基于智能展示線二維碼識別系統(tǒng)的研究與設(shè)計

田 禛，王明睿，劉振國，郭 瑞，呂開旺

（北京機(jī)械工業(yè)自動化研究所，北京 100120）

0 引言

二維碼內(nèi)可以儲存大量的信息，比如產(chǎn)品的說明、產(chǎn)品的生產(chǎn)日期和產(chǎn)地等等，而且二維碼的譯碼可靠性很強(qiáng)加上其讀取速度快，這三個突出的優(yōu)點使二維碼廣泛應(yīng)用在各行各業(yè)。我們?nèi)绻芫_的識別出二維碼內(nèi)存儲的信息，那么就會對我們下一步要進(jìn)行的產(chǎn)品的數(shù)據(jù)采集、產(chǎn)品的分類及存儲等工作提供很大的便利。

1 面向智能展示線工作流程介紹

本智能展示線實現(xiàn)的工作是一套筆筒的制作流程，完成從任務(wù)訂單下發(fā)后機(jī)器人自動插取物料、相機(jī)拍照識別物料是否準(zhǔn)確、筆筒圓管的激光打碼、筆筒的壓裝及包裝等一系列工藝，具體流程如下。

首先，由Mes下達(dá)指令，在自動模式下有三個指令，分別為：生產(chǎn)種類、生產(chǎn)任務(wù)、啟動，上位機(jī)拆解任務(wù)逐條下發(fā)。上位給機(jī)器人發(fā)送出庫指令，機(jī)器人抓取筆筒的托盤至第一工位工作臺緩存區(qū)，PLC呼叫AGV，然后機(jī)器人移至拍照點拍照，得出偏移量，上位讀取后下達(dá)機(jī)器人從緩存區(qū)的出庫指令，機(jī)器人執(zhí)行出庫指令，出庫完成后移至第二工位，然后上位給機(jī)器人下達(dá)拍照指令，相機(jī)對筆筒的圓筒、方管和底板進(jìn)行拍照識別，拍攝物料上的編碼來進(jìn)行識別圓筒的直徑，方管長度、寬度，把取出的數(shù)據(jù)和上位的數(shù)據(jù)進(jìn)行判斷，若合格，則驅(qū)動機(jī)器人進(jìn)行激光打碼，打碼完成后移至第三工位，機(jī)器人把物料送至壓裝位進(jìn)行壓裝，壓裝通過PLC控制氣缸來進(jìn)行，壓裝完成后物料由機(jī)器人送至AGV移至下一工位。在此工位進(jìn)行物料包裝，包裝完成后，機(jī)器人給上位完成信號，AGV取出成品入庫。工作流程如圖1所示。

圖1 展示線工作流程圖

該系統(tǒng)采用模塊化設(shè)計，通過信息數(shù)據(jù)進(jìn)行邏輯串聯(lián)、信息綁定及數(shù)據(jù)追蹤等方法進(jìn)行智能化生產(chǎn)，本文著重于寫由相機(jī)進(jìn)行拍照掃碼進(jìn)行物料的判斷及防呆的設(shè)計。

2 提取目標(biāo)物的物理信息

本展示線相機(jī)采用的型號是?？礛V-CE120-10GM，因為其平穩(wěn)度高，在任何情況下運行圖像都不會有抖動動的情況出現(xiàn)，在光照的情況下運動不會出現(xiàn)拖影的情況，支持手動調(diào)節(jié)光圈大小及焦距等，相機(jī)拍攝工位示意圖如圖2所示。

圖2 相機(jī)拍攝示意圖

首先使用機(jī)器人把相機(jī)移動至合適的拍照位置，使其對筆筒的托盤、底板、圓筒和方管進(jìn)行拍照，把提取出來的特征信息保存在數(shù)據(jù)庫中，然后掃描二維碼和數(shù)據(jù)庫比對，判斷出是否是準(zhǔn)確的物料。拍照如圖3～圖8所示。

調(diào)節(jié)相機(jī)拍照獲得的物料特征合適的最小匹配分?jǐn)?shù)（0.5～0.9之間），使其可以實現(xiàn)快速的特征匹配。如圖3、圖7、圖8所示用來判斷筆筒托盤的有無和正反，如圖4、圖5、圖6所示，是底板、圓筒和方管的特征識別及物料尺寸測量。

