一种应用于物流行业的自动分拣控制系统

杨钰 杨磊 张晓楠

摘 要：针对人工为主的物流转运方式分拣错误率高及分拣效率低，难以满足中国社会日益高涨的物流需求等问题，因此本文提出一种货物自动分拣系统，可应用于物流行业中物品的自动分拣和分类，相比较与传统的人工分拣和分类方式，该系统不仅可以显著的提升货物的分拣效率和分类准确率，而且节约了大量的人力成本，对于推进物流行业朝自动化方向的发展具有重要的应用价值。

关键词：物流服务;分拣效率;自动分拣

DOI：10.15938/j.jhust.2019.04.012

中图分类号： F252

文献标志码： A

文章编号： 1007-2683（2019）04-0071-07

Abstract：Aiming at the problems of high sorting error rate and low sorting efficiency in manual logistics transshipment mode， it is difficult to meet the increasing logistics demand of Chinese society. Therefore， this paper proposes an automatic cargo sorting system， which can be applied to the automatic sorting and sorting of goods in the logistics industry. Compared with the traditional manual sorting and sorting methods， the system can not only significantly improve the sorting efficiency and classification of goods. The accuracy rate and the saving of a large amount of labor costs have important application value for promoting the development of automation and intelligence in the logistics industry.

Keywords：logistics service; sorting efficiency; automatic sorting

0 引 言

随着电子商务的发展，人们的消费习惯产生了巨大的影响，物流服务需求也随之逐渐增加，推动着物流自动化水平的不断提高[1]。国内物流行业货物的传统分拣方式都是采用人工逐一对物流产品进行手动分拣的方式，通过人工分拣、搬运货物完成物流货物的分类和运输，这种分拣方式效率低下，且可靠性不高，无法满足现在日益增长的物流量的需求[2]。

据统计近几年中国每年的快递运送数量就超过了一百亿件，这还不包括其他种类的物流运输，并且快递行业的运输量呈现逐年增长的趋势[3]。在如此大量的物流运输量面前，传统的人工分拣的方式显得的越来越力不从心，况且在人工分拣的过程中，分拣人员要对每个物流快件进行信息核对和记录，按照物流快件的种类、目的地和收件人信息等进行逐一核对和分类，如此大量的工作量，很难保证每个物流快件能正确的进行分拣和运输。因此，物流运输行业对物品的分拣速度和准确性的要求显得越来越重要[4]。市场竞争的逐步激烈使得物流行业迫切提高分拣效率，随之自动分拣系统代替了人工分拣方式，在物流分拣作业中应用越来越广泛[5]。目前自动分拣系统在工业生产线等领域上承担着重要的角色，基于机器视觉的自动分拣系统在多个生产领域、分拣货物等方面具有很大的优势。对于物流的分拣和配送，自动化的分拣系统具有较高的分拣准确率和效率[6]。

文[7-8]中提出的自动分拣系统是基于PLC 控制的以检查运输传送带上是否有物品，依据物品的材料属性、颜色等对物体进行简单的分类和分拣，然后使用机械手对物品进行搬运，该系统只是对物品进行了简单的分类，在一定程度上提高了物品的分拣速度，但是在物体分拣精度方面意义不明显。文[9-10]通过增加重量传感器等对待分拣的物品按照重量进行分拣，这种方式适用于待分拣物品重量有明显差异的情况，不能适合于大规模的物流分拣系统。文[11-12]虽然也考虑到了待分拣物品具有差异性，而使用重量和光纤等多种传感器以提高分拣精度的问题，但是所采用的都是传统的检测方法，所涉及的自动分拣系统相对比较复杂。

本文针对物流行业中，物流物品的数量庞大，需要对每个物流快件进行信息核对容易出错以及分拣效率低下的问题，设计出一种应用于物流行业的自动分拣控制系统，该系统通过视觉传感器对物流快件进行图形捕获，通过图像识别方法获取货物的特征信息以及对物流信息单进行图像检测和识别，采用文字识别的方式对快递单上的信息进行识别和统计，按照物流快件的邮寄地址将该物品进行地址分类，该系统在可以有效的提高物流快件的分拣和分类效率，节省大量人力成本。

