高速机器人分拣系统机器视觉技术的研究
基于机器视觉的物流分拣机器人系统研究与实现
基于机器视觉的物流分拣机器人系统研究与实现物流分拣是一个日益重要且关键的环节，在物流领域中起着至关重要的作用。
然而，传统的物流分拣方式往往需要大量的人力投入和时间成本，效率低下且容易出错。
为了解决这一问题并提高物流分拣的效率和准确性，研究者们开始探索基于机器视觉的物流分拣机器人系统。
基于机器视觉的物流分拣机器人系统利用先进的计算机视觉技术，配合机械臂和物联网技术，可以实现自动化、智能化的物流分拣过程。
该系统的核心是机器视觉算法，通过对物流包裹进行图像识别和特征提取，从而实现对物品类别的自动判断和分类。
随后，机械臂根据分类结果将物品放入相应的容器中。
在研究和实现基于机器视觉的物流分拣机器人系统时，有几个关键的技术点需要注意。
首先，需要对物品的外观特征进行准确的识别和提取，如颜色、形状、质地等。
其次，对于物品的尺寸和重量也需要进行准确的测量与判断。
除此之外，还需要解决复杂环境下的光照、遮挡、噪声等问题，以确保机器视觉系统的稳定性和准确性。
在实现基于机器视觉的物流分拣机器人系统时，需要建立一个完整的工作流程。
首先，采集并构建大量的物流包裹的图像数据库，为后续的机器学习和算法训练提供数据支持。
接下来，使用深度学习和图像识别算法来训练模型，使其能够准确地识别和分类不同的物品。
然后，将识别分类后的物品信息传输给机械臂进行抓取和分拣。
最后，通过物联网技术，将机器人与物流管理系统进行连接，实现信息的实时传输和反馈。
基于机器视觉的物流分拣机器人系统有许多优势和应用场景。
首先，它能够大大提高物流分拣的效率和准确性，减少人力投入和时间成本，提高物流运作的整体效率。
其次，机器人系统可以24小时不间断运行，无需休息和休假，提高物流分拣的速度和处理能力。
此外，机器视觉技术还能够根据物流包裹的需求进行自动化的分配和处理，提高物流运输的灵活性和自适应能力。
然而，基于机器视觉的物流分拣机器人系统也面临一些挑战和局限性。
首先，对于一些外观相似或具有相似特征的物品，系统可能会出现识别错误的情况，需要不断优化和改进机器视觉算法。
基于机器视觉的机器人流水线分拣系统的设计研究
基于机器视觉的机器人流水线分拣系统的设计研究机器视觉是一种模仿人类视觉感知和理解能力的技术，通过使用数字摄像机和计算机图像处理技术，实现对物体的识别、分析和处理。
机器视觉在工业自动化领域有着广泛的应用，特别是在机器人流水线分拣系统中发挥着重要的作用。
机器人流水线分拣系统是一种能够自动完成物体分类和分拣的系统，它可以根据事先设定的规则和要求，将物体快速准确地分拣到指定位置。
这种系统可以取代传统的人工分拣，提高工作效率、降低成本并减少误差。
该系统的设计研究主要包括以下几个方面：1. 硬件设备设计：包括机器人臂、传送带、摄像机等设备的选型和设计。
机器人臂需要具有较高的精度和稳定性，以确保分拣的准确性和效率。
传送带需要能够将物体有序地送到机器人分拣区域，同时也需要能够与机器人的动作同步。
摄像机需要具备较高的分辨率和像素，以获取清晰的物体图像。
2. 图像处理算法设计：包括物体识别、定位和分类等算法的设计与实现。
物体识别算法可以通过比较物体的外观特征和事先存储的模板特征来完成，常用的方法有模板匹配、边缘检测和颜色匹配等。
物体定位算法可以确定物体在图像中的位置，以便机器人进行抓取或放置操作。
物体分类算法可以识别物体的属性，如大小、形状、颜色等，以便机器人根据不同的分类结果进行分拣。
3. 控制系统设计：包括机器人控制、传送带控制和图像处理算法的协调控制。
机器人的控制需要确保机器人能够准确地抓取和放置物体，避免碰撞和误操作。
传送带的控制需要与机器人的动作相协调，确保物体能够按照一定的速度和间隔送到机器人分拣区域。
图像处理算法的控制需要根据实时的图像数据进行计算和判断，以决定机器人的动作和分拣结果。
4. 实验验证与优化：在实际运行中，需要对系统进行实验验证和优化。
通过实验可以评估系统的性能和可靠性，并发现其中存在的问题和不足之处。
根据实验结果，可以对硬件设备进行调整和优化，对图像处理算法进行改进和优化，从而提高系统的运行效果和分拣准确性。
基于机器人视觉的工业机器人分拣技术研究
基于机器人视觉的工业机器人分拣技术研究
一、绪论
随着二十一世纪自动化技术的发展，机器人在实现自主技术、自适应
