工业机器人视觉系统在电气自动化中的应用

工业机器人视觉系统在电气自动化中的应用

李子华,杨建辉,兰东伟

亚龙智能装备集团股份有限公司

浙江温州市 325100

摘要：新时期背景下，各个领域也加大了生产中机器人的应用力度，还扩大了应用范围，技术支持方面也更为丰富，如传感、人工智能或是信息和计算机等技术。然而，很多工业机器人不具有对周边环境的感知能力，从而影响了其应用和普及。视觉系统能够帮助工业机器人感知周边环境，拓展其应用范围。因此，基于机器人视觉系统的原理和功能，对视觉系统在工业机器人集成系统中的应用进行了研究。

关键词：工业机器人；视觉系统；电气自动化；应用

1工业机器人视觉系统在电气自动化领域的应用途径

伴随信息技术的持续发展，电气自动化不满足于传统信息技术的运用，而是将机器人、区块链、物联网、大数据等技术融入其中，可进一步增强电气自动化系统的智能性。工业生产中，电气自动化控制系统牵涉生产全过程，技术操作者需依照工业生产环节，对生产需求进行识别与管控，配置对应的机器人视觉识别设备，为工业电气自动化控制奠定基础。以钢铁生产为例，利用工业机器人视觉系统对钢铁原料进行识别；生产阶段对设备状态进行识别；产生生产后对产品质量进行识别。由此可见，工业机器人视觉系统的运用涵盖了各个生产流程，其目的是增强电子自动化控制效果，让其在自动化控制能力的基础上具备拟人化的状态评估能力。

2机器视觉系统的原理和功能

机器视觉系统的基本原理是利用专业的图像摄取装置对目标图像信息进行采集，如互补金属氧化物半导体器件和电荷耦合器件。机器视觉系统的功能体现在以下几个方面。首先是外观检测。借助机器视觉系统可以实现对生产线的有效监测，尤其是能够对产品的外观质量进行检测，这也是替代人工最为显著的环节。其次是高精度检测。部分产品对于生产精度有着极高的要求，而这种程度的精度误差凭借人眼无法检测出来，必须借助机器视觉系统完成。再次是引导定位。机器视觉系统可以准确找出需要测定的零件，从而明确其位置，将其应用到上下料环节能够帮助机器人更好地完成物料抓取、放下等操作。例如：在针对半导体进行封装处理的环节，机器人能够通过视觉系统准确判断芯片所处的位置，并以此完成拾取装置角度和位置的微调，从而完成芯片的有效拾取及绑定。最后是识别操作。在机器视觉系统的辅助下，机器人可以针对图像进行深入细致的分析及处理，以适应不同运行模式的不同需求，完成多种对象的准确识别，常见于食品、药品等领域。

3工业机器人视觉系统在电气自动化中的应用

3.1距离的判断

在电气自动化生产系统中采用视觉系统，通过摄像头和机器人之间的位置来进行具体距离的判断。工业机器人的视觉系统通过摄像机感应机器人手臂能够接触到的范围来确保机器人手臂的正常运行，其中包含了工业机器人、控制系统、控制器、单目视觉系统。还有一种是将摄像机固定在某个位置上，工业机器人进行自动化生产时，摄像机并不跟着机械手臂进行运动。经过大量的研究试验对以上两种系统进行对比后发现，第二种形态的视觉系统会对机器人产生影响和阻碍，机器人在运动生产的时候会产生较大的误差，对比后得出还是单目视觉系统的运行方式更加合理也更适合电气自动化生产系统。工业机器人使用视觉系统也分为两个过程：一个是根据标定来进行位置的设定，通过二维或者三维来进行目标的锁定；另一个是操作人员提前进行信息的识别及边缘的检测，具体明确目标坐标，通过坐标引导来让工业机器人完成相应的工作。