1 系统介绍

1.1 系统组成

自动分拣系统主要以分拣大量的物流货物为

主，系统主要由四个主要单元组成：物流输送单元、控制单元、分类单元、分拣单元，通过计算机网络将这四个主要部分联系起来，在加上相应的人工操作就形成了一个完整的自动分拣系统。对于物流行业分拣和配送，自动化分拣系统大大提高了物流行业的分拣效率，通过将机器视觉技术与自动分拣技术相互结合，可以进一步提高物流分拣的效率和准确率。自动分拣系统的结构图如下所示。

控制单元作为整个分拣系统的核心部分，其作用是识别、接收和处理分拣信号，依据传感器的检测信息将货物按照重量、颜色或者大小等信息进行分类，然后根据分拣信息判断货物应该被送入到哪个分拣通道，完成对应的分拣任务。输送单元的任务是对货物进行运输，通过传输系统将获取运输到待分拣位置，分拣完成后再将货物按照对应的分拣类型运输到相应的运输通道。分类单位的作用是按照预先设定好的分类标准对待分拣的货物进行和分类。分拣单元主要由分拣解析手和相应的传输系統组成，复杂货物的具体分拣执行。

1.2 分拣系统工作原理

传统的物流作业中，自动分拣系统的主要任务可以分为两个主要部分：在货物入库之前，需要按照相应的分类和分拣标准对货物进行分拣和运输，使得具有相同属性的货物放同一存储区域;接到订单以后，按照订单需求，将货物准确的分拣出来，并输送至指定分拣道口，等待下一步操作。

分拣系统的原理图如上图2所示：控制器PLC 作为整个系统的核心，其作用是对视觉传感器采集的图像信息进行处理，以获得待分拣货物的相应特征和位置信息，然后按照对应的分拣标准发送控制命令到分拣机构，通过分拣机构中电机的运转，使得机械手对货物进行抓取和放置，实现对货物的分拣功能。

整体分拣系统的操作流程为：首先通过视觉传感器（工业级相机）对待分拣的货物进行检测，通过图像采集过程获得货物的颜色、尺寸、种类等信息，再将这些信息传输到图像采集卡，经模拟信息转变为计算机能够处理的数字信息，再将这些数字信息上传至控制器进行数据分析和处理，控制器按照分类分拣的标准，发送相应的控制命令到分拣机械手，控制机械手的运行实现多货物的分拣和分类。

1.3 系统控制流程

在进行人工分拣货物时，首先通过人的眼睛看到物品的颜色、大小和位置等信息，然后将这些信息传输到大脑进行分析，依据分类准侧在控制我们的手将货物进行搬运，以实现货物的分类和分拣[13]。由于人的体力和精力有限，以人工为主的分类分拣方式不适合于大量的物流操作。受到人类分拣方式的启发，使用机器来代替人力可以实现对大量物流货物的分拣任务[14]。

分拣系统的主要工作流程是：首先，利用工业CCD相机与图像采集卡采集被分拣货物的图像信息，将采集的图像信息上传至上位机，上位机对该信息进行存储和处理，然后将处理后的图像信息发送至控制器;其次，通过控制器对采集的图像数据进行分析处理，获得待测目标的几何形状、颜色、实时位置等信息;最后，控制器发送控制指令到运动控制器，通过运动控制器对分拣平台的机械臂进行控制，完成对抓取目标的分拣工作。

2 物流信息提取

采用基于视觉传感器对物流货物的相关特征信息进行识别以进行物流快件快速分类的方法，首先需要对物品的相关特征，颜色、大小等信息以及货物表面的信息单中的物品信息进行快速的识别[15]。本文采用视觉传感器对货物进行图像捕获或者扫描的方式，在物流的传输带上端安装视觉传感器用以捕获物流快件的图像信息，然后进行图像处理，提取货物的特征信息，并对图像中包含的文字信息进行识别，提取出其中的物流快件的发送目的地和物体种类等信息，依据快件的发送目的地和其他特征信息对快件进行分类分拣。

2.1 特征提取与识别

货物的图像中多包涵了大量的有用信息，从图像中提取有用的特征进行分析识别是图像处理的基本问题。图像识别采用的主要步骤：图像预处理、区域分割、特征提取、特征识别[16]。而要实现分拣需对货物进行特征提取和识别，对采集图像进行预处理，选取目标区域，在目标区域内对目标进行特征提取和识别，用以确定目标货物的颜色和大小以及坐标等信息。