控制、机械结构和传感器技术上取得了显著进步。
机器人技术在工业领域
有着广泛的应用，其中机器人分拣技术也是其中一个重要的应用。
机器人
分拣技术利用机器视觉、机器抓取等技术，将放置在指定区域的物料进行
自动识别、分类和排序，并将其放置到指定的包装位置，完成分拣任务。
本文重点研究基于机器人视觉的工业机器人分拣技术的原理、方法和应用，以更好的了解机器人分拣技术，为工业机器人分拣技术的深入发展奠定基础。
二、机器人视觉原理
机器人视觉是机器人的一种技术，它依靠传感器、机器特征提取器和
模式识别系统，通过对工件或物料的形、色、尺寸、形状、纹理等进行分析，将其图像变换为有意义的信息，实现机器人对外界环境的自主感知和
认知。
它是分拣机器人完成分拣任务的核心技术，在机器人分拣系统中起
到了重要作用。
机器人视觉系统通常由图像采集、图像处理、图像识别三部分组成。
基于机器视觉的机器人流水线分拣系统的设计研究
基于机器视觉的机器人流水线分拣系统的设计研究1. 引言1.1 背景介绍传统的机器人分拣系统往往依靠预先设定的程序和传感器来完成分拣任务，但受限于传感器的精度和可靠性，其在复杂环境下的表现往往不尽如人意。
而基于机器视觉的机器人流水线分拣系统，通过摄像头获取实时图像并通过算法进行分析和处理，能够更准确、更高效地完成分拣任务。
本文旨在探讨基于机器视觉的机器人流水线分拣系统的设计与研究，通过引入先进的机器视觉技术，提高分拣系统的准确性和效率，减少人为错误和生产成本，从而推动工业生产线的自动化进程。
通过深入研究系统整体设计、关键技术探讨、性能评估和系统优化等方面，为相关领域的研究和实际应用提供有益参考。
1.2 研究目的研究目的是为了探究基于机器视觉的机器人流水线分拣系统在工业生产中的应用潜力和优势。
随着科技的不断发展，机器视觉技术在自动化生产领域得到广泛应用，可以实现对产品快速准确的识别和分类。
我们的研究旨在设计一种高效、精准的机器人流水线分拣系统，以提高生产效率，降低人力成本，提升产品质量和生产效率。
通过研究机器视觉在分拣系统中的应用，可以为工业生产中的物料分拣过程带来革命性的改变，使生产过程更加智能化、自动化，提高企业的竞争力和生产效率。
我们也希望通过此研究，为未来相关领域的研究提供新的思路和方法，推动机器视觉技术在工业自动化领域的应用和发展。
1.3 研究意义机器视觉技术在机器人流水线分拣系统中的应用日益广泛，其准确性和效率已经超越了传统的人力分拣方式。
研究基于机器视觉的机器人流水线分拣系统的设计不仅可以提高分拣效率，减少生产成本，还能够提升工作环境的安全性和稳定性。
随着智能制造的不断发展，机器人技术已经成为工业生产的关键支持力量，基于机器视觉的机器人流水线分拣系统的发展也将推动工业智能化水平的提升，促进产业结构的优化升级。
在当前全球经济快速发展的背景下，提高生产效率、降低生产成本已经成为工业发展的重要课题。
基于机器视觉的机器人流水线分拣系统的设计研究
基于机器视觉的机器人流水线分拣系统的设计研究机器人技术和机器视觉技术的发展为各行各业带来了许多新的可能性和机会。
特别是在制造业领域，机器人流水线分拣系统的设计和研究一直是一个备受关注的课题。
本文将重点探讨基于机器视觉的机器人流水线分拣系统的设计和研究，分析其应用、原理以及存在的问题和挑战。
一、机器人流水线分拣系统的应用机器人流水线分拣系统主要应用在制造业中的自动化生产流水线上，用于对产品进行分拣、组装、包装等操作。
该系统能够大大提高生产效率和产品质量，减少人力成本和生产周期，因此在电子、汽车、医药等行业得到了广泛应用。
基于机器视觉的机器人流水线分拣系统主要包括以下几个部分：图像采集模块、图像处理模块、决策控制模块和执行操作模块。
图像采集模块主要是通过摄像头对生产线上的产品进行实时拍摄和采集，获取产品的图像信息。
图像处理模块则是对所采集到的图像信息进行处理和分析，识别出产品的类型、位置、形状等特征。
决策控制模块是根据图像处理模块所得到的产品信息，通过算法和逻辑判断，确定产品的去向和操作方式。
执行操作模块则是根据决策控制模块的结果，通过机械臂、输送带等设备，对产品进行分拣、组装、包装等具体操作。
1. 图像处理算法的优化图像处理是机器视觉技术的核心之一，而图像处理算法的优化对于机器人流水线分拣系统的性能有着至关重要的影响。
