类脑视觉-智能分拣多站式一体化系统

摘要：随着科技的进步，越来越高的产品工艺和质量要求使得人工检测不能满足大规模生产制造的需要，对机器视觉检测系统的需求越来越大。本文运用六轴机械臂机械臂、温度控制器、摄像头等构建了以PLC控制系统为核心的硬件平台，利用YOLOv5检测算法识别传送带上的目标物体，该系统能够有效地满足工业生产中对于物品自动分拣的精确要求，显示出其在工业自动化领域的广泛应用潜力。

关键词：PLC控制系统；温度控制器；机械视觉；智能分拣；自动化技术

1类脑视觉-智能分拣多站式一体化系统结构设计

图一展示了系统模型。所设计的分拣装置包含供料、温控、分拣三个单元，均采用PLC控制。供料单元通过摄像头监控物料输送，自动调整供料速度；温控单元用传感器检测温度，PLC精准调节加热与冷却设备，确保恒温；分拣单元通过工业相机为核心视觉单元识别物料特征，PLC控制机械臂完成分拣。摄像头实时采集数据，辅助PLC决策，形成一套智能分拣多站式一体化系统。

2类脑视觉-智能分拣多站式一体化控制系统

2.1硬件设计

类脑视觉-智能分拣多展示一体化系统由PLC（可编程逻辑控制器）控制系统的通讯与处理，采用SoildWorks建立六自由度UR5机器人模型负责物件的夹取与放置，温度单元的执行机构通过PLC控制信号驱动，结合传感器反馈与算法调节，实现精准温控与能效优化，所采用的视觉相机为海康威视千兆网口工业面阵相机，并采用海康威视相机配套的图像处理软件VisionMaster进行模板创建和识别。

2.2软件流程

类脑视觉-智能分拣多展示一体化系统主程序流程如图二所示。

3摄像头定位物件算法

在执行控制层中，视觉伺服控制器接收来自智能决策层的目标检测结果，并结合实时视觉反馈实现机械臂的精确控制。目标检测算法输出的目标边界框坐标和类别信息，为视觉伺服控制提供了初始位置估计和抓取策略选择的依据。整个抓取过程分为粗定位和精确跟踪两个阶段，粗定位阶段利用目标检测结果进行机械臂运动规划，精确跟踪阶段则采用视觉伺服控制实现精确对位和抓取[5]。在粗定位阶段，首先需要将检测得到的图像平面坐标转换为机械臂基座标系下的三维空间坐标。这一转换通过机器人-相机系统标定参数实现，即：

式中：（X，Y，Z）表示目标在机械臂基座标系中的空间坐标；Trc表示机器人-相机系统的齐次变换矩阵；K表示相机内参矩阵；（u，v）表示目标在图像平面的像素坐标（由目标检测算法提供）；d表示通过双目视觉测得的深度值。在精确跟踪阶段，设计了基于图像特征的自适应视觉伺服控制律，即：

式中：vc表示相机坐标系下的速度螺旋（包含线速度和角速度）；λ（t）表示自适应增益系数；Ls+表示图像特征雅可比矩阵的伪逆；s（t）和s*分别表示当前和期望的图像特征向量。自适应增益系数根据特征误差动态调整，相应的数学表达式为：

式中：λ0表示基础增益值；α表示调节系数，用于平衡收敛速度和稳定性。

4类脑视觉-智能分拣多站式一体化系统实验过程及分析

对该分拣装置进行抓取实验进行验证，该系统关键的性能指标主要集中于两个核心功能：一是对不同类别的目标零件进行高效且精确的识别，确保系统能够区分并正确分类各种目标零件。二是要准确确定目标零件的准确位置信息。在实验过程中，如果智能分拣系统能够顺利对指定目标进行抓取，即表明系统可以成功定位目标物体。如果智能分拣系统可以准确将目标物体分拣到指定位置，即表明系统可以识别目标物体的类别信息。

5结语

本文针对智能物流分拣需求，设计了一种基于机器视觉的机械臂智能分拣分层系统，重点突破了轻量级目标检测和视觉反馈控制两项关键技术。未来的工作将进一步研究复杂场景下的鲁棒目标检测方法和面向多机械臂协同的分布式控制架构，进一步提升系统在实际环境中的自适应性和可靠性。

参考文献：

[1]王校峰，王建文，曹鹏勇，等.机器视觉主导的机械臂动态抓取策略研究山.机床与液压，2022，50（17）：38-42.

[2]谭斌，王婷.YOLOv5与视差计算算法的目标检测与测距系统设计[J].科学技术与工程，2024，24（21）：9015-9024.

[3]郑德理.物流分拣系统中的优化和容错技术[J].科技创新导报，2015（28）：74-75.

[4]韩峰涛.工业机器人技术研究与发展综述[J].机器人技术与应用，2021（5）：23-26.

[5]张冬梅，武杰，李丕丁.基于机器视觉的运动目标检测算法综述[J].智能计算机与应用，2020，10（03）：192-195.

[6]张大为，沈勇.基于机器视觉的机器人自动上料系统设计[J].单片机与嵌入式系统应用，2021，21（03）：55-58.

基金项目：2025年天津市大学生创新训练项目（项目编号：202510066070）