2.1.1 图像采集处理

图像的采集是视觉系统实现图像分析的首要工作，采集较高质量的图片将会使图像更容易被处理，这一步对于图像的预处理、目标物的识别、定位的结果会产生较大影响[17]。图像预处理的主要作用是消除图像中无用的信息，提取有用的真实信息，增强有关信息的可检测性，最大程度地简化图像数据，方便进行下一步的图像信息提取。

工业相机采集到的图像信息容易受光照等环境的影响，在图像中有影响识别定位目标物的因素，此时不能直接通过识别算法，进行目标物的识别定位，必须先对图像进行预处理，通过相应的预处理算法，将图像中的杂波因子消除，获得更加清晰的图像。

在图像的采集及传输过程中，每幅图像都会受到外界与自身的干扰包含某种程度的噪声。在大多数情况下，图像中的噪声必须通过图像平滑处理进行抑制。为了提高图像采集效果，应当采用合适的滤波处理方法将干扰因素消除。

中值滤波器能够有效的减少图像中目标物体边缘模糊程度，使用目标区域中亮度的均值代替目标图形区域当前点的亮度数值。该点周边区域的亮度不会受到少量噪声的干扰，故可以采用这种方法除去被检测图像中的干扰噪声。

对图像进行边缘检测是在进行目标识别之前必须要完成的步骤，首先，提取出特征点，这样可以有效的减少特征匹配的计算量，提高图像处理的效率[18]。图像的边缘检测算法有多种，其中Sobel算子是进行边缘检测常用到的算法，采用类似于求取局部平均值的运算方式可以对噪声进行平滑处理，以消除噪声对图形进行特征提取的干扰，Sobel算子由横向模板和纵向模板组成，这两个模板可以分别用一个三阶矩阵表示，可以在横向和纵向方向分别与图像进行平面卷积运算，求出图像分别在这两个方向的亮度差值，实现对货物进行边缘检测。

2.1.2 目标识别

在物流行业中，被分拣货物的周围混有其他被测物体，需要确定目标物体的轮廓，得到目标物体中心位置坐标[19]。己知目标物体的形状，目标物体轮廓的大小和外形都有一定的先验信息，因此先对目标物体的先关特征参数信息进行初始值设定，然后将测物体提取出的边缘信息与设定值进行比较，具有相似边缘信息和特征的物体就是目标物体。提取目标物体的边缘信息，输出目标物体的边界、中心点信息。将目标物体的中心点坐标转换为机器手坐标系下的坐标，确定目标货物的抓取位置，控制器控制机械手末端到达目标抓取位置，对货物进行抓取。

2.2 文字识别

文字识别就是通过视觉设备识别出图形中所包含的文字信息[20]。文字图像的辨识原理如图4所示。其各部分功能如下：

1）光电转换检测部分的功能是将图像中的文本内容进行光电转换过程，将图像中所包含的文字信息的模拟量通过模数转换器转变成能够传输的数字信息，以方便計算机对该信息进行处理;

2）文本分割是通过对图像中的文本区域进行定位，将文本区域进行分割，从而识别出图像中的文字区域，删除没有文字信息的图像区域，减小图像的检测范围，提高系统的实时性;

3）识别处理部分是对分离的文本图像信息进行识别，提取出文本对应的数据信息，去除文字信息中的干扰部分，然后对文本图像信息进行增强;

4）特征提取部分是将识别出的文字信号的又用信息进行提取和识别，为后续的文字识别提供模版数据。

通过文字识别方法可将货物表面运单中的文字信息进行识别和提取，并将识别的文字信息上传至控制器进行保存，控制器对文字信息中的物体名称、种类和运送目的地等信息进行记录和分类，按照认为预先设定好的分类和分拣标准，发送控制指令到分拣执行机构，将待分拣货物抓取后送入相对应的传输通道，以实现货物的分类分拣功能。

