基于机器视觉的物料分拣系统.pdf

基于机器视觉的物料分拣系统

摘要

设计了一款基于OpenMv摄像头模块，由STM32F103C8T6单片机主控，
MSP1443显示屏进行人机交互，结合多个麦克纳姆轮共同构成的基于机器视觉的
智能物料分拣系统的设计。其中，OpenMv通过图像采集，SMT32F103C8T6读取到
OpenMv传回的数据数组进行判断使MSP1443显示屏显示相应的页面，并驱动麦克
纳姆轮进行不同的运动，实现对不同颜色、不同形状的物品，通过变向盘进行分

离

关键词:OpenMv摄像头模块；STM32F103C8T6单片机；麦克纳姆轮；机器视觉；物料分
拣

1、系统总体设计

1.1系统整体构成

基于OpenMv的物料分拣系统，系统总体设计主要分为四个部分：主控装置（STM32

芯片）、动力装置（通用型动力锂电池）、识别装置（OpenMv摄像头模块）、分离装置（麦
克纳姆轮），如下图1.1所示：

对该系统采用通用型的锂电池作为动力装置进行驱动，主要目的是能够适应
绝大多数复杂环境情况，能够在指定地点指定时间进行物料的精确分拣，能够在
市面上采购到相同通用型锂电池作为替换，没有对锂电池作出定制而难以采购;

分离运输平台采用McNum（麦克纳姆）轮技术的所有运动设备，可以实现物体向
前行走、横移、倾斜、旋转及其组合等的多种运动方式。在系统设计中，还通过

摄像头获取外部图像，实现对材料的形状、大小和颜色的智能判断。

1.2识别部分流程设计

OpenMv端可进行单色识别，也可进行多色识别；颜色识别的关键在于阈值的
选取，根据阈值即可来确定识别的颜色。以红色、绿色、蓝色为例，定义红色的
阈值为(10,100,127,32,-43,67)，绿色的阈值为(35,90,-115,-19,-29,

83)，蓝色的阈值为(20,100,-18,18,-80,-30)，可以对它的code值进行输
出，当摄像头识别到物体的颜色时，可自动对焦并输出它的code值，然后与它
们的进制数进行比对，即可确定摄像头识别到的颜色。如果识别的阈值不在这是

三个阈值范围内就会对物件进行二维码识别。

其中物件阈值判断分为三个范围定义的红色的阈值为(10,100,127,32,-
43,67)，绿色的阈值为(35,90,-115,-19,-29,83)，蓝色的阈值为(20,

100,-18,18,-80,-30)；

物件的形状判断通过density函数返回色块面积/外接矩形面积的这个值进
行判断物件的形状。如果blob.density()的占空比大于0.805为矩形，
blob.density()的占空比大于0.65为圆形，blob.density()的占空比大于0.40

为三角形；实现对物件的形状进行判断。

最终实现安全可靠，分区域的高性能地智能分拣；在识别装置OpenMv通过
图像采集后，通过主控装置SMT32F103C8T6读取到识别装置OpenMv中，传回的

数据数组进行判断后在MSP1443显示屏显示相应的页面。

1.3系统关键技术

基于识别装置OpenMv摄像头模块，由主控装置STM32F103C8T6单片机主控，
通过MSP1443显示屏进行人机交互，结合分离装置多个麦克纳姆轮共同构成的基
于机器视觉的智能物料分拣系统的设计。其中，OpenMv通过图像采集，
SMT32F103C8T6读取到OpenMv传回的数据数组后进行判断使MSP1443显示屏显示
相应的页面，同时驱动麦克纳姆轮进行不同的运动方式，实现对不同颜色、不同

形状、不同大小的物品，通过变向盘进行智能分离。

1.4颜色阈值设置

在实际的光学系统中，由于光学元件的物理限制，会存在场曲和畸变等问题，
这些问题会对图像成像和处理产生不利影响。为了解决这些问题，在标定过程中
引入了畸变参数，通过不断尝试和实验，最终确定了畸变参数为1.8。这个过程
需要结合实际情况进行，需要充分考虑光学元件的特性、成像效果等因素，才能
得到准确的畸变参数。通过这样的标定过程，可以有效地提高系统的稳定性和可
靠性，使得系统能够更好地适应各种不同的环境和应用场景，为人们的生产和生

活带来更多的便利和效益。

HSB/HSV和HSL色彩模型是基于色相、饱和度和亮度等基本属性来描述颜色
的。其中，HSB/HSV色彩模型与RGB色彩模型相似，但更侧重于颜色的感性表达
和感知，能够更好地支持颜色的调整和平衡。而HSL色彩模型则更注重颜色的明
度和饱和度，类似于LAB色彩模型中的L和A通道，也适合于一些特定的颜色应

用场景。

综上所述，不同的颜色描述方式都有其独特的优缺点和适用范围，使用不同

的颜色描述方式可以更好地满足不同颜色应用场景的需求。

CMYK和RGB的区别：

（1）CMYK