基于機(jī)器視覺的木板拉條系統(tǒng)研究

周 令，張振榮，彭建盛，楊程鈞，王 濤

（1.廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院，廣西南寧530004；2.河池學(xué)院 人工智能與制造學(xué)院，廣西宜州546303；3.深圳雨滴科技有限公司，廣東深圳518000）

我國(guó)是木材消費(fèi)大國(guó)，2020年，我國(guó)的木材消耗量約在5億m3，國(guó)內(nèi)木材產(chǎn)量?jī)H在1億m3左右，木材市場(chǎng)需求缺口巨大，高效率地開發(fā)和利用原木已成為人們關(guān)注的焦點(diǎn)[1]。

機(jī)器視覺檢測(cè)技術(shù)是一項(xiàng)集圖像、機(jī)械、自動(dòng)化和人工智能等技術(shù)于一體的高新智能檢測(cè)技術(shù)[2-4]，具有效率高、出錯(cuò)率低及實(shí)現(xiàn)功能多等特點(diǎn)[5-7]。機(jī)器視覺技術(shù)已在木材加工行業(yè)逐漸得到應(yīng)用，主要應(yīng)用于木材缺陷檢測(cè)[8-9]、木材顏色分類[10]及干燥應(yīng)力演變[11]等方面。傳統(tǒng)木材粗加工的多片鋸拉條環(huán)節(jié)利用安裝不同間距多片鋸的拉條機(jī)完成木板裁切；通過人工識(shí)別木板的寬度，利用紅外激光比對(duì)后完成木板裁切。這種方式效率較低，受主觀意識(shí)及人工熟練程度影響較大，成品率相對(duì)較低，造成木材浪費(fèi)，且人工成本較高。為提高企業(yè)生產(chǎn)效率、降低人工成本和木板損耗，本研究采用機(jī)器視覺技術(shù)替代人工辨別，將木板傳送至拉條機(jī)的相應(yīng)位置進(jìn)行裁切，實(shí)現(xiàn)木板智能化拉條，以期為木板拉條機(jī)的智能化研究提供科學(xué)依據(jù)。

1 方案設(shè)計(jì)

1.1 系統(tǒng)結(jié)構(gòu)

基于機(jī)器視覺的多片鋸拉條機(jī)結(jié)構(gòu)主要包括上料機(jī)構(gòu)、推送機(jī)構(gòu)、視覺檢測(cè)機(jī)構(gòu)、人機(jī)界面、橫移機(jī)構(gòu)、送料機(jī)構(gòu)和拉條機(jī)（圖1）。工作流程為人工疊放好木板，放至上料機(jī)構(gòu)；推送機(jī)構(gòu)推動(dòng)木板至視覺檢測(cè)機(jī)構(gòu)；視覺檢測(cè)機(jī)構(gòu)利用工業(yè)相機(jī)及鏡頭拍照，并將數(shù)據(jù)傳送至計(jì)算機(jī)進(jìn)行處理及運(yùn)算，計(jì)算出木板的樹皮寬度和可裁切寬度；校正木板后，送料機(jī)構(gòu)和橫移機(jī)構(gòu)推送木板至拉條機(jī)進(jìn)行裁切。

圖1 機(jī)器視覺的拉條機(jī)結(jié)構(gòu)Fig.1 Structure of slitting machine based on machine vision

1.2 系統(tǒng)工作條原理

拉條機(jī)可將不同寬度木板（整體寬度為40～155 mm）的樹皮去掉，并裁成3、4、5、6和7 cm規(guī)格的木板。安裝鋸片時(shí)，可根據(jù)實(shí)際情況選擇所需間隔，本裝置安裝的鋸片第1～8間隔依次為3、4、4、5、5、6、6和7 cm。檢測(cè)原理是采用Sobel算子識(shí)別木板可裁切邊緣，擬合成直線（圖2中黃色線條所示），計(jì)算木板的最大可切割寬度（圖2紅色線條所示），根據(jù)計(jì)算結(jié)果，將木板傳送至拉條機(jī)相應(yīng)位置進(jìn)行裁切。4個(gè)樣本中，最大可切割寬度為3.2 cm時(shí)，將該木板推送至第1間隔進(jìn)行切割，可得1塊3 cm的木條（圖2a）；最大可切割寬度為7.5 cm時(shí)，將該木板推送至第1、2間隔進(jìn)行切割，分別可得1塊3和4 cm的木條（圖2b）；最大可切割寬度為11.2 cm時(shí)，將該木板推送至第5、6間隔進(jìn)行切割，分別可得1塊5和6 cm的木條（圖2c）；最大可切割寬度為13.3 cm時(shí)，將該木板推送至第7、8間隔進(jìn)行切割，分別可得1塊6和7 cm的木條（圖2d）。