3 控制系统设计

该自动分拣系统可实现货物的自动分类和分拣功能，在系统的运行过程中，系统可以实时的记录货物的特征和相关运单信息，实现实时分拣和记录功能。

3.1 控制系统硬件结构

控制系统的硬件设备主要是由控制器PLC、变频器和上位机以及相应的机械手组成，系统的硬件结构如图5所示：

控制器PLC与变频器和上位机之间有着密切的联系，控制器作为整体系统的控制核心，对整体自动分拣系统进行控制，变频器则主要是对运输传送带的速度进行调控，上位机则是实现人与整个自动控制系统的人机交互，通过上位机，可以人为的对传送带的速度、分拣和分类的设定标准以及机械手的运行速度等进行人为的设定。同时上位机也可以实时的监控整体自动分拣系统的运行状态。

3.2 控制系统软件设计

自动分拣系统整体流程相对简单，系统上电初始化后，首先是货物通过传输系统将货物运动到视觉传感器的检测位置，通过图像识别的方法对货物的特征信息和运单信息进行提取和识别，并将相关信息进行存储，当货物运输至机械手所在的位置，控制器通过对视觉传感器所采集的图像信息进行处理，发送控制指令到运行控制器，实现对机械手的运动控制，控制机械手对货物进行抓取和运转，以实现对货物的分类和分拣。当视觉传感器没有检测到货物信息时，系统会提示出报警信息，当机械手将货物放置到错误的运输通道时，系统会重新对该货物进行分拣。整个系统的自动分拣系统的软件设计流程如下图6所示。

控制系统的程序主要包括以下三部分：

1）货物信息检测。当整个自动分拣系统上电运行后，首先是视觉传感器对运输带上的待分拣物体进行图像捕获，采用图像识别方法检测和提取货物的特征和对应的运单文字信息，当系统检测到以上特征信息后，会自动的将这些特征信息保存在存储器中，有利于货物的下一步处理，货物会继续被传送至机械手的位置，等待机械手的抓取。

2）机械手搬运。待分拣的货物通过信息检测环节，控制器针对检测的货物特征等信息选择相对应的分类分拣准侧，发送控制指令到机械手，当货物通过传输带运输到机械手的抓取范围里，分拣机械手从传送带上提取待分拣的物件，将货物根据要求分类，当检测到货物信息有误的工件时，分拣机械手自动将其返回到传送带重新进行检测，当再次检测的信息有误则会发出报警信息，使用人工进行分拣。

3）货物入库控制。货物进行分类完毕之后，经传感器检测到货物，进行分装入库。入库时应注意：应该将货物放入到空的货架位置，如果该层货架没有闲置空间，则将等待货架上出现空余位置后，机械手再将货物放入到与货物的分类属性相对应的指定的位置，以保证货物的分类和分拣的正确性。

4 系统调试与运行

4.1 系统监控界面

自动分拣系统的上位机监控界面是操作人员与整个自动分拣系统实现人机交互的平台，操作人员通过观察监控界面上显示的相关数据信息和运行状态的变化，可以及时的了解整个自动分拣系统的运行情况。自动分拣系统的上位机监控界面如下图7所示。

自动分拣系统的监控界面的功能是实现整个系统的可视化监控，通过人为的部分参与或者不参与的方式控制整个自动分拣系统的运行。当系统的硬件设施准备就绪后，系统上电处于初始状态，点击上位机监控界面中的“开始”按钮，则分拣系统开始运行，整个系统按照预先设定好的程序运行，以此实现物流货物的运输、图像采集、信息处理和存储、分拣分类以及入库的功能。

监控界面中上方的一级分拣状态，显示的是整个分拣系统中总共有7个分拣通道，每个分拣通道当前的分拣状态，当前该分拣通道是否正在运行的信息。监控界面左下方的二级分拣状态显示的是货物的特征信息，其中的种类表示的是预先设定的要提取的货物的特征信息，通过数量和状态可以实现对具有相同特征信息的货物进行数量统计、并显示目前该种货物处于哪种运输状态。监控界面右下方部分则显示的是整体监控系统运行状态情况，运输、分拣、扫描和入库的每个环节是否能正常运行，可以通过其后的圖标进行显示，当图标显示为亮绿色，则表示对应的环节正常运行，当图标显示为红色时，则表示该环节出现故障，需要及时修复。当整个分拣任务完成后，或者发生紧急故障时，点击“停止”按钮，可使得整个分拣系统处于断电状态，或者发生紧急情况时，保障设备和人身安全。