在设计研究中，需要不断优化和改进图像处理算法，提高系统对产品的识别精度和响应速度。
2. 机器人的智能化控制在设计研究中，需要研究开发具有智能化控制功能的机器人系统，使其能够根据不同的产品特征和工作环境，自动调整操作方式和路径规划，提高系统的灵活性和适应性。
3. 数据分析与预测技术的应用通过对系统运行过程中的大量数据进行分析和预测，可以及时发现问题并进行纠正，提高系统的稳定性和可靠性。
在设计研究中需要考虑如何应用数据分析与预测技术，为系统运行提供更多的参考和支持。
四、基于机器视觉的机器人流水线分拣系统存在的问题和挑战1. 复杂产品识别一些产品可能具有复杂的结构和特征，使得其识别难度较大。
基于机器视觉的分拣技术研究概述
基于机器视觉的分拣技术研究概述一、引言随着物流业的发展和自动化水平的提高，分拣技术也成为了物流行业中十分重要的一环。
传统的分拣方式通常需要大量的人工参与，效率低下且易出错。
而机器视觉技术的发展为分拣技术带来了全新的解决方案。
本文将对基于机器视觉的分拣技术进行研究概述，并讨论其在物流行业中的应用。
二、机器视觉的基本原理机器视觉是指基于计算机图像处理技术来模拟人类视觉系统的能力。
其基本流程包括图像获取、图像处理、特征提取和目标识别等几个步骤。
其中，图像获取通过相机或传感器来获取待分拣物品的图像信息；图像处理通过对图像进行增强、滤波、几何校正等操作，提高图像质量；特征提取通过提取图像中的关键特征，例如色彩、形状、纹理等，以便进行后续的分类、识别操作；目标识别利用学习算法、分类器等方法对提取的特征进行分析和识别，最终确定待分拣物品的类别。
三、基于机器视觉的分拣技术研究现状目前，研究者们主要从以下几个方面对基于机器视觉的分拣技术进行研究：一是图像处理与特征提取技术，这是机器视觉分拣技术中的基础环节。
图像处理技术包括图像增强、滤波、几何校正等操作，能够提高图像质量。
而特征提取技术则通过提取物品图像中的关键特征，例如色彩、形状、纹理等，以便于后续的分类和识别。
二是分类与识别算法，这是机器视觉分拣技术的核心环节。
分类与识别算法能够根据物品的特征，判断其类别并进行识别。
常用的算法包括支持向量机、卷积神经网络等。
三是系统集成与优化，这是机器视觉分拣技术实际应用中的重点。
系统集成与优化包括物料搬运、图像处理、分类与识别等多个环节的协调与优化，以实现高效的分拣系统。
四、基于机器视觉的分拣技术在物流行业的应用基于机器视觉的分拣技术在物流行业中具有广泛的应用前景。
首先，基于机器视觉的分拣技术能够大大提高分拣效率，减少人工干预，降低人力成本。
其次，机器视觉技术能够提高分拣的准确度，降低错误率，提升物流运作效率。
再次，机器视觉技术能够实现对分拣过程的自动化监控和管理，提供实时的分拣数据和各项指标，为物流管理提供支持。
机器视觉在工业机器人智能分拣识别中的研究
机器视觉在工业机器人智能分拣识别中的研究摘要：随着制造业的发展和自动化水平的提高，工业机器人在生产线上的应用越来越广泛。
工业机器人智能分拣识别作为自动化生产的关键环节之一，对于提高生产效率、降低成本具有重要意义。
在传统的工业分拣生产线中，往往需要大量的人工干预和人力资源，这不仅增加了人力成本，而且容易出现错误和不稳定性。
因此，引入机器视觉技术成为了解决这一问题的有效途径。
关键词：机器视觉、工业机器人、智能分拣、识别、算法引言：机器视觉是一种模拟人类视觉系统的技术，通过对图像或视频数据进行处理和分析，实现对物体的感知和识别。
在工业机器人智能分拣识别中，机器视觉可以帮助机器人实现对不同物体的分类和分拣，从而提高生产效率和质量。
本论文将综述机器视觉在工业机器人智能分拣识别中的研究进展，探讨其关键技术和应用案例，并对未来的发展方向进行展望。
一、机器视觉在工业机器人智能分拣识别中的关键技术1.1 图像采集和预处理技术图像采集和预处理技术在机器视觉中起着至关重要的作用。
准确、清晰的图像是后续图像处理和分析的基础，因此合适的图像采集设备和预处理技术对于工业机器人智能分拣识别至关重要。
首先，在工业机器人智能分拣识别中，应选择合适的相机类型和参数，如分辨率、感光元件类型和快门速度等。
不同应用场景可能对相机的要求有所不同，如快速移动的物体需要高帧率的相机来捕捉细节。
此外，光照条件也是需要考虑的因素，应选择适应不同光照条件的相机或采取光照控制技术，如增加光源、使用滤光片等。
