基于机器视觉自动化装配系统研究

基于机器视觉自动化装配系统研究

黄国辉

身份证号:441722197807221738

摘要：机器视觉技术是通过机器视觉产品，即图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。作为工业之眼的机器视觉技术是智能制造时代和工业4.0时代实现工业自动化、智能化和互联化的必要技术手段之一，近年来在自动化装配行业机器视觉技术在自动缺陷检测、智能识别、智能测量、智能检测和智能互联方面飞速发展和迭代更新，机器视觉技术是是人眼在机器上的延伸，是利用机器代替人眼来做测量和判断的一项综合技术，它易于信息集成，是实现计算机集成制造的基础技术。基于此，本篇文章对基于机器视觉自动化装配系统进行研究，以供参考。

关键词：机器视觉；自动化；装配系统

引言

目前，国内外对基于工业机器人与机器视觉的自动装配系统已有较多研究。有学者针对卫星天线模块自动化精密装配需求，设计了一种基于机器视觉的机器人自动精密装配方法，利用工业机器人配合机器视觉实现了公差保持在50μm内的天线模块装配。有学者设计了一种基于工业机器人的自动生产线，能应用于电子产品繁多的多个生产工艺环节，以实现生产线自动化、智能化。有学者针对球阀阀芯自动装配过程中装配柔性低、时常无法精确定位的问题，设计了一套能快速识别、抓取球阀阀芯的在线机器视觉系统。有学者针对电热水器内倒机动作设计了一种基于工业机器人的自动倒机系统，该系统以可编程逻辑控制器(ProgrammableLogicController，PLC)作为主控制器，可协调工业机器人、2条生产线及底壳供料机之间的动作，代替人工完成倒机工作。有学者提出了一种基于机器视觉的自动装配系统，能在检测过程中快速分割区域识别缺陷，对装配过程进行灵活、精确和低成本的在线几何检测。

1机器视觉技术

机器视觉技术模拟人类接受视觉信号，通过传感器接受外界光电信号，转化为数字信号，利用视觉仿真技术，对感知场景进行学习与推演，识别特征物，依靠人工智能形成判断指令。通过视觉环境仿真技术结合实际场景建模，采用仿真软件（EcotectAnalysis）进行模拟分析，将仿真照度值与规范标准值对比，验证起重作业视觉优化型的正确性，为视觉环境优化方案的制订提供依据。涉及人工智能、计算机科学、图像处理、神经网络、深度学习等多个知识领域。其中，双目视觉也称作立体视觉，是机器视觉的一种重要形式，类似利用人眼双眼的视觉差判断出物体远近距离，从而感知目标物体三维信息。双目定位是通过不同位置观测目标物体的多个二维图像，计算图像对应点位置偏差，计算出被观测物体的实际距离的方式。

机器视觉的基本原理：一个典型的机器视觉系统包括光源、图像捕捉、图像数字化、智能判断和控制执行等5个部分。机器视觉系统的原理是通过图像捕捉系统采集被摄物体，把被摄物体的三维图象转化为二维图像，将光信号转换为电信号，再由图像数字化系统把电信号转化成数字信号，以供后续的智能判断、控制执行系统处理。为避免现场环境的自然光线或人工灯光对识别过程的影响，光源系统应满足亮度可调、均匀性好、稳定性高等基本要求，以尽可能抑制外界环境光对图像质量造成的重大影响，导致出现误判。建立机器视觉系统通常包括如下步骤:(1)建立光学系统，包括光源、图像捕捉两部分，以获得质量良好的图像信息。图像信息要能够突出被摄物体的所需特征，方便后续提取和处理，这是决定机器视觉检测系统设计成败的先决条件。(2)图像预处理。主要是过滤图像噪声，通过二值化、边缘提取等图像处理算法优化被摄物体待检测特征信息，为后续判断、处置提供基础。(3)定标与位置调整。针对待检测特征进行定标及必要的位置调整，进行图像像素与被检测单位(如毫米)的信息转换。(4)检测算法设计。针对检测特征，应用尺寸测量、二维码识别、字符读取、动作识别等算法，得到待检测特征的实际信息，给出结果。(5)系统测试。系统投入使用前，需要进行严格的系统测试，以确保检测系统的可靠性、稳定性和精度，并结合生产应用情况进行迭代测试，确保系统稳定可靠。

