基于工业机器人与机器视觉的芯片分拣系统设计分析.pdf

中国科技期刊数据库 工业 A 193 基于工业机器人与机器视觉的芯片分拣系统设计分析 康 燕 珠海格力电器股份有限公司，广东 珠海 519000 摘要：摘要：随着现阶段我国科技的发展，工业机器人的性能持续提升，功能逐步完善，广泛应用于工业生产之中。芯片分拣系统在工业机器人与机器视觉技术的基础之上，能够满足定制化、可复制的生产需求，降低工作人员负担的同时切实提升整体的工作效率。本文首先对工业机器人、机器视觉与分拣系统这三个相关概念进行阐述，然后总结基于工业机器人与机器视觉的芯片分拣系统工作原理，最后结合分拣系统的实际性能与功能需求，提出芯片分拣系统设计要点。关键词：关键词：工业机器人；机器视觉；芯片分拣系统 中图分类号：中图分类号：TP242 0 引言 工业自动化设备的发展完善与推广应用使得机器取代人工成为工业发展的一大趋势，工业机器人作为以可编辑程序为操作逻辑的自动化设备得到了越来越多领域与行业的关注。但由于工业机器人在感知方面存在一定局限性，且编程技能的门槛较高，其在电子这一劳动密集性行业的应用受到了限制，难以发挥自身减轻人员工作负担，提升工作效率的作用。为突破当下工业机器人在电子产业中受到的限制，应当将其与机器视觉技术相结合，共同构建先进的芯片分拣系统，为工业机器人的进一步发展与深度应用提供助力，因此相关人员需要对基于工业机器人与机器视觉的芯片分拣系统设计进行分析。1 相关概念阐述 1.1 工业机器人 工业机器人指的是广泛应用于工业领域的多关节机械手或高自由度机械装置的总称，具备一定的自动性，主要依靠动力能源与控制能力实现工业加工制造的功能1。工业机器人在长期发展的过程中功能持续完善，性能持续提升，被深入应用到电子、物流、化工等分支领域，展现出了泛用性强、智能化水平高、生产效率高等优势。1.2 机器视觉 机器视觉指的是利用视觉识别与视觉算法等方式实现机器的可视化管理与控制，在机器视觉技术实际应用的过程中，一般采用多传感器综合运用的方式实现高精度的实时跟踪，为后续的视觉传输与数据管理提供助力。如果想要对机器视觉技术作出进一步的优化，则需要加强对数学算法的应用，强化机器视觉技术的识别功能，并通过对数据信息的传输与处理满足生产线生产作业的实际需求。机器视觉技术的核心功能为图像分类与视觉检测，在实际应用的过程中能够帮助工业机器人实现对外界环境与操作对象的理解与识别，优化数字图像的输入过程。而随着信息技术在工业、医疗等领域的广泛应用，机器视觉技术也进一步发展出了图像智能识别与自动化反馈控制的功能，推动目标自动化识别与分类效率与精度的提升。1.3 分拣系统 分拣系统的主要功能是执行分拣任务，识别负载不同信息的物体，并在一定的逻辑下对物体进行分配与组合。分拣系统以控制系统为主体，分拣对象与分拣功能的不同也会导致设施方面的差异，而技术人员还可以将实时通讯中收集的数据与现有数据库进行对比，以此调整分拣系统的流程与工作状态。在分拣系统运行的过程中还会以分拣需求为分类依据，完成对分拣物体信息的录入，在此基础上实现对抓取位置的合理设计与综合控制。2 基于工业机器人与机器视觉的芯片分拣系统工作原理 基于工业机器人与机器视觉的芯片分拣系统由芯片原料盘、芯片装配单元、控制系统、机器视觉检测系统、工业机器人等部分组成2。工业机器人的尺寸与性能等参数主要依照芯片分拣系统的实际需求确定，在中国科技期刊数据库 工业 A 194 其工作的过程中主要通过控制器与机器视觉之间的通信完成对芯片的检测以及工业机器人安装操作的自动化控制。基于工业机器人与机器视觉的芯片分拣系统的工作原理为：需要先将芯片放置在原料盘中的凹槽，由工业机器人抓取芯片，并利用机器视觉对芯片进行检测，并将检测结果传回工业机器人，在预设程序的指导下将符合要求的芯片安装到指定位置。3 基于工业机器人与机器视觉的芯片分拣系统设计要点 3.1 总体结构设计 基于工业机器人与机器视觉的芯片分拣系统主要可以由硬件配置与软件设计两部分组成，硬件中主要包括工业机器人、工业相机与终端设备。