基于机器视觉的机电一体化控制系统设计研究

沈海峰

单位  省市   邮编

身份证号码：420106196709034910

补充作者简介：姓名（出生年月）；性别；民族；籍贯；职称；学历；研究方向：

摘要：在工业自动化不断持续发展背景下，机电一体化技术借助融合机械、电子与计算机控制等方面，明显提升了生产系统的效率以及柔性程度，机器视觉作为其中的关键技术，为精确识别和检测工作提供了核心支撑力量。本研究重点聚焦在包装设备领域方面，设计并且实现了一套基于机器视觉的机电一体化控制系统，该系统采用模块化架构的方式，整合执行机构、智能控制、视觉处理以及管理模块等部分。基于Canny算子和霍夫梯度圆检测算法实现高精度物料与容器识别以及状态监测。实验验证的结果表明，系统平均识别正确率达到97.7%，处理速度为0.06秒/个，包装合格率达到98.3%，有效提升了包装作业的智能化水平以及工作效率。

关键词：机器视觉；机电一体化；控制系统；包装设备；图像处理

中图分类号：

0 引言

在工业制造领域中，机电一体化系统借助整合自动化控制与机械装置，提高了生产环节问题处理的效率，在包装设备具体领域里，该技术融合计算机控制与机械执行机构，不仅有效提升设备运行精度和操作便利性，还优化包装设备整体的管理水平，计算机控制系统的引入让包装设备可智能应对多样化包装要求，比如通过软件编程实现不同包装模式快速转换，大幅减少机械调试和部件更换所需的时间，机器视觉技术作为图像处理技术的典型应用，能模拟人类视觉功能，依靠图像采集装置获取被测物体视觉信息，运用图像处理算法对这些信息解析和处理，最终实现高精度的物体识别与检测。基于以上技术背景，本研究把包装设备当作研究对象，开发出一套基于机器视觉的机电一体化控制系统^[1]。

1 系统总体架构

本文研究的机器视觉驱动型包装机械机电一体化控制系统采用模块化设计理念，主要由四个功能子系统协同构成，其系统架构如图1所示。

（1）执行机构系统

该子系统通过机电融合技术实现机械传动与电气控制的有机结合，为系统完成物料供给、传输、检测、封装及成品输出等全流程作业提供基础执行保障。

（2）智能控制系统

该系统作为核心控制单元负责协调各执行机构时序动作，以此确保上料输送检测包装及取出等工序高效协同运行，进而保证整个生产系统的稳定性和安全性。

（3）机器视觉处理系统

该子系统运用高速图像采集技术，对容器所装载的待包装物料开展实时图像获取和特征提取工作，为系统决策提供关键的数据支持，图2所示，视觉采集装置采用特殊的安装方式，保证其光学中心和物料承载平台中心处在同一垂直基准面，方便精确计算二者的空间位置偏差^[2]。

图1 系统结构

图2 图像采集装置定位示意图

• 管理系统模块

该功能单元主要负责对包装工艺流程进行实时监测以及开展数据采集工作，借助智能化手段分析待包装物料及其容器的图像数据，进而建立起标准化的包装质量评价体系，以此保证采集数据的有效性和分析结果的准确性。

2 控制系统硬件与软件架构设计

2.1 软件控制模块

本系统使用C语言来开展控制程序的开发工作，通过调用步进电机驱动函数达成对控制卡数据的精确调控，进而完成物料上料、输送、质量检测、包装以及出料等工艺流程，该控制软件拥有参数动态配置功能，能够依据物料与容器的实时状态来调整运行参数，以此确保各工序可以协调运作，系统集成了基于图像处理算法的视觉检测模块，借助数字图像处理技术实现物料特征提取与数据分析。

2.2 硬件电路设计

控制电路系统由电源模块、视觉采集单元和报警电路三部分组成，构成机电一体化控制系统的核心硬件架构。图3所示为控制系统电路原理框图。

图3 控制电路原理框图

3 机器视觉算法研究

3.1 基于边缘特征的图像分析方法

在进行单目标物体识别的过程当中，准确提取边缘特征是实现形态学分析的关键基础环节，本研究经过对算法效率进行对比分析，选用计算效率相对较高的Canny算子作为图像边缘特征提取核心算法。

在预处理该阶段当中，为了消除高斯噪声所产生的干扰，增强待包装物料和容器的特征对比度，采用基于高斯分布的滤波算法来进行处理，该算法的二维空间表达式能够表示为：

       （1）

在构建数学模型的过程当中，设定X和Y分别代表目标像素点与计算点间的空间距离，σ表示高斯分布的标准差参数，基于这样的理论框架，本研究先是对图像梯度幅值进行精准的计算，并且确定其实际的方向特征，完成滤波预处理后，通过卷积运算来获取x轴向的微分值dx和y轴向的微分值dy，其具体的计算公式如下所示^[3]：

