机器视觉在智慧物流中的应用研究

机器视觉在智慧物流中的应用研究

周恒超,杜英玲,李金霞

山东商业职业技术学院  山东济南  250103

摘　要: 智能化是智慧物流的特征之一，机器视觉在智慧物流的分拣作业、仓储物流等环节有重要应用。本文通过阐述机器视觉系统的组成、工作原理及技术特点,以及在自动分拣、拆码垛作业、智能运输、空间系统设计等的典型应用案例阐述分析。

关键词: 机器视觉技术；智慧物流；物流分拣；

引　言

智慧物流具有可视化、自动化、可控性、智能化、信息化、网络化六大特征，智能化是在物流过程中运用大量的智能设备，使各环节智能化操作，相互配合，协调运行，从而提高作业效率。其中机器人和机器视觉技术是最为成功的应用，机器视觉技术应用于物流的多个环节, 如自动分拣、拆码垛作业、智能运输、空间系统设计等；通过定位、检测、读码等技术环节实现智能物流作业，提高了效率和精确度, 降低了运营成本，增强了企业竞争力。

1.机器视觉技术

人类通过眼睛，耳朵、手、鼻子等感知器官感受外部环境,80%的信息通过视觉器官获取。机器视觉技术就像人的眼睛获取图像过程，对图像进行自动处理并生成图像内容的相关信息。随着传感技术、图像处理技术和人工智能的飞速发展,机器视觉技术已成为现代制造业的核心技术，完成很多人眼所不能完成的任务，拓展人眼视觉的宽度。

机器视觉技术涉及计算机、图像处理和人工智能等多个领域，是一门交叉学科，仿真人类的眼睛和大脑，获取图像，对图像加工处理，转换成图像信号，输送到图像处理系统，图像处理系统对图像信号的关键特征进行算法处理和图像识别，根据判断条件，输出图像处理结果，传输数据到上位机，通过网络通讯，发出指令，控制设备的运行。

2.机器视觉的构造

机器视觉系统主要由图像采集、图像处理、执行部件三个关键部分组成。图像采集包括光源和相机； 图像处理包括软件和处理器；执行部件主要是控制器。图像处理是最关键的环节,通过图像处理确定物体的特征,将信息转化成为执行部件的数据，控制执行部件的运行,确保准确度和稳定性。图像处理主要包括图像预处理、图像分割、图像特征提取，图像识别四个环节。其中，图像分割环节是根据图像特征的明确区分性，把图像分割成特征明显的区域，提取所需对象的特征；图像特征提取是获取图像的特征信息,如颜色、形状、亮度等。

3.智慧物流中机器视觉技术的应用

机器视觉技术在物流作业中，解放了人力劳动，提高了工作效率，应用在智慧物流的多个方面。

（1）物流分拣

物流分拣是智能物流的关键环节，机器视觉系统自动扫描订单内容和筛选相关产品，生成数据并上传控制系统，提高了效率，解放了人力劳动。为了更快的分拣货物，可以把机器视觉和分拣机器人配合使用。视觉系统具有空间占用小，安装方便灵活，实时监控和实时收集信息的特点，分拣机器人具有灵活性，工作稳定且持续的特点，把机器视觉技术融入到分拣机器人中，精准高效地把物体分拣出来，搬运到指定位置。

为了准确分拣物体，并搬运到指定位置，被分拣物体的颜色和形状是最便于识别和读取信息的关键点。基于机器视觉的形状识别技术和颜色识别技术就至关重要，这种用于形状识别和颜色识别的技术使得物件分拣精准高效，提高出库效率，节省空间占用率。

视觉系统配合机器人使用，提高了分拣的效率，其系统构成如下：机器视觉系统、profinet通讯、 PLC、HMI触摸屏，分拣机器人。分拣机器人通过现场总线与触摸屏连接，总控系统通过profinet完成各工位的网络连接、指令和信息的传递、系统作业的协调控制、物料数据的管理。

具体工作如下：（1）点击触摸屏上的开始按钮，机器视觉系统获取图像信息，进行数据比对，判断货物包装完整度，订单信息准确性，判断货物是否符合标准；（2）数据传给plc，plc作为信息处理设备，根据设定的程序，确定执行合格产品和不合格产品，合格产品，plc把信号传给机器人，输出指令，机器人重新开始分拣；对于不合格产品，设定plc检测程序，判断不合格产品能否被修复，将处理的信息发送至执行机构操作；（3）对于不可修复的不合格产品，交由工作人员处理，检测，判断是否达到分拣标准。