3.2优化图像采集系统

图像的采集可以通过单片机实现。考虑到大量数据采集环节对于内部结构和运算能力的要求，需要对单片机的图像采集系统进行优化，以切实发挥单片机的性能，提高图像采集和处理的效率。在实际操作中，一方面应该适当减少图像的数据量。系统传感器本身有着可靠的图像输出功能，可以在其内部设置寄存器来设置特定区域内用户关系的图像信号，以减少需要处理的图像数据量，降低后期处理难度，提高机器视觉系统的整体性能。另一方面，可以借助RFO来异步读写图像数据，并配合两套相互独立的读写指向，从而避免读写过程中的干扰问题。如果能够在一开始就将图像写入存储器，启动读取动作后，读取环节可以减少单片机的资源消耗，提高工作效率。

3.3设备声音检测

目前应用在设备自动化控制系统中的声音识别系统，主要是实时采集现场的声音，在被监测的过程中，设备出现故障，通过采集超出分贝的音频达到告警，这样的监测过程，往往不够准确，现场存在不少设备的干扰项且声音采集装置的位置会因为安装的位置，因此本研究以傅里叶变换及小波变换相互组合进行声音采集。傅里叶变换的正余弦波较复杂，无法满足毫秒级的识别需求。因此再通过欧拉公式将正弦波统一成了简单的指数形式，方便算法进行识别。假设信号长度为8，用小波将其展开，使用哈尔小波计算出它的一种母小波函数，得出异常音频信号的哈尔小波基组合，从而捕捉到设备运行异常时的音频。根据异常声音的特征（对频率、周期性等进行计算）判断产生异常的可能因素和设备部位；根据上述计算的结果，建立详细的反馈机制，实现精准告警。

3.4机器人自动化运动可靠性分析

在建立虚拟模型后，通过数据分析可以发现，虚拟样机还存在许多不足之处，设计还需要进一步改变。在可视化显示模块中提供了参数化方法：参数化表达是自动化机械动力学分析中应用最广泛的参数化表达方式，在建立仿真模型的过程中基于可视化显示，需要输入参数值，可以使用参数化表达进行参数化。需要考虑的影响因素已在前一篇论文中参数化。利用机械动力学自动分析命令语言可编制运动仿真程序。关于制度可靠性，研究对象不是单一的制度，而是一种制度。因为机器人的连接杆尺寸误差和间隔误差会在一定范围内进行无规则变化，而每种型号的机器人的误差变化范围都不一样，所以需要进行多次的自动化运动仿真操作。

3.5图像预处理技术的应用

①图像预处理。机器人视觉系统具备强大识别能力，而识别需要分析大量的图像。首先，工业机器人中配置工业摄像机、光电转换设备，对捕捉到图像信息进行存储，或将数据上传到云端。由于工业生产设备工况恶劣且所处的环境相对复杂，易受到外界因素干扰，因利用上述处理方式对图像进行预处理，让图像信息变得更加清晰，为机器人识别奠定基础。图像预处理包括灰度化处理、图像分辨、去噪、边缘检测、图像增强等。

②图像特征提取。以电力设备为例，门型隔离开关位于复杂的生产环境中，且电气设备复杂程度高，电气设备外形又十分类似，很容易出现元件相互遮挡的问题，加大了识别难度。因此，在特定场合下需对捕捉图像特征进行模糊分析。图像特征提取中，需满足机器人视觉系统识别时具有较强的实时性，同时满足信息处理的准确率。图像特征作为图像内容的表达方式，是图像识别的核心所在。目前，图像特征提取方式包括轮廓、颜色、纹理等处理方法。

结语：

总之，工业机器人视觉技术始终处于不断地完善和发展的状态，不仅能够有效提升生产的效率，还能够提升产品的精度，降低人工检查与抽检时出现误差和随机失误的风险。这项系统的设计原理主要是根据人类的视觉，通过摄像机结合计算机技术来完成人眼的工作，实现高效率生产和工业机器人自动化的最终目的。

参考文献

[1]唐山.基于工业机器人的自动化装配线研究[D].深圳大学，2018.

[2]胡旻昊，王海滨，王岐，阳薇，高鸣.基于双目视觉图像的电力设备状态识别算法[J].电子世界，2017（21）：16-18.

[3]毛聪聪.电气自动化在汽车生产领域的应用探究[J].时代汽车，2018（05）：38-39.