其次，图像预处理技术可以对采集到的图像进行增强和优化，以提高后续处理的效果。
常见的图像预处理技术包括去噪、图像增强、图像平滑等。
去噪技术可以减少图像中的噪声，如高斯滤波、中值滤波等。
图像增强技术可以增强图像的对比度和细节，如直方图均衡化、拉普拉斯增强等。
此外，图像平滑技术可以减少图像中的细节和噪声，如均值滤波、高斯滤波等。
通过这些预处理技术，可以使图像更加清晰、准确，为后续的特征提取和分类提供更可靠的基础。
高速分拣机械手视觉识别技术研究的开题报告
高速分拣机械手视觉识别技术研究的开题报告一、背景及研究意义随着电商、快递、物流等行业的发展，高速分拣机在分拣物品中起到了至关重要的作用。
而分拣机械手作为其中的核心部件，其分拣效率和精准度的提升直接关系到整个分拣系统的效率和质量。
然而，目前市场上大多数分拣机械手的分拣方式是通过编程实现预设程序来进行，这种方式无法保证其适应性与准确性。
因此，应用图像处理技术来实现分拣机械手视觉识别，能够更加准确地根据物品特征进行分类，提高机器的自动化程度和精准度。
二、研究内容及方法本文旨在研究高速分拣机械手视觉识别技术，通过对物品的特征提取、分类识别等方面展开具体研究。
具体研究内容及方法包括：1. 设计合适的物品传输系统和成像设备，对物品进行拍摄和采集。
2. 结合机械控制理论和视觉计算技术，设计高速分拣机械手的运动轨迹和分拣策略。
3. 利用图像处理技术，对物品图像进行分类和特征提取，选用特征库中的算法来实现图像识别。
4. 对分拣机械手进行实验验证，检测其分拣效率和精准度，并通过多组不同物品形状和不同尺寸的测试样本来验证算法的鲁棒性和适应性。
三、研究计划及进度安排1. 阶段1（1月~3月）：对高速分拣机的物品传输和成像设备进行设计及实现。
2. 阶段2（4月~6月）：研究机械控制理论和视觉计算技术，设计高速分拣机械手的运动轨迹和分拣策略。
3. 阶段3（7月~9月）：研究图像处理技术，对物品图像进行分类和特征提取，并进行算法的优化。
4. 阶段4（10月~12月）：对分拣机械手进行实验验证，检测其分拣效率和精准度，并优化算法的性能。
四、预期结果及意义通过本文的研究，我们期望实现高速分拣机械手的视觉识别，实现自动化分拣物品的过程。
其预期结果如下：1. 实现高速分拣机械手的视觉识别，能够更加准确地根据物品特征进行分类，提高机器的自动化程度和精准度。
2. 通过多组实验数据验证，证明算法的性能和鲁棒性。
在实际制造和物流行业中，应用本文的研究结论，能够提高生产效率和分拣质量，降低人力成本和误差率，具有广泛的应用前景和社会意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Abstract： In view of the actual demand of the food industry in China，the high-speed parallel robot autosorting system is constructed． The machine vision positioning algorithm of the moving food on the conveyor belt is studied． The machine vision hardware system for food sorting and positioning is designed． Based on secondary development for Sherlock in VC programming environment，the machine vision software system is developed． By applied the machine vision system，it can improve the production efficiency and reduce the labor’s intensity in our food and packaging industry．
1 高速并联机器人分拣系统
目前食品加工自动生产线上，多数采用人工 完成食品的检测、分级与分拣，既增大企业的人工