视觉系统和机器人配合，提高了效率，人工最后对产品的判断，减少由于视觉系统物品造成产品的错误率。

（2）智能运输

机器视觉系统通过无线网络与智能车载系统连接，应用到物流的运输环节中。车载系统内部存储道路指示标志，如信号灯，各种交通规则标志，人像及物体检测识别装置。在运输过程中，机器视觉系统实时采集路面信息，反馈给车载控制装置，利用GPS导航技术,进行线路的规划与导航，机器视觉系统实时监控道路情况，如遇交通堵塞或道路故障，将信息传送给控制系统，控制系统发出指令，调整运行线路和运行方向，减少堵塞造成的时间延误，实现物流智能运输，提高了运输效率。

（3）拆垛码垛

物流运输环节中的拆码垛作业,机器视觉也有重要应用。码垛机器人能够方便完成规则形状包装的装卸与码垛，不规则形状物料的拆码垛, 可以采用机器视觉技术协助机器人共同完成，这样可以有效的降低人工成本并能提高运作效率。

在拆垛、码垛过程，机器视觉采用 3D 视觉体积测量技术, 机器人可以有效完成不同规格和尺寸的混合物料拆码垛。3D视觉体积测量系统把信息同步传送到机器人堆码系统, 堆码系统根据信息进行垛型组合。 拆垛环节, 3D 视觉体积测量系统把相应拆垛数据指令信息传送给机器人系统,机器人按照指令进行拆垛，这样机器视觉系统协助机器人完成拆垛作业。

此外，机器视觉技术根据空间配置算法，应用在物流空间系统配置中，高层仓库的高处空间的利用率得以提升；机器视觉系统可以配合终端配送系统，如无人机配送，提高配送的效率。

4. 机器视觉技术在图像处理中的问题

机器视觉技术的图像处理过程非常复杂，常见有以下问题：

（1）图像识别不唯一。主要是由于图像的多义性造成，图像的多定义性造成图像识别系统理解图像信息的非唯一性。图像识别技术关键点是：根据物体的特定信息或者特征，如形状，颜色等，来推断图像的真实信息，受限于光学技术水平和图像背景的随机因素干扰，造成图像的多义性，机器算法在计算时可能会出现多个结果，就是贡布里希提出“鸭兔变形”问题。对机器视觉系统工作的稳定性造成不利影响。

（2）环境因素干扰。主要受到生产环境的光线、产品的颜色、背景颜色以及形状等客观因素干扰。被检测物体和被背景差别不是很明显，图像处理系统就会输出错误结果。

此外，受到操作者经验及知识技能的限制，不能根据环境因素对机器视觉系统进行调节。

5.结束语

机器视觉技术广泛应用在智慧物流的运输配送等环节，解决了当前物流系统各环节的衔接较差 ，运转效率低下 ，运营成本高的问题。机器视觉在使用中，要解决好外界环境的改变对机器视觉系统识别的影响，比如，光线强度的变化影响成像质量，码垛物体的颜色尽量与周围环境的颜色有明显区别，用来提高视觉系统的识别度；被识别的物体的形状要规则，便于协助机器人码垛和拆垛。

机器视觉技术应用在物流分拣、码垛、运输、配送等物流系统的各环节，配合5g高速低延的特性，结合plc控制技术，网络组态技术，配合机器人的智能性，构成智能化物流运输系统，提高物流效率，降低物流成本。

参考文献：

（1）机器视觉系统在智能物流输送系统中的应用.  丁洋洋,高倩倩,周珣, 工业设计 ,2020年4月：127-128

（2）视觉识别机器人在物流作业中的智能应用.  金桂根 ,穆建军,   制造业自动化, 2013-06(上) 第6期: 103-105

（3）基于视觉伺服的仓储物流机器人自动定位技术.  宋哲,    自动化技术与应用, 2021年第40卷第8期:  70-74

（4）应用于智慧物流服务的无人驾驶车产品设计.  冉蓓,  覃京燕,   包 装 工 程, 2021 年3 月 第 6 期 ：37-45

（5）基于机器视觉技术的分拣机器人研究综述.王成军，韦志文，严晨,

科学技术与工程，2022年第22卷 第３期:893-899