劉文博

摘要：基于分揀線物品的視覺信息，以水果分揀為基礎(chǔ)，利用K最近鄰算法分類器對蘋果、橙子、檸檬三種水果進(jìn)行物品識別分類，設(shè)計了一個采用PLC自動化生產(chǎn)線的物件識別與分揀系統(tǒng)。該系統(tǒng)主要由可編程邏輯控制器、電動機、變頻器、視覺傳感器和氣缸組成，最終實現(xiàn)對分揀線物品的自動分揀。該系統(tǒng)能夠極大提高物品分揀效率，具有廣泛的應(yīng)用價值和實用領(lǐng)域。

關(guān)鍵詞：視覺信息；物品分類；自動分揀

一、前言

傳統(tǒng)的物品分揀流水線通常采用人工分揀的方式，但人為因素如情緒、疲勞和身體狀況等的影響導(dǎo)致分類效果差、分類效率低等問題。而且，隨著社會發(fā)展，用工成本不斷上升，給企業(yè)帶來不小的負(fù)擔(dān)[1-3]。隨著現(xiàn)代電子信息技術(shù)的發(fā)展，以工業(yè)自動化為代表的自動化分揀流水線應(yīng)運而生，該系統(tǒng)廣泛應(yīng)用于物流、快遞、零件制造和交通運輸?shù)刃袠I(yè)，成為當(dāng)代工業(yè)自動化中不可或缺的重要組成部分。物件分揀即是從混雜在一條流水線上的各種物件中識別并篩選出特定分類的物品，將不同物品進(jìn)行分離。分揀流水線自動系統(tǒng)能夠在眾多物件中識別并分揀出相應(yīng)類別的物品，提高生產(chǎn)效率，并降低人工成本。因此，采用目前廣泛使用的PLC控制技術(shù)設(shè)計控制、識別和分揀系統(tǒng)對此應(yīng)用具有高效的作用[4-5]。

二、系統(tǒng)總體功能設(shè)計

基于視覺信息的現(xiàn)代智能物料分揀系統(tǒng)主要由視覺、氣動和電氣三部分組成。 視覺部分主要由視覺傳感器模塊負(fù)責(zé)對待分揀物品進(jìn)行圖像信息采集，并對采集的圖像數(shù)據(jù)進(jìn)行處理以形成特征信息。氣動部分的主要作用是為氣動裝置提供動力來源，主要由氣體壓縮機、氣動減壓器、氣缸和氣壓指示等部件組成。電氣部分包括電源、變頻器、傳送帶、電機、電磁閥、磁性開關(guān)和繼電器模塊等組件，其全部工作過程由PLC總控，實現(xiàn)對物料分揀全過程的監(jiān)控[6]。整體功能原理框圖如圖1所示。

本系統(tǒng)采用三菱FX2N-48MR作為可編程邏輯控制器。通過PLC主控制器的模擬量輸入輸出模塊，對三菱FR-E740變頻器的頻率信號進(jìn)行采集和輸出，以實時監(jiān)測當(dāng)前流水線的運行速度。當(dāng)料倉光電傳感器檢測到有物料時，系統(tǒng)啟動視覺傳感器模塊對待分揀物料進(jìn)行圖像采集和特征提取。根據(jù)之前的訓(xùn)練結(jié)果，系統(tǒng)利用所采集的物料對象的相關(guān)特征進(jìn)行分類，并將分類結(jié)果傳輸給PLC輸入單元。一旦PLC輸入單元接收到視覺傳感器的分類信號，系統(tǒng)會啟動傳送帶運動到相應(yīng)的落料口，并最終通過控制氣動裝置對物料進(jìn)行分揀，將物料推入對應(yīng)的物料收集容器中，如圖2所示。

