包括有上位机的软件设计同时也包含了下位机的软件设计.doc

包括有上位机的软件设计同时也包含了下位机的软件设计。上位机以及下位机都由很多部分组成，上位机的构成要素中主要包括用户界面以及工业相机等；而下位机的整个组成部分是由PLC所组成。同时上下位机之间也存在着一些联系和关联，比如作为上位机软件组成部分的MSComm控件与作为下位机组成部分的PLC之间就存在着一定的联系，使用GX Developer将PLC进行程序的编排，从而产生一个延时输出程序。软件系统框图Fig. Diagram of software system深度相机API(Application Programming Interface)是由相机厂商提供的应用程序编程接口函数，可供相机应用程序开发直接调用，不做详细阐述。本节主要介绍软件系统中的用户界面、质量分级方法、PLC通信即MSComm控件使用、PLC控制程序。7.5.4.1用户界面用户界面使用MFC(Microsoft Foundation Classes)进行界面设计，MFC以C+类形式封装了Windows API，包含了一个应用程序框架，可以减少开发应用程序的工作量。本系统用户界面的设计如图4-27所示，可以分为用户操控、图像显示、数据结果三个区域。用户操控包括：打开、连续采集、外触发采集、停止、保存按钮，触发沿选择、接口选择和鸡种选择下拉菜单。数据结果包括：质量、等级、总数量。操控按钮与数据结果的功能如表4-7所示。图4-27中右下角的电话标识为MSComm控件，在实际运行时不会出现。用户界面图Fig. Picture of user interface表控制按钮及其功能Tab. Name and function of control button名称功能打开启动相机，未不采集图像连续采集相机不间断采集图像外触发采集光电开关传感器触发相机采集图像停止停止采集图像保存保存当前帧图像触发沿上升沿：鸡胴体进入光电开关传感器检测范围时，触发相机采集下降沿：鸡胴体离开光电开关传感器检测范围时，触发相机采集质量显示鸡胴体质量预测值等级显示鸡胴体质量等级总数量显示已分级的鸡胴体数量使用界面时，首先点击“打开”按钮，若需对相机进行调试，可以点击“连续采集”按钮，界面显示动态画面；若需让相机直接工作，点击“外触发采集”，点击“外触发”下拉框，可以选择“上升沿”或“下降沿”作为相机触发方式。需要停止工作时，点击“停止”按钮。“保存”按钮可以保存当前画面，以jpg、png、tif等常用图片格式存储。数据栏中，“重量”显示当前鸡胴体的质量预测值，“等级”为当前鸡胴体的预测等级，“总数量”为当前鸡胴体的数目。数据栏左侧为图像显示区域质量分级算法设计如图4-28所示，首先打开相机，初始化相机参数，设置触发模式，其次，将接受的一帧图像信息转换成图像，作为图像处理的原始图片，再次，对原始图片进行预处理，得到鸡胴体的二值化图像，然后，从二值化图像中提取出鸡胴体的体尺特征量，根据这些特征量预测鸡胴体质量，最后将鸡胴体质量预测值转换成对应的等级。根据实际需求将质量分为n个等级，设定各等级边界值X1、X2、Xn-1、Xn，将质量预测值Y依次与边界值对比，YXk时，Y与Xk+1对比，依次类推，直到Y小于某一边界值为止。质量分级算法Fig.4-28 Quality grading algorithm7.5.4.3 PLC通信PC与PLC的通信采用MSComm控件进行，MSComm(Miscrosoft Communications Control)是微软提供的串行通信编程的ActiveX控件，编程简单方便，适用多种编程语言。本系统通信程序设计如图所示。VS平台中，在“选择工具箱项”中的“COM组件”勾选便可以插入MSComm控件。在OnInitDialog()初始化函数中加入MSComm变量初始化，设定端口参数后，就可以进行通信程序编写。