其中工业相机是负责图像采集工作的主要设备，而终端设备则需要围绕工业相机收集的图像解析出相应芯片的空间坐标，并由工业机器人在视觉数据的引导下完成对芯片的抓取与转移。终端设备对芯片空间坐标的解析离不开软件的支持，具体包含以下四个方面，而这也正是优化分拣系统软件设计所需要考虑的要点。第一是芯片位置的获取，工业照相机在采集芯片的图像信息后，软件就需要发挥自身在图像处理方面的功能，以此得到精确的图像横纵坐标与旋转角度等参数，因此在芯片分拣系统设计的过程中需要积极引入先进的图像处理软件，从根本上降低误差出现的概率。第二是实际坐标的收集，要求相关操作人员发挥自身在系统运行过程中的辅助、引导与维护作用，采用手动示教的方式录入芯片的空间坐标等参数，并以此与软件运算得出的坐标相匹配。第三是信息标定，经过上述两个步骤中计算得出的图像坐标信息与实际坐标信息，即可进一步整合分析出用于二维向三维转化的像素校订矩阵。第四是数据的处理与传输，根据上一步骤得出的校订矩阵即可完成对新采集图像实际坐标的实时计算，需要注意的是，在设计芯片分拣系统时应当将图像信息与实际坐标信息整合形成对照数据库，并且在此基础上调整校订矩阵，确保工业机器人能够按需求精确地完成分拣工作。3.2 分拣系统硬件的选择 对芯片分拣系统而言，硬件设备的性能与契合度直接决定了工业机器人与机器视觉技术的优势能否得到有效发挥，因此在芯片分拣系统的设计过程中还需要重视对系统硬件设备的选择。首先是工业相机的选择，正如上文对芯片分拣系统工作原理的分析，图像采集工作是后续一切工作的基础，也是机器视觉技术的基石，而图像采集工作的必须设备就是工业相机。在机器视觉系统中，工业相机是将光信号转化为电信号的核心组件，并且直接决定了采集图像的质量与机器视觉系统的整体稳定性。由于工业相机面临着更高的性能要求与相对恶劣的工作环境，因此需要在图像拍摄与传输、运行稳定性以及抗干扰能力方面具备突出表现。其次是光源的选择，由于芯片分拣系统的工作环境会受到时间、地点等外界因素的限制，光照条件的稳定性也相对较差，因此为保证芯片分拣系统采集图像的清晰度，为后续空间坐标的分析打好基础，必须选择稳定、适宜的光源。芯片分拣系统中光源的主要功能在于将稳定的光线照射以合适的角度到被检测的芯片上，提升系统采集图像信息的整体分辨率，避免出现过度曝光等问题，降低后续图像处理工作的投入。以电子企业 A 中芯片分拣系统的光源选择为例，为了在降低阴影对图像清晰度干扰的同时避免出现过度曝光的问题，其选择将亮度可控的 led 灯以圆周的方式排列，以此为待检测芯片提供平衡、稳定且能够灵活调控的光源，在保证照明面积的同时更好地反射芯片表面的情况。最后是工业机器人的选择，工业机器人的性能直接决定芯片分拣系统的操作准确性、运行稳定性与系统整体运行效率的上限。工业机器人按用途被划分成多个不同种类，因此设计人员在选择芯片分拣系统中的工业机器人时，不仅要考虑到其功能，更要考虑其性能的侧重点。由于芯片的体积小，芯片分拣系统必须具备较高的精确度与稳定性。3.3 信息标定算法的构建 芯片分拣系统中的工业相机只具备单纯的图像采集功能，无法感知芯片的实际位置，因此需要通过比对算法构建校订矩阵，这一过程也就是图像的信息标定解析构成。为了发挥工业机器人与机器视觉在芯片分拣系统中的独特作用，相关人员还需要关注信息标定算法的优化。工业相机在采集图像时受到外界因素与系统运行状态的影响，难免出现图像畸形的问题，而为了降低这一问题的出现概率，十字形与圆形被广泛应用在图像中国科技期刊数据库 工业 A 195 特征的提取之中3。与常规分拣工作不同的是，芯片由于自身的高度集成的特性，其图像信息中存在大量的十字电路与圆形焊点，因此常用的特征提取方法反而容易导致芯片图像特征的混淆，对数据的采集与分析工作造成负面影响。为了解决这一问题，在构建信息标定算法时就应当采用独特的特征模板作为图像识别的信息源。以 C 企业芯片分拣系统信息标定算法的构建为例，设计人员考虑到光线的亮度与角度会对图片信息的获取与分析造成干扰，在图片的特征信息采集工作环节后加入了对图片亮度以及对比度的预调节，以此实现对图像的亮度补偿。