收稿日期： 2013 － 12 － 23; 修稿日期： 2013 － 12 － 31 基金项目： 国家科技计划课题( 2011BAD24B01) ; 黑龙江省研究生创新科研项目( YJSCX2011 － 159HLJ) 作者简介： 晏祖根( 1973 － ) ，男，博士，副教授，研究方向为包装技术与包装机械自动化，通信地址: 150028 黑龙江哈尔滨市松北区学海
图 1 高速并联机器人自动分装系统
机器人分装系统采用上、下位机的控制体系。 上位的工控机利用工业相机，采集输入皮带上的 运动食品图像，采用机器视觉算法，对运动食品进 行自动分级、定位与跟踪； 再通过下位的运动控制 器，驱动并联机器人和夹持器动作，将食品按要求 送入包装箱，实现食品的自动分拣与分装［3 － 4］。 2 机器视觉定位算法
关键词： 机器视觉; 图像处理; 分拣; 并联机器人; 食品生产 中图分类号： TS206． 5; TP391． 41 文献标志码： A 文章编号： 1005 － 1295( 2014) 01 － 0028 － 04 doi： 10． 3969 / j． issn． 1005 － 1295． 2014． 01． 007
机器视觉软件的开发可采用全自主开发、利用 专用机器视觉软件二次开发等方式。采用全自主 开发的方式，开发工作量大、周期长、可靠性较低。 工业自动化生产场合多采用专用机器视觉软件二 次开发的方式。项目选用 DALSA 公司的专用机器 视觉软件 Sherlock 开发项目机器视觉软件系统。
Sherlock 是 DALSA 公 司 基 于 Windows 环 境 开发的一款专门用于检测、包装、搜索和质量控制
图 5 IpeDspCtrl 控件
（ 3） 为保证机器视觉软件的实时运行，建立 后台运行的与 Sherlock 相链接的类 m_Engine：
30
图 6 巧克力食品的特征提取算法
一种青核桃去皮机的设计与试验研究———王亚妮，卢军党，王维，田智辉，贺功民，曹京兰
4 结束语
引入机器视觉、机器人等先进技术，提高行业 工艺和技术水平，已成为现代食品加工与包装行 业的一种发展趋势。文中针对我国食品生产行业 的实际需求，设计了运动食品自动分级与定位的 机器视觉硬件系统，基于 Sherlock 的二次开发，研 发了机器视觉软件系统，可为高速并联机器人自 动分拣系统的研发提供研究基础。
机器视觉技术具有非接触测量、可靠性高、柔 性好等特点，在工业自动化、视觉导航、虚拟现实 等方面已获得广泛应用。机器视觉系统分为基于 PC 的视觉系统和基于视觉传感器的视觉系统两 大类。基于 PC 的机器视觉系统的视觉检测全部
由 PC 完成，检测速度受限。基于视觉传感器的 机器视觉系统，由于视觉传感器将图像处理器、数 字摄像机、I / O 接口等高度集成，并提供专用视觉 开发软件，因此可大大简化软件开发难度、缩短开 发周期、提高识别速度和可靠性，具有更为广阔的 应用前景［1 － 2］。
度为 W 、输送速度为 v 。
食品由位置 A 传送至位置 A' ，传送距离 S 为：
S = vΔt
（ 1）
由于采用面阵工业相机为视觉传感器，运动
食品的偏移距离 Δx 、Δy 可通过 图 像 标 定 来 获
取，则位置 A' 在坐标系 O-XYZ 的坐标值为：
{y = － L － Δy + S = － L － Δy + vΔt
人及末端夹持器至位置 A' 处抓取食品，并按工艺
要求放置到相应位置。图 2 中，坐标系 O-XYZ 原
点 O 位于并联机器人静平台中心，在输送带上的
投影为 O' ， OO' = H ； 坐标系 P-XYZ 原点 P 位
于工 业 相 机 的 镜 头 平 面，在 输 送 带 上 的 投 影 为
P' ； 平面 O'-XZ 与 P'-XZ 的间距为 L ，输送带宽
图 4 机器视觉软件件开发 步骤如下：
（ 1） 首先，建立基于 MFC 的工程项目，在工 程中添加 DLL 文件，完成 VC 工程与 Sherlock 的连 接： #import " C： \\Sherlock \Bin \IpeEngCtrl． dll" 。
（ 2） 在工程对话框中添加 IpeDspCtrl 控件，如 图 5 所示，并添加相应变量 m_Display。IpeDspCtrl 控件为 Sherlock 开发的 VB、VC 二次开发工具，界 面友好，主要用于 VB、VC 编程环境接收 Sherlock 所采集图像。
设计计算
包装与食品机械 2014 年第 32 卷第 1 期
