導語：產(chǎn)品自動分揀是高速自動化生產(chǎn)系統(tǒng)中常用的一個重要環(huán)節(jié)，可以大大提高分揀的效率，解決企業(yè)對生產(chǎn)高速高質量的需求。而傳統(tǒng)的自動化生產(chǎn)線中采用分揀的方法主要是使用大量的傳感器進行監(jiān)測，以達到分揀的目的，這種方法簡單、投資??；缺點則是檢測速度慢、靈活性差。隨著科技的進步和技術的革新，目前圖像處理技術逐漸趨于穩(wěn)定和成熟，采用機器視覺進行分揀可以達到速度快、可靠性高、無接觸式檢測等。本文基于機器視覺系統(tǒng)實現(xiàn)對產(chǎn)品的分揀。

產(chǎn)品分揀的處理過程

1.采集圖像。采集的方式有離線和在線兩種方式，離線即事先拍攝好儲存在文件夾中的圖像，而在線采集就是連接相機進行實時采集圖像。圖像的格式為BMP或JPG格式。采集我們需要的進行分揀的產(chǎn)品圖像，如圖1所示。

圖1

2.選擇PatMax圖案（1-10）工具。檢測部件-->產(chǎn)品識別工具-->PatMax圖案（1-10）工具；如圖2所示。

圖2

3.設置檢測區(qū)域。添加工具之后，根據(jù)檢測需要選擇區(qū)域的大小，如下圖3所示綠色框為檢測區(qū)域。

檢測區(qū)域設置原則：為了保證每個產(chǎn)品能夠被檢測到，盡可能的將區(qū)域范圍更大。增大檢測范圍將會增加檢測的執(zhí)行時間。所以為了保證檢測的效率，根據(jù)實際的檢測物創(chuàng)建合適的搜索區(qū)域。

圖3

4.訓練產(chǎn)品模板。選擇模型區(qū)域，逐一的訓練所有的產(chǎn)品模型，并且為它們命名以便區(qū)分。如圖4、圖5所示。

訓練規(guī)則：選擇每個產(chǎn)品獨有的圖案，模型區(qū)域盡可能的小，可以提高檢測的精度。

圖4

圖5

5.設置檢測參數(shù)。設置檢測模式、合格閾值、對比度閾值、角度公差、縮放公差等。

圖6

模式：識別和驗證模式。識別會自動識別已訓練的模型庫的產(chǎn)品圖案，并報告產(chǎn)品ID；驗證用于驗證圖案的正確性，指定已訓練的模型庫中的某一圖案與找到的圖案進行比較。

合格閾值：訓練的模型圖案與已找到的圖案之間的相似度。只有大于或等于設定的值才能視為OK。

對比度閾值：已找到圖案中存在的最小對比度。已找到的圖案對比度必須大于設定的值。

角度公差：模型圖案允許出現(xiàn)的最大角度范圍。

縮放公差：已找到圖案模型與訓練的圖案之間的縮放比例。

差異接受：已找到圖案模型與訓練的圖案之間允許的分數(shù)差。

查找模式：用于訓練和識別的搜索模式；PatMax 或 PatQuick；PatMax 比 PatQuick精確度高，執(zhí)行時間較長。

6.輸出結果。

此類方法可以用于產(chǎn)品的分類識別，可應用在工業(yè)的工件識別、包裝標簽的識別等。小編希望小伙伴們有所幫助。