2自动化装配系统总体方案设计

2.1机械结构设计

基于以上装配流程以及工艺要求，采用SolidWorks软件对自动装配平台进行三维建模，并对装配虚拟仿真，以及设计结构对装配流程合理性分析。

2.2视觉系统设计

视觉系统是整个系统的核心部分，在确保目标零件能够满足要求的情况下，选用Eye-to-Hand系统，将工业相机固定于工作台上。自动化装配中视觉系统主要可分为3个主要部分：（1）工业相机与相机部分，主要负责目标零件的图像采集。（2）PC端与机器视觉软件模块，负责对采集的图像进行处理分析。（3）旋转平台以及二轴机械手修正模块，负责对零件姿态角度偏差进行修正。相机系统如图4所示。在采集图像过程中，会出现拍摄零件出现畸变现象，视觉系统首先应完成相机标定，根据标定要求与便捷，采用Halcon软件对相机进行标定，利用Halcon软件库里的算子gen_caltab生成标定图。再将相机初始参数输入Halcon标定助手中，通过加载标定板（15~30幅），生成内参数据。

2.3控制系统设计

完整且成熟的控制系统应该具有的功能为：（1）标定工业相机内参/外参。（2）实时对目标零件图像进行显示与采集。（3）对采集的图像进行高效、精准的识别以及图像增强等预处理。（4）数据处理，能够在识别到的图像中进行有效信息提取与显示。（5）能够对图像具有的特征进行选择与分类处理。（6）保存采集所得到的参数等，通过通讯要求与上位机/PLC进行实时通讯。（7）实现人机交互，通过人机交互界面，能够在PC端对整个自动化装配平台进行操作与监控。

3基于工业机器人自动化装配线构建的有效策略

3.1针对装配产品合理的进行全局规划

要想构建出合理的工业机器人自动装配线，首先要从装配的产品出发，对产品的内容以及装备的特点进行分析，从而制订出科学的、合理的全局性规划。并对传输方案进行多方的论证，在多个传输方案中进行对比，选出最优的方案。目前，我国工业机器人自动装配线的传输技术一般采用异步传输的方式。这种方式由于定位较为准确，使设计更加简单，投入成本较低，因此其可行性较强。

3.2合理构思每一个工位的装配动作

由于所装配的零件的特点以及装配的要求都不尽相同，因此对不同的工位的装配动作进行分析，看工业机器人的装配功能是否在本工位适用，发现每一个工位装配动作存在的缺陷，不断地进行重复性的实验，从而完善工位的装配动作，保证不同的工位拥有不同的功能，从而使工业机器人与装配设备完美地契合，使品的零件组装、加油、装箱以及检测能够顺利地完成。

结束语

随着智能制造技术的不断深入，特别是智能化设备硬件性能的突破和算法研究的发展，再结合人工智能、深度学习等多种技术的应用，基于机器视觉的质量检验检测方法和手段将更为广泛、成熟地应用于工业生产中，势必为推进我国工业发展，提升中国制造和创新的品质起到重要的推动作用。随着行业的发展、企业产能需求的提高与人力资源的短缺，使用工业机器人与机器视觉来逐步改造生产工序，从而提高生产效率，成为未来发展大趋势，仍值得进一步研究。

参考文献

[1]董鹏越.基于多相机的机器人装配作业视觉定位系统研究[D].北京建筑大学,2020.000123.

[2]王庆阳.基于机器视觉的气阀装配机器人定位技术研究[D].沈阳理工大学,2020.000346.

[3]徐超.基于视觉的机器人钢桶螺纹盖装配技术研究[D].江南大学,2019.

[4]王宇峰.基于机器视觉小型机油泵自动装配研究[D].四川轻化工大学,2019.000025.

[5]屈华伟.基于机器视觉的有源相控阵天线自动化装配设备技术研究[D].哈尔滨工业大学,2018.001287.