圖3

圖4

圖5

圖6

圖7

圖8

2.1 二維碼的掃描及識別

筆筒物理特征提取完成之后，接下來通過掃描二維碼對物料進(jìn)行判斷識別，相機(jī)掃描二維碼流程圖如圖9所示。

圖9 相機(jī)拍攝二維碼的流程圖

拍攝二維碼如圖10～12所示。

圖10

3 二維碼圖像處理

因為掃描的二維碼圖像比較模糊，所以需要對其進(jìn)行圖像處理使其變得更加清晰，清晰的圖像才能保證識別的準(zhǔn)確度，處理流程如圖13所示。

圖13 二維碼的處理流程圖

3.1 圖像的灰度處理

本文展示線采用工業(yè)相機(jī)對二維碼圖像進(jìn)行拍攝，其拍攝到的是彩色圖像，為了減少數(shù)據(jù)處理量對彩色圖像進(jìn)行灰度化處理，使其成為黑白二維碼，灰度化處理公式如式(1)所示。

R、G、B是彩色圖像像素的三個分量。

3.2 圖像濾波降噪

中值濾波對于一些高密度噪聲圖像的濾波效果不太理想，因為其算法會對窗口有所限制致使濾波失效，而自適應(yīng)中值濾波算法優(yōu)化了這種窗口受限的問題，其可以通過設(shè)定好的窗口來判斷所取的中值點是否為噪聲點。本文采用自適應(yīng)中值濾波算法[6]。表示自適應(yīng)濾波器所選窗口的大小，步驟流程如圖14所示。

圖14 自適應(yīng)中值濾波流程圖

首先判斷第一個不等式Pmed＞Pmin&Pmax＞Pmed是否成立（Pmin/max表示灰度的最小/最大值），若成立，繼續(xù)判斷第二個不等式Pxy＞Pmin&Pmax＞Pxy，若第一個不等式不成立，那么增大窗口尺寸（大小不能超過允許的最大值Pmax），然后返回第一個不等式進(jìn)行判斷（循環(huán)此步驟至滿足條件），否則輸出Pmed。如果兩個不等式都成立則輸出Pxy（圖像在坐標(biāo)處的像素值）；否則輸出Pmed（灰度值的中值）。

3.3 圖像二值化處理

二值化處理實際就是把我們不需要識別的部分色彩給弱化掉，把我們需要進(jìn)行識別的部分突出出來，一般我們二值化處理之后呈現(xiàn)出黑白兩種顏色，就是把指定圖片的像素點只設(shè)置為兩種，一種是0另一種是255，這樣就可以把目標(biāo)圖和背景圖有效的分開。其實就是把選定的閾值T當(dāng)作是一個基準(zhǔn)，然后把選定圖片像素點的灰度值以這個基準(zhǔn)分為兩類，高于這個基準(zhǔn)值的分為一類稱其為背景圖，低于這個基準(zhǔn)值的分為一類稱其為目標(biāo)圖。公式如下：

圖11

圖12

其中，g表示經(jīng)過上述比較分類之后的灰度值。閾值的選取采用Ostu算法進(jìn)行。

3.4 Ostu算法

Ostu算法是把使得類間方差最大（或最?。┑哪莻€值取為最佳閾值T，然后通過這個值把指定圖像的像素劃分為成了目標(biāo)和背景。圖像總的平均灰度值如式(3)所示：

類間方差如式(4)所示：

可簡化如式(5)所示：

g-類間方差值、ω0-目標(biāo)像素占圖像比例、ω1-背景像素占圖像比例、μ0-平均灰度、μ1-平均灰度值

其中g(shù)的值增大時，目標(biāo)圖與背景圖的區(qū)分程度就越明顯，那么劃分錯誤就不容易出現(xiàn)。所以最佳分割閾值即為g取值最大時對應(yīng)取的閾值T[6]。