根据PLC的编程口通信协议，向PLC发送命令帧，通过对相应端口的置位与复位，控制端口的开关量输出。7.5.4.4 PLC控制程序由于被拍鸡胴体需要经过一定时间到达相应等级气缸，需要设置PLC的控制信号延时输出，不同等级的延时时间可以根据如下公式得到： 其中控制等级n气缸的延时时间等级n气缸与相机的距离输送链的移动速度设计的延时输出程序如图4-30所示，图中为单个输出点的延时控制程序，其他输出点的延时控制程序与其相同。I0.0得电触发上升沿（后面的P），触发M0.1自锁，M0.1得电后带动定时器T37图4-30 PLC延时输出程序Fig.4-30 Delay output program in PLC7.6本章小结 本章首先阐述了系统的总体设计要求，根据实际生产条件列出设计要点。其次主要介绍了系统的总体设计，包括系统框架设计、硬件系统设计、软件系统设计。1、系统总体设计中介绍了系统框架，包含了图像采集、图像处理、分级执行三个部分。还介绍了系统的工作原理，系统各部分作用已经工作流程。2、硬件系统设计主要介绍了硬件平台的设计及各器件在平台中的安装位置。图像采集部分的硬件设计包括光源放置、深度相机选型。图像处理部分介绍了工控机、PLC、继电器的性能参数及它们的电气连接方式。分级执行部分介绍了电磁阀、气缸工作原理以及气动工作单元的气路连接。3、软件设计阐述了软件设计要求，介绍了软件开发环境，以及深度相机自动采集图片的原理、用户界面、图像处理算法、PLC通信程序、PLC延时输出程序的设计。模型的分级效果进行了检验。为了检验鸡胴体质量分级系统的在实际生产线中的分级效果，本章设计了两个检验实验，用于检验系统的分级准确率。在鸡胴体输送链实验平台对250只鸡胴体进行质量分级实验，使用质量分级系统进行鸡胴体质量的预测，用电子秤进行鸡胴体实际质量的称量并记录。鸡胴体分级平台如图5-1所示，该实验平台可以模拟肉鸡屠宰生产线中的输送链运行情况。输送链可以通过变频器进行调速，模拟各个不同生产环节中输送链的运行速度。1、对所有鸡胴体进行称重，并标号。将鸡胴体中100只作为鸡胴体质量分级模型的建模训练集，使用多元回归分析进行建模。剩余用于对分级系统的检验。2、检验实验分两次进行，第一次实验中，将验证集鸡胴体称重后划分好等级，再将等级相同的鸡胴体分入一组，共有5组，每组10只样本，称之为按等级分组实验，用来检验分级系统对每个等级的鸡胴体等级判定的准确率。3、第二个实验中，将鸡胴体随机分为5组，每组10只样本，称之为随机分组实验，用来模拟实际生产情况，对系统的分级效果进行综合检验。4、调节实验平台上的输送链速度v，将v分别设为4000pcs/h、5000pcs/h、6000pcs/h，再重复进行步骤2、3。鸡胴体输送链实验平台如下图所示在鸡胴体输送链实验平台拍摄的鸡胴按等级分组实验结果如下， 分级系统分级正确率最高的是等级3，最低的是等级1。造成这一情况的主要原因来自分级模型，由于质量在等级1等级2范围内的鸡胴体样本分布密集，使得分级模型容易对这一质量范围内的样本等级判定错误，导致这一现象发生。表5-1 均分等级实验结果Tab.5-1 Quality grading result in 5 level groups样本组号样本数量v=4000pcs/h时分级正确个数v=5000pcs/h时分级正确个数v=6000pcs/h时分级正确个数从表中可见，当v=4000pcs/h时，分级系统的整体正确率为93%；v=5000pcs/h时，正确率将为88%；当v=6000pcs/h时，正确率下降较多，为80%。分析实验过程，可以发现当输送链速度较慢时，正确率主要受分级模型的判定准确性影响。当速度较快时，气缸击打鸡胴体头部时受到挂钩横向速度影响，使得部分等级判定正确的鸡胴体没有下架成功，导致了正确率的降低。因此，还行对分级执行部分进行改进，以适应更高速的输送链运行速度。