三、K最近鄰算法分類器

K最近鄰算法（KNN）是一種常用于數(shù)據(jù)挖掘分類的技術(shù)方法之一。其主要原理是根據(jù)數(shù)據(jù)特征將不同數(shù)據(jù)進(jìn)行坐標(biāo)表示，對于具有類似數(shù)據(jù)特征的樣本，其坐標(biāo)位置會大致相近，而當(dāng)已知某一待分類樣本的數(shù)據(jù)特征表征之后，將其用坐標(biāo)表示，它會在坐標(biāo)軸上更靠近它所屬樣本區(qū)域，從而確定其所屬樣本。對于K最近鄰，其中的K表示在空間坐標(biāo)中最靠近待分類物品的已知樣本標(biāo)簽的附近K個近鄰樣本，也就表明，對于同屬一個樣本集中的每個樣本都可以用它鄰域內(nèi)最接近它的K個鄰域樣本特征來表征。KNN算法的主要思想是首先根據(jù)待分類樣本的空間特征信息去選取與其最相鄰的K個已知類別標(biāo)簽樣本，如果最相鄰的K個已知其分類標(biāo)簽的樣本中主要都是某一類別樣本，則該待分類樣本也會屬于這個類別的概率更大，它的樣本特征也會更靠近其所屬的類別特征空間區(qū)域內(nèi)。KNN算法在確定分類決策上都是依據(jù)最鄰近的K個已知類別的樣本來分類待分樣本最大概率所屬的樣本類別。KNN算法在類別決策時，主要根據(jù)其所屬坐標(biāo)周圍有限的鄰近樣本，而不是靠判別類域的方法來確定所屬類別，因此，對于交叉或者存在重疊區(qū)域較多的類域待分樣本集而言，KNN算法較其他方法更能高效、準(zhǔn)確地進(jìn)行物品分類識別[7]，KNN 算法基本預(yù)測原理如圖3所示。

圖3中，A為待分類樣本，在其領(lǐng)域內(nèi)分布4個已知物品標(biāo)簽的樣本B、C、D、E，并且根據(jù)歐氏距離LAB

對于本系統(tǒng)待分類水果樣本，采用的水果數(shù)據(jù)集由愛丁堡大學(xué)教授Iain Murray 所創(chuàng)[8]。在他的樣本集中，存在很多種類的橙子、檸檬和蘋果圖像，并把它們的相關(guān)數(shù)據(jù)記錄在表格中，然后由密歇根大學(xué)的一些學(xué)者將這些水果進(jìn)行數(shù)據(jù)整理。在該數(shù)據(jù)集中，一共有59個水果和對應(yīng)的的7個特征。

采用上述提到的KNN算法，將水果數(shù)據(jù)集中的70%作為訓(xùn)練樣本，另外30%作為測試樣本，編寫了以下相關(guān)程序：

from sklearn.neighbors import KNeighborsClassifier

knn = KNeighborsClassifier（）

knn.fit（X_train， y_train）

print（'Accuracy of K-NN classifier on training set： {：.2f}'

.format（knn.score（X_train， y_train）））

print（'Accuracy of K-NN classifier on test set： {：.2f}'

.format（knn.score（X_test， y_test）））

最終經(jīng)過測試，K最近鄰算法分類器在本測試集中的準(zhǔn)確率為97%。當(dāng)然，如果需要，也可以自己制作相應(yīng)的樣本數(shù)據(jù)集，進(jìn)行更多特征的提取，以提高水果樣本分類精度。

四、硬件結(jié)構(gòu)

本系統(tǒng)從硬件連線上輸入主要涵蓋啟動停止相關(guān)按鈕、三個氣缸伸出縮回限位傳感器、落料口檢測光電傳感器及啟動三個推料傳感器接口，輸出主要包括驅(qū)動推料三個氣缸伸出接口以及控制變頻器停止、正轉(zhuǎn)、反轉(zhuǎn)和高中低速運轉(zhuǎn)的相關(guān)接口。基于三菱FX2N-48MR對其I/O口的地址分配見表1。