圖2 木板邊緣及可裁切寬度識(shí)別Fig.2 Identification of wood board edge and cutting width

2 木板邊緣檢測(cè)及處理

本系統(tǒng)采用的相機(jī)為索尼XCL-C280工業(yè)模擬相機(jī)，開發(fā)軟件為Android Studio，圖像處理采用OpenCV。木板圖像獲取與處理流程為獲取木板照片、圖形畸變矯正、中值濾波和二值化、圖像輪廓處理及數(shù)據(jù)處理（圖3）。

圖3 木板邊緣檢測(cè)及處理流程Fig.3 Detection and treatment process of wood board edge

2.1 照片采集

在機(jī)器視覺圖像識(shí)別中，采用合理的打光方式非常重要。根據(jù)物料需要識(shí)別的特征，采用合理的打光方式將特征突顯出來，可降低圖像處理難度，增加識(shí)別的穩(wěn)定性。

在本系統(tǒng)中，需將木板板面兩邊和木板斜坡的邊緣提取出來。根據(jù)環(huán)境需求，將光源安裝在木板檢測(cè)位兩側(cè)的上方，采用順尚信TS-630-22條形光源（圖4）。通過兩側(cè)光源分別曝光，將板面照成亮場(chǎng)，將兩側(cè)斜坡照成暗場(chǎng)，木板邊緣能很好地被提取出來。當(dāng)木板推送至木板檢測(cè)位后，觸發(fā)拍照，視覺檢測(cè)系統(tǒng)會(huì)先打開光源1，將左邊緣的斜坡和板面照亮，右邊緣的斜坡基本沒有反光，提取右邊緣（圖5）；關(guān)閉光源1，打開光源2，將右邊緣的斜坡和板面照亮，左邊緣的斜坡基本沒有反光，提取左邊緣（圖6）。關(guān)閉光源2，系統(tǒng)圖像獲取步驟結(jié)束。

圖4 光源系統(tǒng)Fig.4 Light source system

圖5 第一次曝光的圖片F(xiàn)ig.5 The first exposure picture

圖6 第二次曝光的圖片F(xiàn)ig.6 The second exposure picture

2.2 畸變矯正

在系統(tǒng)中，檢測(cè)視野較大，采用6 mm C接口鏡頭獲得的照片會(huì)產(chǎn)生桶形畸變[12（]圖7）。因此，在采集照片前需對(duì)照片進(jìn)行畸變矯正。標(biāo)定板采用6×9的棋盤格，通過對(duì)不同位置和角度進(jìn)行采樣，最終選取15張照片，計(jì)算相機(jī)內(nèi)參數(shù)矩陣和畸變系數(shù)，得到2個(gè)數(shù)據(jù)，在相機(jī)安裝位置不變的情況下，這2個(gè)參數(shù)可一直使用，將這2個(gè)參數(shù)帶入函數(shù)Imgproc.initUndistortRectifyMap()，通過函數(shù)計(jì)算出2個(gè)輸出映射關(guān)系，再將輸出映射關(guān)系帶入Imgproc.remap()，得出矯正后的圖像（圖8）。

圖7 未矯正圖像Fig.7 Uncorrected image

圖8 矯正后圖像Fig.8 Corrected image

2.3 中值濾波和二值化

中值濾波是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近真實(shí)值，消除孤立的噪聲點(diǎn)[13]。木板切割后，其表面粗糙度較大且會(huì)粘附一些木屑，存在斑點(diǎn)噪聲和椒鹽噪聲。中值濾波能去除這兩種噪聲，還能將邊緣特征保存下來，不會(huì)模糊圖像。