  （2）

基于此，我们能够计算图像中某个选定位置处的梯度幅值及其变化趋势。

   （3）

根据梯度幅值和方向特征这两个方面，运用非极大值抑制算法对图像进行处理，通过比较目标像素点和它梯度方向上相邻两个像素点的灰度值差异，以此实现边缘轮廓的精确定位。接着导入原始图像数据，需要预先设定高低阈值参数来匹配输入图像特征，把处于阈值区间内的像素点归到潜在边缘集合也就是候选区，将超过高阈值的像素点直接判定为确定边缘即置信区，其余像素点就当作噪声信号进行剔除也就是噪声区。对候选区对应的疑似边缘和置信区对应的确定边缘分别做相关性检测，如果二者存在关联就提升疑似边缘的强度值并迁移到置信区，如果关联性微弱或者完全没有关联就降低疑似边缘强度值并归到噪声区进行排除。

3.2 容器轮廓检测与状态分析

3.2.1 容器轮廓识别方法

完成前期图像预处理工作后就能获得完整主体边缘数据集，为提升边缘剔除精度需要深入探讨容器轮廓检测算法，本研究以圆柱形容器作为样本采用霍夫梯度圆检测算法进行边界特征提取，该算法理论基础是笛卡尔坐标系参数方程。

         （4）

按照几何学原理，所有经过特定点(x0， y0)的圆都能用三维数组(x， y， r)做参数化描述，进而在三维坐标系当中构建与对应的空间曲线，本文提出一个假设，要是和部分图像像素点对应的三维空间曲线能够交汇于同一个交点，那就意味着这些像素点共圆，该性质为圆形检测提供关键线索，由于传统霍夫圆变换（Hough Circle Transform， HCT）计算复杂度比较高，会影响检测速率，所以本文引入霍夫梯度法来进行优化，该方法把二维空间累加转换为对三维梯度空间的分析，在保证检测精度近似的前提条件下，有效降低计算方面的负担。对于预处理后的图像，沿梯度方向的所有像素点都赋予相同的权重增量，使得潜在圆心区域的色彩深度加深，在理想的情况下，当边缘像素点指向同一个圆心时，高权重区域会收缩至单像素点，据此可以估计圆心的位置，以该圆心作为参照，计算它和图像中其他非零像素点间的距离，距离值越大就表明该像素点构成圆的可能性越高，从而确定圆形的边缘，本方法最终目标是精准识别装有物料的容器所在位置及其真实半径^[4]。

3.2.2 物料与容器的状态监测分析

本研究经过实验观察后发现，实际包装过程中常出现物料体积超过容器承载极限现象，这种情况会降低包装质量，为解决此问题，系统运用图像处理技术计算物料最小外接圆直径，并且把它与容器规格参数及预设安全包装阈值进行比对，当检测到外接圆直径超出允许范围时，系统会触发报警机制提示操作人员及时调整物料装载状态。

4 实验验证分析

完成系统设计后，本研究挑选大中小三种规格塑料托盘当作物料载体，借助机电一体化包装控制系统开展自动化包装性能测试，实验期间操作人员只需完成物料的装载与卸载作业，不用对系统运行进行人工干预，测试数据表明从物料上料到完成包装并输出成品全流程耗时控制在13秒以内。

为了验证机器视觉系统是否具备稳定性，每次开展试验前都会对容器内物料的形态特征以及装载量进行参数调整，此次实验使用150个样本（每种规格各有50个），重点考察基于机器视觉的包装控制系统在图像识别准确率、处理时效性还有成品合格率等关键指标上的表现，具体的测试数据可以详见表1。

表1 测试结果

容器型号	识别正确率/%	识别速度/(s/个）	包装合格率/%
大	98	0.07	100
中	97	0.06	97
小	98	0.04	98
均值	97.7	0.06	98．3

通过对实验数据进行分析可以知道，本研究开发出来的视觉识别系统能够有效处理待包装物品以及容器的图像信息，从而实现自动化的包装流程，该系统让包装作业的效率得到提升，并且对不同规格的包装对象都展现出良好的适应性，在图像处理该环节，除了个别因为物料填充过量而导致容器边缘识别精度下降的情况外，系统整体的识别准确率保持在较高水平，包装执行机构对各类容器的表现都很出色，不但实现了包装材料的完全覆盖，还确保了边缘区域能够紧密贴合。

5 系统优化与拓展应用

5.1 系统优化策略

尽管目前基于机器视觉的包装机械机电一体化控制系统在测试里展现出良好性能，但依旧存在一些能够优化的空间，在图像采集与处理环节，虽说 Canny 算法和霍夫曼梯度圆算法在边缘检测和容器边缘识别方面取得不错效果，但伴随包装需求日益复杂，对图像处理精度和速度提出了更高要求。

