基于机器视觉的物流分拣系统研究与应用

作     者：马祥祥 

作者单位：江南大学 

学位级别：硕士

导师姓名：王琨;马歆

授予年度：2023年

学科分类：02[经济学] 0202[经济学-应用经济学] 020205[经济学-产业经济学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：机器视觉 图像处理 物流分拣系统 目标检测 匹配定位 

摘      要：随着电商、快递行业的突飞猛进,针对物流快递的分拣工作愈发繁重,传统人工分拣存在枯燥繁琐、效率低、人工成本逐年增长等问题,智能化物流作为未来物流的发展方向,将机器视觉引入分拣机器人,使分拣机器人拥有视觉感知的能力,视觉系统通过获得图像信息,实时、精确地分析出物流快递的种类和位置信息,从而灵活地使分拣机器人对物流快递进行分类和放置,极大地提高物流分拣的效率。本文设计了一个基于机器视觉的物流分拣系统平台,并对其关键技术进行研究。主要研究内容如下:(1)根据眼在手外的方案搭建了基于机器视觉的物流分拣系统平台,利用Open CV程序对RGB相机进行标定,获得相机的内外参数和畸变系数,标定后相机平均误差为0.041160。同时采用基于SVD的手眼标定方法求解相机坐标系与机器人坐标系的关系矩阵,实验结果为手眼标定的结果在x、y、z三个坐标轴上的误差都在2 mm之内。(2)针对物流分拣场景下,物流快递视觉识别检测准确率低、检测速度慢等问题,本文采用基于深度学习的目标检测识别算法对物流快递进行类别检测和粗定位,为了提高目标检测识别算法的性能,对SSD目标检测算法进行改进。本文通过将主干网络VGG16修改为Mobile Net V2、采用特征融合模块、引入注意力机制等方法,设计了基于Mobile Net V2的改进SSD目标检测算法。在PASCALVOC数据集上进行训练和验证,平均准确率为82.31%,检测帧率为40.95 frame/s;在自建的物流快递数据集上进行训练与验证,得到的平均准确率达到了97.34%,检测帧率为42.84 frame/s。实验结果表明,本文改进的SSD目标检测算法具有较高的检测准确率和检测速度,能够满足物流分拣场景对准确率和实时性的要求。(3)针对传统视觉算法对物流快递的识别检测准确率低、定位精度不高等问题,本文先使用目标检测算法对物流快递进行识别和粗定位,再使用匹配定位算法获得物流快递的精确定位信息。本文对基于边缘轮廓特征的图像定位、基于多角度的模板匹配定位和基于SIFT与FLANN的匹配定位三种精确定位方法进行研究,实验结表明,基于SIFT与FLANN的匹配定位方法精确定位方法综合检测效果最好,定位误差在3个像素以内,旋转角度误差在0.1°以内,能够满足物流分拣场景下对物流快递的定位精度要求。(4)针对实际物流分拣场景,本文设计了基于机器视觉的物流分拣系统的分拣流程,进行了物流分拣系统的相机、机器人和上位机的通信建立,设计了物流分拣的分拣策略和机器人运动的轨迹规划,使用py QT、Open CV和Pytorch等框架设计了基于机器视觉的物流分拣系统验证软件。根据所搭建的基于机器视觉的物流分拣系统实验平台,进行了物流分拣实验,实验结果为:平均单个快递的分拣时间为14.38 s,平均分拣成功率为98%。实验结果表明,本文设计的基于机器视觉的物流分拣对物流快递的识别准确度较高、分拣速度较快、分拣成功率较高,验证了本文设计的物流分拣系统的可行性和有效性。