圖像二值化是圖像處理中重要的一部分，之前所作的預(yù)處理、濾波可獲得更好的二值化效果。二值化方法大多為基于閾值的方法，即尋找一個(gè)合適的閾值將原圖像的像素灰度分為大于閾值和小于閾值兩類，得到二值化結(jié)果[14]。對(duì)于一副灰度圖像，需設(shè)定一個(gè)閾值，當(dāng)其灰度值小于該閾值，將該點(diǎn)的像素值置0（背景），反之則置1（前景），對(duì)所有像素點(diǎn)進(jìn)行計(jì)算后，可得兩張圖片的二值化黑白圖（圖9～10）。這兩張圖片的前景和背景不同，因?yàn)榈谝淮闻恼者x用反閾值二值化，將亮的部分當(dāng)作背景，將小于閾值的部分作為前景，第二次拍照則相反。

圖9 第一次曝光圖片的二值化圖Fig.9 Binary image of the first exposure image

圖10 第二次曝光圖片的二值化圖Fig.10 Binary image of the second exposure picture

2.4 圖像邊緣輪廓處理

Sobel梯度邊緣檢測(cè)算子對(duì)灰度漸變低噪聲的圖像有較好的檢測(cè)效果。經(jīng)典的Sobel算子是利用像素卷積運(yùn)算的離散型差分算子，該算子包含兩個(gè)方向的3×3卷積模板[15]：

從水平與豎直兩個(gè)方向?qū)D像進(jìn)行卷積運(yùn)算，將兩個(gè)方向卷積最大值作為輸出的梯度幅值。木板拉條只需提取長(zhǎng)邊邊緣，即Y方向的邊緣，對(duì)圖像作Y方向的梯度計(jì)算Gy，可得到所需的梯度圖（A為原圖像，Gy為豎直檢測(cè)灰度）（圖11～12）。

圖11 對(duì)圖9求Y方向梯度Fig.11 Gradient in Y direction for Fig.9

通過運(yùn)算，兩邊的邊緣較好展現(xiàn)出來，采用算子Imgproc.find Contours將圖中所有的白色區(qū)域分開，以輪廓的方式進(jìn)行存儲(chǔ)。存儲(chǔ)后，對(duì)輪廓進(jìn)行篩選。根據(jù)圖9可知，會(huì)有一些干擾區(qū)域，經(jīng)觀察，木板的邊緣線輪廓均較長(zhǎng)，干擾的輪廓均較短，可根據(jù)輪廓長(zhǎng)度進(jìn)行篩選，將不符合長(zhǎng)度的輪廓去除。

如邊緣較規(guī)則，其邊緣可很好被識(shí)別；如邊緣變化較大，被識(shí)別出來的邊緣可能會(huì)斷成幾段（圖12）。選取最長(zhǎng)一段擬合直線，計(jì)算其他符合長(zhǎng)度的輪廓與該直線的距離，當(dāng)其距離在設(shè)定范圍內(nèi)，判定為邊緣的輪廓，將其聯(lián)合起來為下一步擬合直線作準(zhǔn)備。

圖12 對(duì)圖10求Y方向梯度Fig.12 Gradient in Y direction for Fig.10

2.5 數(shù)據(jù)處理

通過輪廓篩選，得到邊緣輪廓，將得到的輪廓擬合成直線（圖13中的兩邊長(zhǎng)紅線）。輪廓擬合采用最小二乘擬合算法，以距離平方和為擬合依據(jù)。因?yàn)槊繅K木板形狀及上料姿勢(shì)不同，需對(duì)木板的主切割方向進(jìn)行矯正計(jì)算，計(jì)算出木板最左端和最右端的X坐標(biāo)，代入兩條擬合直線計(jì)算出Y值，分別計(jì)算左端和右端Y值的中心，兩點(diǎn)連成的直線作為木板的主方向（圖13中心的綠線），該直線的斜率與切割方向的斜率相同，機(jī)器切割出來的木板才不會(huì)歪，若計(jì)算該木板主方向不正，則需要矯正（圖13中dx的距離）。

圖13 木板識(shí)別示意簡(jiǎn)圖Fig.13 Schematic diagram of wood board identification

得出切割的主方向后，需計(jì)算木板的可切割寬度，其計(jì)算方式為計(jì)算上邊輪廓上的點(diǎn)與木板主方向中心線的距離和下邊緣與木板主方向中心線的距離，將上下可切割距離相加得到木板的最大可切割距離（圖13中兩條長(zhǎng)綠線之間的距離）。