3.5 圖像定位處理

二維碼的定位就是找到并提取出目標(biāo)碼的位置，這一步驟處理的結(jié)果直接關(guān)系到后期識別的準(zhǔn)確度。定位處理涉及兩個部分，一是圖像的邊緣檢測（使用Canny算子邊緣檢測），二是把其檢測到的邊緣像素連接成封閉區(qū)域（使用Hough變換）。

Canny算子的處理步驟如下：

首先近似計算出和，這兩個函數(shù)是濾波器一階偏導(dǎo)數(shù)。如式(6)所示：

然后計算出圖像的幅度如式(7)所示：

接著計算出圖像的方向如式(8)所示：

其中當(dāng)M(x，y)取最大值時方向角θ(x，y)代表了邊緣的方向。

然后使用非極大值抑制算法確定出圖像的邊緣，接著采用雙閾值法檢測并連接邊緣，即令非極大值閾值為ht1和th2，取th1=th20.4[6]。

Hough變換就是把原空間的圖線映射到參數(shù)空間中去。原始圖像中的點都在式(9)所示直線方程上。

圖像的直線在參數(shù)空間的方程如式(10)所示：

由上可得，原空間中的點在參數(shù)空間中是一條線。

3.6 圖像校正處理

經(jīng)過上述定位后的二維碼圖像，一般都會出現(xiàn)一些旋轉(zhuǎn)，所以接下來需要把圖像的角度給校正回來。

我們使用Hough變換來達(dá)到這一目的，此變換是通過檢測圖像的邊界，然后與沒做任何處理的原圖像的位置對比，進(jìn)而得出偏移的角度，然后把圖像依照偏移的角度還原回去，得到端正圖像。如圖15所示：

圖15 圖像旋轉(zhuǎn)示意圖

在上圖中可看出坐標(biāo)(x0，y0)與坐標(biāo)(x1，y1)有θ1度的偏移角度，l是坐標(biāo)到原點的距離也是坐標(biāo)旋轉(zhuǎn)的旋轉(zhuǎn)半徑。θ2是其旋轉(zhuǎn)半徑與x軸的夾角[6]。

初始圖像坐標(biāo)如式(11)所示：

旋轉(zhuǎn)后的圖像坐標(biāo)如式(12)所示：

圖像進(jìn)行旋轉(zhuǎn)或者平移恢復(fù)正規(guī)形之后會出現(xiàn)一定的幾何失真，所以需要對圖像進(jìn)行修正，利用透視變換算法來實現(xiàn)圖像的校正，即通過矩陣H，將采集點(x，y)與標(biāo)準(zhǔn)圖像平面坐標(biāo)(μ，ν)之間的關(guān)系表示出來，則數(shù)學(xué)表達(dá)式如式(14)所示。H如式(13)所示。

整理得式(15)。

通過求出的矩陣H就可以求出原圖像坐標(biāo)，通過轉(zhuǎn)換得到畸變校正后的圖像[6]。

校正之后二維碼如圖16～圖18所示。

圖16

圖17

圖18

3.7 二維碼識別結(jié)果

把二維碼經(jīng)過處理之后，使用相機(jī)進(jìn)行掃描，識別結(jié)果展示如圖19～圖24所示。

圖19

圖20

圖21

圖22

圖23

圖24

由圖16～圖23所示可看出方管、圓筒、地板二維碼掃描匹配成功即批次及物料特征均正確，方刻二維碼及圓刻二維碼確認(rèn)成功，圖24可看出物料特征信息，所有物料匹配成功。

4 結(jié)語

本文主要是對二維碼的內(nèi)容進(jìn)行識別判斷，首先由相機(jī)進(jìn)行拍照提取物料特征信息，把信息儲存在數(shù)據(jù)庫中，然后對二維碼進(jìn)行圖像處理提高掃描的準(zhǔn)確性。獲得的主要結(jié)論如下：

根據(jù)智能生產(chǎn)線項目，設(shè)計了一套高效率、高可靠性、高安全性的二維碼智能識別系統(tǒng)，不再使用人工識別，使生產(chǎn)更具智能化和柔性化，也提高了物料識別的準(zhǔn)確性。

因為本次設(shè)計沒有涉及二維碼上有遮擋物時的情況，所以沒有對此類情況進(jìn)行分析和探究，這是后續(xù)需要深入研究的方向。