高速机器人分拣系统机器视觉技术的研究
晏祖根，李 明，徐克非，孙小华，闫志鹏，孙智慧
( 哈尔滨商业大学轻工学院，哈尔滨 150028)
摘要： 针对我国食品生产行业的实际需求，基于并联机器人、机器视觉等先进技术，构建了面向食品 生产包装的高速机器人分拣系统，研究了输送带上运动食品的机器视觉定位算法，设计了运动食品分级 与定位的机器视觉硬件系统，基于专业图像处理软件 Sherlock，研发了自动分拣机器视觉软件系统，以 提高我国食品生产效率、保证食品卫生、降低劳动强度。
29
包装与食品机械 2014 年第 32 卷第 1 期
等的 先 进 视 觉 软 件，具 有 图 像 处 理 运 算、几 何 运 算、测量和分析等大量高性能机器视觉算法，拥有 功能齐全的图形化用户界面，易于二次开发。 3． 2 机器视觉软件开发
项目基于 VC 开发环境，对 Sherlock 软件进行 二次开发，形成并联机器人分拣系统的机器视觉软 件，软件框图如图 4 所示。基于 VC 自主开发的程序 主要完成人机界面、数据转换与存储、输入输出、视 觉算法等功能，嵌入的 Sherlock 软件主要完成图像 选择、边缘提取、图像增强、测量分析等功能［5 －7］。
Key words： machine vision； image processing； auto-sort； parallel robot； food produce
随着经济发展和人民生活水平的提高，传统 产业的结构调整和升级已成为行业发展的共识。 将机器视觉、机器人等先进技术引入传统的食品 生产行业，改善自动化生产、保障食品加工过程安 全卫生、提高生产效率、降低劳动强度，已成为现 代食品加工与包装行业的一种新型趋势。
High-speed Ｒobot Auto-sorting System Based on Machine Vision
YAN Zu-gen，LI Ming，XU Ke-fei，SUN Xiao-hua，YAN Zhi-peng，SUN Zi-hui （ Light Industry College of Harbin University of Commerce，Harbin 150028，China）
m_Engine． CreateInstance（ CLSID_Engine） ； m_ Engine － ＞ EngInitialize （ ） ； ∥ 后 台 运 行 Sherlock； m_pEvents = new CEngEventSink（ this） ； m_pEvents － ＞ AddＲef（ ） 。 （ 4） 在工程对话框中链接 Sherlock 所采集的 图像： I_ENG _ EＲＲOＲ nＲet = m _ Engine － ＞ InvLoad（ " Simple0． ivs" ） ； m _ Display． ConnectEngine （ m _ Engine － ＞ GetEngineObj（ ） ） ； m_Display． ConnectImgWindow （ " imgA" ） ； ∥ 载入 Sherlock 采集图像 Simple0． ivs。 （ 5） 在工程对话框中对 Sherlock 所采集图像 进行分析处理，如特征提取、视觉算法、数据转换、 数据 传 输、数 据 储 存 等，实 现 运 动 食 品 的 自 动 分 级、定位与追踪。 （ 6） 完成机器视觉处理后，退出后台运行的 Sherlock： m_ Engine － ＞ InvModeSet （ I _ EXE _ MODE _ HALT） ； ∥退出线程； m_Engine － ＞ EngTerminate（ ） ； ∥退出 Sherlock。 3． 3 典型食品的图像处理算法 并联机器人自动分装的食品大多具有比较规 则的外形，可通过图像采集、边缘提取、图像增强 及特征分析等，提取待分拣食品的特征。对圆形 食品，提取食品的中心点即可； 对于非圆形食品， 可提取其特征点及相应转角。 例如，对图 5 所示的巧克力食品，可先利用 Sherlock 的图像选择、边缘提取、图像增强等功能， 确定巧克力的边缘曲线； 再通过所开发的机器视觉 软件，确定边缘曲线的中心点 A 、拐点 B 和旋转角 θ ，如图 6 所示，从而确定巧克力的位置与姿态，以 驱动并联机器人及夹持器对食品进行分拣。