立Socket通信方式。PLC通过I/O信号向视觉系统发送拍照指令，视觉系统将处理后的二维码图像信息发送给工业机器人。工业机器人与视觉控制器直接通信提高了系统分拣效率。

2.3设计工业机器人自动分拣程序

工业机器人自动分拣系统设计的最后一步就是设计自动分拣程序。使用Net进行系统开发，Net是一种多组件执行环境，具有较高的兼容性，设计系统使用C＃Visual C＃．Net核心语言设计了自动分拣程序，为了保证实际分拣效果，在设计自动分拣程序前需要分析通知要求，当系统处在运行原点时，开启启动按钮，此时分拣传送带开始转动，系统开始运行，当检测为非金属物件时，工业机器手臂会在气压作用下运动，按照机器识别传输的图像识别信号进行分拣，当检测为金属物件时，还需要注意气缸限位问题，需要将工业机器人保持在物件上方指定时间后完成自动化分拣。首先设计检测单元，设计的工业机器人自动分拣系统严格规划了检测单元控制要求，设计了I＼O检测单元控制逻辑，处理了各个逻辑之间的数据关系，完成了模块之间程序处理。其次设计分拣单元程序，结合分拣单元的标准化输出地址，可以进行逻辑分配，确定检测量与控制模板之间的关系，完成分拣。最后可以设计程序主站，在分拣过程中，主站的数据需要不断转化为指令完成工业机器人的自动分拣控制，因此需要结合检测单元和分拣单元的实际运行状态，将标准数据模拟化后再发送相关的指令，在最大程度上提高自动分拣的精度，实现高效分拣。

2.4处理工业机器人自动分拣图像

为了最大程度上提高工业机器人分拣精度，在设计工业机器人自动分拣系统时，首先需要建立标准化工件模板，采集处理工业机器人自动分拣图像，经过几次预采集发现，采集到的图像中都包含了大量的无用信息，为了提高采集分拣识别精度，需要剔除采集图像中的无用信息，增强有用的图像特征信息。

每个图像都有一个特定的辨识区域，提取图像特殊的辨识区域对提高工业机器人自动分拣效率有重要意义，因此在处理工业机器人自动分拣图像时可以进行图像分割，测量图像中的参数实现图像阈值转换，可以使用几个不同的阈值将图像灰度值划分成不同的部分，完成浮动阈值变换，本文使用双峰法，将图像转化为前景和背景，绘制直方图，直方图中的低谷即为图像的特定阈值。一般来说，图像的视觉特征与图像的亮度、纹理息息相关，因此，不同图像的边缘往往存在较大的差异，使用边缘检测法可以提取图像与背景之间的分割线，利用图像微分技术构造检测算子，完成工业机器人自动分拣图像处理。

结束语

综上所述，随着计算机技术的发展，我国逐步进入工业自动化阶段，工业机器人自动分拣系统可以有效地降低企业的人力损耗，提高工件的分拣效率，因此被广泛地应用在工业生产的各个领域，但传统的工业机器人自动分拣系统的分拣精度较低，已无法满足工业自动化需求，因此基于机器视觉设计了新的工业机器人自动分拣系统，并进行系统测试，结果表明，设计的自动分拣系统的分拣精度较高，具有准确性，有一定的应用价值，可以作为后续工业自动化发展设备研发的参考。

参考文献

[1]刘黎明，王雪斌.基于机器视觉的工业机器人自动分拣系统设计[J].自动化应用，2022（01）：97-100.

[2]邹旻.基于机器视觉的工业机器人分拣系统设计与实现[D].广东工业大学，2021.