在完成对图像的预处理后，就可以利用算法匹配图像与特征模板相似度较高的部位，并计算出特征信息中心点在整个图片中的坐标位置。3.4 系统功能的实现 基于工业机器人与机器视觉的芯片分拣系统的设计应当围绕系统功能的实现开展，如此一来才能以功能为桥梁与纽带，发挥工业机器人与机器视觉技术的独特价值。首先，为实现最基本，也是最核心的分拣功能，芯片分拣系统应当在工业机器人与终端设备之间构建信息传递的公共通道，并且预设程序来控制工业机器人的行进路线与分拣操作。芯片分拣系统对工业机器人的控制过程主要分为三步，第一是由工业机器人抓取待检测的芯片，并将其放置到特定的槽位之中；第二是记录每一芯片空间坐标相对于全局的变化量；第三是利用软件编程语言编写工业机器人的控制程序，为后续的分拣操作提供指导。其次，为实现对工业机器人状态的实时监控，芯片分拣系统的控制模块中运用了数量较多的传感器，在系统运行的过程中，只要读取传感器中获取的信息，就可以判断工业机器人的实际运行状态。以M企业为例，其在芯片分拣系统中运用了接近传感器，当接近传感器处在触发状态时，其电平会明显降低，此时只需要读取相应引脚的电平数据，就可以形成工业机器人的现实运行路径。3.5 系统运行测试与调试 为保证芯片分拣系统能够在长期运行中保证自身的稳定性与运行效率，在设计的过程中不仅要保证软件程序与硬件设备的适应性与算法功能的全面性，还需要在开始施工之前对芯片分拣系统进行运行测试与调试。首先需要对芯片分拣系统的控制模块进行测试，验证其运行逻辑与工作效率是否能够满足系统的整体需求。设计人员可以在虚拟环境中构建芯片分拣系统，设定适宜的传送带长度与运行时间，并模拟随机位置、不同角度的芯片，验证识别与分拣操作的效率与精确度。其次，在芯片分拣系统设计通过虚拟环境中的拟真验证之后，还需要进行综合运行试验，以此确认芯片分拣系统运行的可行性与稳定性。在进行量化分析的过程中，设计人员还需要采用阈值化的处理方法，以此验证系统在极端环境、特殊条件下的稳定性，并从设计的现实功能实现等角度进行综合分析。具体试验步骤如下。第一，相关技术人员要对工业相机采集的图像进行二值化处理4；第二，技术人员要对提取经过处理后的图像的信息，并形成特征标签，根据计算结果构建特征矩阵；第三，要对上一试验步骤中发现的突出噪声点进行分析，去除其中的极端阈值，并对噪声的后续处理进行优化；第四，围绕芯片形成的识别特征矩阵还需要与模板特征矩阵进行对比分析，若二者之间的差异小于置信判断值，则需要对芯片的空间坐标进行位姿补偿，并将结果反馈到系统控制模块中。4 结论 综上所述，工业机器人指的是广泛应用于工业领域的多关节机械手或高自由度机械装置的总称，具备一定的自动性，主要依靠动力能源与控制能力实现工业加工制造的功能。机器视觉指的是利用视觉识别与视觉算法等方式实现机器的可视化管理与控制。分拣系统的主要功能是执行分拣任务，识别负载不同信息的物体，并在一定的逻辑下对物体进行分配与组合。基于工业机器人与机器视觉的芯片分拣系统的工作原理是由工业机器人抓取芯片，并利用机器视觉对芯片进行检测，并将检测结果传回工业机器人，在预设程序的指导下将符合要求的芯片安装到指定位置。想要充分在芯片分拣系统设计中发挥工业机器人与机器视觉的优势作用，就应当关注总体结构设计，分拣系统硬件的选择，信息标定算法的构建，系统功能的实现，系统运行测试与调试等要点。中国科技期刊数据库 工业 A 196 参考文献 1高健,刘青川,范蕊,等.基于机器视觉的工业机器人 智 能 分 拣 系 统 设 计 研 究 J.南 方 农机,2021,52(3):18-19.2储琴.基于机器视觉的工业机器人分拣控制系统探究J.电子制作,2021(4):41-43.3洪靖茹.基于工业机器人与机器视觉的芯片分拣系统设计J.电脑知识与技术,2022,18(2):91-93.4邹旻.基于机器视觉的工业机器人分拣系统设计与实现D.广州:广东工业大学,2021.