面对这一问题可以考虑引入深度学习算法，深度学习里的卷积神经网络也就是 CNN 在图像识别领域具备强大能力，它能够自动学习图像特征而无需人工手动去设计特征提取算法，通过构建合适的 CNN 模型对大量标注好的包装物料和容器图像进行训练，让模型可以准确识别不同形态颜色和尺寸的物料与容器，进而提高图像识别的准确率和鲁棒性^[5]。

当下的软件虽说能实现基本控制功能，但在应对复杂多变包装任务时，其灵活性和可扩展性还需要提升，可以运用模块化设计思想，把控制软件划分成多个不同的功能模块，像上料控制模块、输送控制模块以及检测控制模块等，每个模块都具备独立的接口，方便后续进行功能扩展与修改操作，引入可视化编程工具，让操作人员能够更直观地对控制软件开展编程和调试工作，从而降低操作难度。

5.2 拓展应用场景

5.2.1 食品包装行业

食品包装行业对包装的卫生标准和精度要求非常高，基于机器视觉的包装机械机电一体化控制系统能用于各类食品包装，像糖果、饼干、巧克力类都适用，通过精确的图像识别和检测可确保每个食品包装内食品数量准确，避免出现缺粒或者多粒的情况，系统能实时监测食品的外观质量，比如是否有破损、变色等问题，及时发现不合格产品并进行剔除来保证食品质量安全，此外对于一些需要特殊包装形式的食品，例如真空包装、气调包装等，该系统可通过与真空泵、气体充填装置等设备集成，实现对包装过程的精确控制，根据食品的特性和包装要求自动调整真空度和气体成分，确保食品在包装后能保持良好的品质和口感。

5.2.2 医药包装行业

医药包装对于产品安全性和准确性的要求特别严格，在药品包装过程当中系统能利用机器视觉技术，对药品的外观、形状、颜色等方面进行精确检测，以此确保药品是完全符合质量标准的，就像对于片剂药品能够检测其是否存在裂纹、缺损等问题，对于胶囊药品则可以检测其是否完整、有无漏粉等情况，系统还能够实现对药品包装数量进行精确控制，避免出现多装或者少装的状况，在药品的包装标识方面机器视觉技术可对药品标签、说明书等做检测，确保标识信息准确无误且清晰可读，除此外对于一些需要特殊包装环境的药品，像冷藏药品、避光药品等系统可与相应环境控制设备集成，为药品提供适宜的包装环境。

5.2.3 日用品包装行业

日用品的种类是非常繁多的，其包装形式也是各不相同，基于机器视觉的包装机械机电一体化控制系统，能够广泛应用于各类日用品的包装，像洗发水、沐浴露、化妆品等都是适用的，在包装过程中，该系统可以检测产品的液位高度，以此确保每个包装内的产品量保持一致，对于一些带有喷头、盖子等配件的日用品，系统能够检测配件是否安装正确、牢固，避免出现漏装或安装不当的状况，系统还可依据不同的产品特点和包装要求，实现具有个性化的包装设计，例如对于一些高端化妆品，可采用精美的包装盒和独特的包装形式，凭借系统的精确控制来实现高质量的包装效果，进而提升产品的附加值和市场竞争力。

6 结论

本研究顺利设计并验证融合机器视觉技术的机电一体化包装控制系统，该系统运用模块化设计理念构建了包含执行机构、智能控制、视觉处理以及管理模块的协同架构，能够有效支撑物料供给、传输、检测、封装以及成品输出全流程实现自动化，视觉处理子系统创新性地应用优化的Canny边缘检测算法与霍夫梯度圆检测方法实现物料与容器高精度识别（平均识别正确率达到97.7%）以及对过载状态进行有效监测，实验结果显示系统处理速度快（平均0.06秒处理一个）并且包装合格率高（达到98.3%）提升包装作业效率和智能化水平，该系统架构与核心算法为面向复杂包装需求的自动化装备研发提供可靠技术方案且具备向食品、医药、日用品等更广泛包装领域拓展应用的潜力。

参考文献

• 马琨,牛文科.机 电一体化技术在机械工程中的应用 分析[J].造纸装备及材料,2024,53(3) : 116-118.
• 张志胜.基于机器视觉的自动化包装机械控制系统设计 和应用研究[J].上海包装,2023(9) : 19-21.
• 王凯.基于机器视觉的造纸机械光机电一体化实验系统 研究[J].造纸科学与技术,2019,38(6) : 43-46.
• 迟慧智,田宇.图像边缘检测算法的分析与研究[J]. 电子产品可靠性与环境试验,2021,39(4) :92-97.
• 卢蓉芝.基于机器视觉的机电一体化控制系统设计研究[J].技术与市场,2024,31(10):40-42+46.

...