一種多線接力包裹分揀物聯網視覺檢測方法及系統裝置的制造方法
【技術領域】
[0001] 本發明屬于圖像檢測領域，特別涉及一種多線接力包裹分揀物聯網視覺檢測方法 及系統裝置。
【背景技術】
[0002] 物流業是我國經濟發展的不可缺少的重要組成部分，近年來隨著物流業被列入我 國十大行業振興計劃，我國物流業實現了持續高速發展。隨著物流業的發展，物流自動化技 術變得非常關鍵。包裹分揀系統是物流系統的重要組成部分，在包裹分揀系統中包裹被放 置在流水線上進行傳輸，包裹需要被編碼錄入物流信息系統，包裹在流水線上的位置需要 被監控以保證包裹在要求的位置被分揀出，物流流水線長度長，在運行時流水線上的包裹 多，通過人為觀察、編碼不僅容易產生錯誤，亦會增加企業的運營成本。在現代物流系統中 機器視覺技術被引入到包裹流水線檢測中，通過在流水線中設置成像通道，使用相機拍攝 圖像分析包裹信息，并且對包裹進行編號。該方法能夠實現對于包裹信息的檢測，但無法實 時檢測包裹在流水線上的位置變化，流水線上需要設置的成像通道數量多，無法實現一個 成像通道對多流水線的同時檢測，且系統復雜，生產成本高。
【發明內容】
[0003] 為了克服上述現有技術的缺點，本發明的目的在于提供一種多線接力包裹分揀物 聯網視覺檢測方法及系統裝置，可實現對包裹分揀系統的多條流水線上包裹的識別、編碼、 跟蹤定位。
[0004] 為了實現上述目的，本發明采用的技術方案是：
[0005] 一種多線接力包裹分揀物聯網視覺檢測系統裝置，各分揀流水線平行設置，包 括：
[0006] 等間距排成單列的若干物聯網視覺感知裝置，其列與分揀流水線平行且位于各分 揀流水線的中心線上方，每個物聯網視覺感知裝置的圖像采集端均朝向分揀流水線的包裹 送出方向，沿分揀流水線的長度方向將分揀流水線劃分為多個監控段，每個物聯網視覺感 知裝置采集一個監控段中包含的多條分揀流水線的一段；
[0007] 與所述物聯網視覺感知裝置連接的監控計算機，將各個物聯網視覺感知裝置采集 的圖像中的分揀流水線的一段根據距離相應物聯網視覺感知裝置由近及遠分割為包裹檢 測區、包裹跟蹤區和終點區，識別并定位各監控段的包裹，然后將各物聯網視覺感知裝置獲 取的圖像信息進行接力跟蹤，從而得到每條流水線上的包裹信息及定位坐標。
[0008] 所述物聯網視覺感知裝置可以為相機。
[0009] 本發明還提供了一種多線接力包裹分揀物聯網視覺檢測方法，各分揀流水線平行 設置，包括如下步驟：
[0010] 在分揀流水線上方設置等間距排成單列的若干物聯網視覺感知裝置，其列與分揀 流水線平行且位于各分揀流水線的中心線上方，每個物聯網視覺感知裝置的圖像采集端均 朝向分揀流水線的包裹送出方向，沿分揀流水線的長度方向將分揀流水線劃分為多個監控 段，每個物聯網視覺感知裝置采集一個監控段中包含的多條分揀流水線的一段；
[0011] 將各個物聯網視覺感知裝置采集的圖像中的分揀流水線的一段根據距離相應物 聯網視覺感知裝置由近及遠分割為包裹檢測區、包裹跟蹤區和終點區；
[0012] 通過各監控段的包裹識別、編碼、跟蹤、定位、跟蹤丟失處理以及物聯網視覺感知 裝置間的接力跟蹤算法得到多條流水線上所有包裹的形狀信息、編碼、定位坐標，并通過以 太網將包裹數據發送往客戶端計算機。
[0013] 所述包裹檢測區、包裹跟蹤區和終點區在監控圖像中的形狀均為梯形，每幀圖像 的圖像處理過程均在這三個區域內進行。
[0014] 所述包裹識別算法為：
[0015] 在對灰度圖進行平滑濾波消除噪聲后，使用閾值分割等對圖像進行二值化處理， 搜索二值化圖像中包裹檢測區內的團塊并統計其像素數目，判斷該團塊所包含的像素數目 是否達到閾值并判斷該團塊是否與圖像邊界相連接，若該團塊像素數目達到閾值且不與圖 像邊界相連則識別該團塊為包裹。
[0016] 所述包裹編碼算法為：
[0017] 當包裹檢測區內有團塊被識別為包裹后，檢測該包裹是否為已編碼包裹，若未編 碼，則對包裹進行編碼，然后使用像素統計方法得到該包裹的形狀信息并存儲。
[0018] 具體地，由于傳送帶的速度固定，根據傳送帶速度能夠估算出已編碼包裹在下一 幀圖像中出現的可能區域，即包裹的預計到達區域。檢測每個被識別包裹是否出現在上一 幀圖像中已編碼的包裹的預計到達區域內，通過像素統計的方法得到包裹的像素數量并計 算本幀圖像中包裹的像素數量與上一幀圖像中包裹的像素數量的比值，若該比值大于形變 率閾值則該包裹為已編碼包裹，否則為未編碼包裹。