得出最大切割距離后，計(jì)算皮寬。該系統(tǒng)的皮寬是指矯正后下方綠色直線與1、2所在直線的距離，1和2是送料機(jī)構(gòu)的兩個(gè)支撐面，是該系統(tǒng)拉條方向的零點(diǎn)參考線。當(dāng)識(shí)別出的切割邊緣線為右側(cè)低于左側(cè)時(shí)，需要將右側(cè)向上推送dx距離，當(dāng)右側(cè)向上運(yùn)動(dòng)時(shí)，左側(cè)皮寬dx1的距離基本不會(huì)變化，因此不同皮寬的木板在推送至對(duì)應(yīng)位置時(shí)時(shí)，需減去dx1（圖13）。

3 系統(tǒng)測(cè)試結(jié)果

木板識(shí)別結(jié)果可在視覺屏幕上顯示，L為木板切割的主方向與水平方向左邊軸相比，需要向前調(diào)整的數(shù)值；R為右邊需要調(diào)整的數(shù)值；W為皮寬；RW為木板可切割寬度（mm）（圖14）。線ef為識(shí)別到木板切割主方向的中心線，線cd為木板右邊（面對(duì)裝置的右邊）可切割的最下邊緣線，線ab為木板左邊可切割的最上邊緣線。線ij為皮寬的計(jì)算起始點(diǎn)（皮寬是指左邊木板的切割邊緣與線ij的距離）；在與鋸片校對(duì)起始切割點(diǎn)的時(shí)候，用ij所對(duì)的位置與鋸片起始切割點(diǎn)校準(zhǔn)，機(jī)構(gòu)在移動(dòng)至對(duì)應(yīng)切割工位時(shí)會(huì)減去皮寬的距離，此時(shí)切割的木板起始點(diǎn)與木板識(shí)別的起始點(diǎn)一致。線kl和線mn分別為左邊和右邊底部橫移機(jī)構(gòu)的中心線。線gh為該顯示圖合成的分界線。

圖14 木板識(shí)別結(jié)果Fig.14 Wood board recognition results

將人工操作與基于機(jī)器視覺的拉條機(jī)進(jìn)行3組對(duì)比試驗(yàn)，每組試驗(yàn)均為5 h。人工操作裁切的木板數(shù)為2 735塊，正確拉條率為89.36%；基于機(jī)器視覺的拉條機(jī)裁切的木板數(shù)為3 378塊，正確拉條率為99.95%，其裁切速度與正確拉條率均已超過人工操作（表1）。正確拉條是指木板裁切后的兩個(gè)邊合起來的可裁切寬度小于1 cm的木板，正確拉條率是指正確拉條數(shù)與總木板拉條數(shù)之比?；跈C(jī)器視覺的拉條機(jī)正確拉條率高，滿足木板拉條行業(yè)的需求，提高木板利用率。

表1 人工操作與基于機(jī)器視覺的拉條機(jī)對(duì)比Tab.1 Comparison between manual operation and slitting machine based on machine vision

4 結(jié)論與討論

針對(duì)目前木板拉條的需求，設(shè)計(jì)一種基于機(jī)器視覺的木板拉條機(jī)，利用機(jī)器視覺技術(shù)識(shí)別木板輪廓，經(jīng)過數(shù)據(jù)處理得出木板可裁切的寬度、樹皮的寬度，再送至相應(yīng)的位置進(jìn)行拉條。該裝置的操作速度和正確拉條率均超過人工操作，識(shí)別正確率高、效率高，滿足木材行業(yè)對(duì)木板拉條機(jī)智能化的要求，節(jié)約了資源，實(shí)現(xiàn)拉條機(jī)的智能化。在實(shí)施過程中還存在以下兩個(gè)方面的問題，需要進(jìn)一步改進(jìn)。第一，優(yōu)化木板識(shí)別算法。本研究采用Sobel邊緣檢測(cè)算法對(duì)圖像作Y方向的梯度計(jì)算，該方法識(shí)別速度快，但會(huì)將木板中間條紋較深的紋路識(shí)別為邊緣，因此需要進(jìn)一步優(yōu)化算法解決誤判。第二，改進(jìn)上料模塊。上料時(shí)本設(shè)計(jì)采用疊放木板方式，節(jié)省了放料時(shí)間，但由于木板寬度不一致，進(jìn)料時(shí)容易傾斜，發(fā)生卡料的現(xiàn)象，需要改進(jìn)進(jìn)料方式，解決卡料的問題。