8.2.2随机分组实验综合分级实验结果如表5-2所示，5组样本中，分级正确率最高的是第1组，平均正确率为90%。正确率最低的为第5组，平均正确率为80%。通过分级这两组样本数据可以发现，一方面，第1组样本的平均质量较小，利于气缸的击打，第5组平均质量较大，具有一定阻力。另一方面，第5组中有一个样本的鸡翅没展开，影响了分级模型的质量预测，导致其等级的错误判定。 表5-2 随机分组实验结果Tab.5-2 Quality grading result in 5 random groups样本组号样本数量v=4000pcs/h时分级正确个数v=5000pcs/h时分级正确个数v=6000pcs/h时分级正确个数按等级分组实验的平均准确率为86%，随机分组实验的平均准确率为89%，则所有实验的平均准确为87.5%，可以说明鸡胴体质量分级系统具有较高的分级准确率。同时，从两个检测实验可以发现，输送链的运行速度越快，对系统的分级准确率影响越大，主要表现在挂钩的高速运行影响气缸的击打动作，降低了鸡胴体下架的成功率。其次，鸡胴体的训练集样本数据表明，随机抽取的鸡胴体样本的质量总体呈正态分布，中等质量大小的鸡胴体居多，导致分级模型在预测质量时，很容易将中等大小的鸡胴体错分到其他相邻等级；而最大和最小等级的鸡胴体由于数量少，且远离其他等级范围，相对而言不易被错分等级。综合上述分析，可以得出结论，鸡胴体质量分级系统方案可行，分级准确率较高，同时也有许多可以改进之处。本章通过两个验证实验，从不同角度对鸡胴体质量分级系统的分级效果进行了检验。按等级分组实验检验了系统在不同等级下的等级判别准确率，结果显示系统平均准确率达到86%；随机分组实验则模拟实际生产线的分级情况，结果显示系统分级平均准确率达到89%。从实验结果看，鸡胴体质量分级系统方案可行，具有较高分级正确率。本文介绍了肉鸡屠宰加工行业中鸡胴体质量分级的作用及意义，国内外鸡胴体质量分级技术和设备的现状，针对其存在的污染鸡胴体问题，利用kinect2.0深度相机，提出三种非接触式的质量分级方法，找出最优的质量方法非线性建模质量预测研究方法，并以该方法为核心，搭建了一套鸡胴体质量分级系统。质量分级方法基于机器视觉技术，通过深度相机在线采集鸡胴体图像，采集了250个图像样本，其中150个作为训练样本，100个作为验证样本。利用图像处理技术对图像进行预处理达到95%。此外，本文还构建了一套鸡胴体质量分级系统，设计了一个鸡胴体质量分级系统硬件平台，以该平台为依托，将分级系统分为图像采集、图像处理、分级执行三个部分。其中，图像采集部分以深度相机为核心，负责对生产线中的鸡胴体进行图像采集，并将图像信息传输到工控机中；图像处理部分以工控机和PLC为主要器件，工控机中安装鸡胴体分级软件，软件负责接收图像并进行图像算法处理，根据内嵌的质量分级模型对当前鸡胴体进行等级判定，最后向PLC发送等级信息及控制指令。PLC根据指令在相应等级的端口输出电信号，控制固态继电器的开断。分级执行部分包括电磁阀、气缸和气泵，电磁阀通断受到固态继电器的控制，进而控制气缸对鸡胴体是否进行击打操作。通过分级实验，证明本分级系统稳定可靠，可以适应生产中的低温、高湿的恶劣环境；反应快速，能够满足实际生产中的速度要求；击打准确、成功率达到87.5%，能够应用于实际生产。1、提出一种基于kinect2.0和机器视觉技术的鸡胴体质量分级方法，该方法采用非接触式分级，避免了鸡胴体在称重时受到二次污染的情况发生。2、研制了一套基于机器视觉的鸡胴体质量在线自动分级系统，能够在线对鸡胴体进行质量等级判定以及鸡胴体分级的自动化操作。本文在禽类产品质量分级领域使用机器视觉技术进行了可行性探索，结果证明，利用机器视觉技术进行禽类产品质量分级可行、有效。然而，该方法存在许多不足，研究工作尚有未尽之处，总结为以下几点：1、改善图像处理算法。优化图像处理算法，通过将特征量的数