[0019] 所述包裹跟蹤算法為：
[0020] 由分揀流水線的運轉速度估算每個包裹在下一幀圖像中的預計到達區域，在下一 幀圖像中的包裹預計到達區域中搜索包裹，若找到包裹則對包裹的像素點數進行統計，若 兩幀圖像中包裹的像素點數之比在形變率閾值范圍內則認定該包裹為上一幀的包裹，實現 了對于包裹的跟蹤。
[0021] 即：首先檢測本幀圖像中跟蹤區內的包裹是否出現在上一幀圖像的包裹的預計到 達區域內，通過像素統計的方法得到包裹的像素數量并計算本幀圖像中包裹的像素數量與 上一幀圖像中包裹的像素數量之間的比值，若比例大于形變率閾值則認定該包裹為上一幀 圖像中的包裹，即實現了對于包裹的跟蹤。
[0022] 通過簡化的成像模型計算包裹的前邊緣與相機之間的真實距離，根據包裹形狀信 息得到其中心位置距離其前邊緣的真實距離，將兩段距離相加得到包裹的中心位置的縱向 坐標，由于包裹在傳送帶上的運動過程中，基本無橫向位移，故使用對包裹進行編碼時存儲 的包裹橫向坐標。
[0023] 包裹在流水線上進行傳送時由于工作人員的手動干預會導致包裹的跟蹤丟失，本 發明對于該問題的處理方法為統計每一幀圖像中的包裹總數，檢測圖像中是否有未能在上 一幀圖像中的包裹預計運動范圍內搜索到的包裹，若有則在本幀圖像中擴大該包裹的搜索 范圍，檢測是否找到該包裹，若未找到則記錄該包裹的丟失位置、編碼、形狀信息，在之后連 續五幀圖像中在該包裹可能移動到的范圍內進行搜索，若在連續五幀圖像中均未找到該包 裹將該包裹標記為丟失并將丟失包裹的信息錄入系統。
[0024] 所述包裹定位算法為：
[0025] 通過成像模型計算包裹前邊緣距離相應物聯網視覺感知裝置的距離，根據包裹編 碼得到存儲的包裹中心位置距離其前邊緣的距離，將兩段距離相加得到包裹的中心位置的 縱向坐標，根據已存儲的包裹形狀信息得到包裹的橫向坐標，更新包裹位置坐標。
[0026] 若包裹未編碼，在系統中錄入包裹編碼，使用像素統計的方法得到包裹的像素點 數，將像素點數作為包裹的形狀信息存入包裹信息系統。使用像素統計的方法得到包裹的 中心位置距離包裹前邊緣的行數，根據成像模型將該段距離換算為實際長度并將該長度作 為包裹的形狀信息存入包裹信息系統。通過像素統計的方法得到包裹前邊緣距圖像底邊的 行數，通過簡單成像模型換算為物聯網視覺感知裝置與包裹前邊緣的實際距離。將兩段距 離相加得到包裹縱向坐標，使用像素統計方法和簡單成像模型得到包裹中心距離流水線左 邊緣的距離，將該距離作為包裹的橫向坐標并將該坐標存入包裹信息系統。若包裹已編碼 則更新包裹坐標，坐標計算方法與未編碼包裹坐標計算方法相同。
[0027] 所述包裹跟蹤丟失處理算法為：
[0028] 檢測圖像中是否有未在預計運動范圍內搜索到的包裹，若有，則擴大該包裹的搜 索范圍，檢測是否找到該包裹，若未找到則記錄丟失包裹編碼，在之后連續五幀圖像中在該 包裹的預計運動范圍內進行搜索，若均未找到，將該包裹標記為丟失郵包。
[0029] 所述物聯網視覺感知裝置的接力跟蹤算法為：
[0030] 當包裹進入本監控段的終點區后，開啟定時器并設置閾值時間，即預計包裹到達 下一個監控段的時間，在閾值時間后檢測下一個監控段是否有包裹進入；若有，則檢測包裹 的形狀信息是否與上一監控段的包裹形狀信息相同，若相同，則將上一段的包裹編碼賦給 該包裹，完成兩個監控段之間的接力跟蹤。
[0031] 即：在進入每個監控段的終點區后包裹會在一定時間內進入下一個監控段，在包 裹進入終點區后為該包裹設置定時器并開啟，設置閾值時間，即包裹到達下一個監控段的 預計時間，在閾值時間后檢測下一個監控段內是否有包裹進入，若有則檢測包裹的像素點 數與上一監控段對包裹編碼時存儲的包裹像素點數是否相同，若相同則將之前的包裹編碼 賦給該包裹完成兩個監控段之間的接力跟蹤，在終點區內的包裹若未完全進入下一個監控 段則使用前一個監控段的圖像進行坐標計算，若進入后一個監控段則使用后一個監控段的 圖像進行坐標計算，后一個監控段的縱向坐標應加上之前監控段的總長度以換算為距離流 水線起點的距離，由于每個監控段包含多條流水線，對每條流水線用上述方法進行處理即 可實現對多條流水線的接力跟蹤。
[0032] 與現有技術相比，本發明的有益效果是：
[0033] 本發明提出的多線跟蹤算法可以實現一臺視覺感知裝置（例如相機）對于其視場 范圍內的多條生產線上的所有包裹的檢測、編碼、跟蹤，目前沒有相關技術被應用于包裹分 揀系統。
[0034] 本發明提出的接力跟蹤算法能夠通過多臺視覺感