結(jié)合以上I/O口地址，最終線路的整體硬件連接如圖4所示。

總體硬件連接包括按鈕與PLC的連接，傳感器與PLC的連接、電磁閥與PLC的連接以及變頻器與PLC的連接四部分。

五、軟件設(shè)計

采用視覺信息的物料分揀系統(tǒng)主要工作流程如圖5所示，當(dāng)按下開始按鈕后分揀系統(tǒng)開始工作。首先由料倉口的光纖傳感器判斷料倉此時是否有待分揀物料，當(dāng)檢測到料倉有物料后，料倉氣缸會將待測物料推送至傳送帶上并啟動安裝在傳送帶出料口正上方的視覺傳感器對物料進(jìn)行圖像采集并進(jìn)行提取其相關(guān)圖像特征，然后將所采集的待分揀物品根據(jù)其對應(yīng)特征利用KNN算法進(jìn)行分類，分類完成后再將分類信號通過對應(yīng)接口傳輸給PLC，PLC啟動分揀系統(tǒng)，通過傳送帶電機及變頻器將分好類的物料通過傳送帶和氣動裝置最終推入相應(yīng)的物品容器中，相關(guān)流程所使用的PLC程序如圖6所示。

六、結(jié)語

本文研究了一種基于PLC控制平臺和視覺傳感器的水果分類系統(tǒng)。該系統(tǒng)利用視覺傳感器對水果進(jìn)行分類測試，并通過受變頻器控制的傳送帶將其送至對應(yīng)分類倉，最后利用氣缸將其推入容器。通過軟件編程，系統(tǒng)可以根據(jù)需求調(diào)整不同的物品，減少了人工分揀誤差，提高了運行效率和安全性。整個系統(tǒng)具有設(shè)備操作靈活、集成度高、抗干擾能力強等特點，通過PLC加變頻器的控制結(jié)合，大大簡化了系統(tǒng)的硬件接線。同時，由于PLC系統(tǒng)的可擴(kuò)展特點，分揀系統(tǒng)也具有便捷改造不同應(yīng)用的優(yōu)勢，可以降低設(shè)備的不兼容性，使該分揀線控制系統(tǒng)具有較強的適應(yīng)性和功能的可擴(kuò)展性。

參考文獻(xiàn)

[1]袁苑，謝凱.基于機器視覺的智能物料分揀系統(tǒng)設(shè)計[J].工業(yè)控制計算機，2022，35（07）：44-45+48.

[2]凌雙明.智能視覺檢測系統(tǒng)在物料分揀中的應(yīng)用研究[J].山西電子技術(shù)，2022（03）：77-80.

[3]王祥傲，郭建勇，蘇鵬，等.基于物聯(lián)網(wǎng)和PLC的物料分揀碼垛監(jiān)控系統(tǒng)設(shè)計[J].衡水學(xué)院學(xué)報，2022，24（04）：11-16+28.

[4]廖耿斌.基于PLC的物料分揀遠(yuǎn)程監(jiān)制系統(tǒng)[J].電子制作，2022，30（19）：42-44+18.

[5]孟亞男，張振懷，孟凡超.基于PLC的給料分揀自控系統(tǒng)[J].化工自動化及儀表，2022，49（03）：351-353+361.

[6]趙悅，莫莉，張陽.基于西門子PLC和WINCC組態(tài)的物料分揀控制系統(tǒng)的設(shè)計與仿真[J].成都大學(xué)學(xué)報（自然科學(xué)版），2021，40（04）：384-389.

[7]孫泰屹，勾進(jìn)，何雅琴.基于改進(jìn)KNN模型的城市道路事故持續(xù)時間預(yù)測[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2023，47（06）：1030-1034.

[8]Iain Murray. Fruit_Data with Colors[DB/OL].Edinburgh. [2023-08-24].https：//github.com/susanli2016/Machine-Learning-with-Python/blob/master/fruit_data_with_colors.txt

作者單位：福建水利電力職業(yè)技術(shù)學(xué)院

■ 責(zé)任編輯：王穎振、楊惠娟