4.2 准确率测试

由于使用视觉传感器对货物的特征信息进行采集，使用图像处理方法得到相应的特征信息，实验中对物流货物中经常使用的四个特征信息的识别准确率进行测试。

由图8可知，随着分拣货物数量的逐渐增加，货物特征信息的识别准确率呈现逐渐上升的趋势。由于货物的名称、颜色、种类和运送地址是一般物流行业中常用的检测数据，因此对上述四种货物特征信息进行识别准确率测试。从图中可以看出，识别准确率最高的是货物的颜色信息，然后是物体的种类、名称。识别率最低的运输地址，这是由于一般的运输地址中包含多个文字信息，所以在进行文字识别的过程中，出现误识别的情况相对比较高。

4.3 分拣效率测试

自动分拣控制系统的整个分拣过程主要是通过机械设备来完成，人工只是对相应的程序参数进行预先设定或者处理紧急突发情况。下图9所示为在相同的时间里，进行人工分拣和使用自动分拣系统进行物流货物分拣的效率对比图。

由图9 可以看出，在相同的工作时间里，使用自动分拣系统进行物流货物的分拣的效率要远超过人工的分拣效率。由于人的体力会随着工作时间的延长而逐渐消耗，工作效率会随之降低，但是使用自动分拣系统进行货物的分拣和分类，在没有出现设备故障的情况下，自动分拣系统的分拣效率是不会有太大的变化。

从物流货物的分拣效率和货物特征信息识别的准确率两个方面综合进行比较，自动分拣系统的整体运行效率要远超于人工分拣的方式。

5 结 论

社会经济的发展，为物流行业的快速发展提供了新的机遇，针对传统物流行业采用人工进行货物分拣方式的不足之处，文中提出了一种自动分拣控制系统，采用与机器视觉相结合的方式实现对货物的快速分拣，在分拣的效率和准确率方面都会有明显的提升。在此系统的设计过程中，运用了现代工业控制技术、智能视觉识别技术和自动化手段，减少操作人员数量，降低了工人的劳动强度，可以有效提高物流行业的分拣效率。

参 考 文 献：

[1] 宋召卫.我国自动分拣技术及其应用[J].中国物流与采购，2013 （6）：46.

[2] 夏齐炜，张凯彦，马新玲.快递包裹分拣装置的设计研究[J].制造业自动化，2016，38（6）：148.

[3] 许胜余.自动分拣系统及其运用[J].物流技术与运用，2016，（3）：33.

[4] 张俊，徐淑英.快递自动分拣系统的设计[J].自动化应用2015，11（21）：88.

[5] 曾祥苹. PLC和传感器技术在包裹自动分拣系统中的应用[J]. 机械工程与自动化， 2018（2）：185.

[6] 刘继超. 自动分拣系统及应用[J]. 数字技术与应用， 2018， （4）：230.

[7] 陈海龙.基于PLC的物料自动分拣系统设计[J].自动化与仪器仪表，2017（10）：94.

[8] 戴俊.基于PLC控制物料自动检测与分拣系统设计[D].大连：大连理工大学，2015.

[9] 廖敬恩.自动分拣控制系统的设计及研究[D].广州：华南理工大学，2011.

[10]蒋书贤.基于机器视觉的工业机器人分拣系统研究[D].西南交通大学，2015.

[11]李金义，杨成，王京，等.基于视觉定位的机器人搬运系统[J].制造业自动化，2011，33 （4）：40.

[12]张朝阳.基于视觉的机器人废金属分拣系统研究[D].中国农业大学，2015.

[13]王诗宇， 林浒， 孙一兰，等. 基于机器视觉的机器人分拣系统的设计与实现[J]. 组合机床与自动化加工技术， 2017（3）：125.

[14]管经纬.基于机器视觉的工件自动分拣系统研究[D].上海：东华大学，2015.

[15]肖仁， 吴定会， 欧阳洪才. 基于机器视觉的自动分拣系统设计研究综述[J]. 智慧工厂， 2017（9）：43.

[16]吳源远.高速分拣机械手视觉识别技术研究[D].无锡：江南大学，2009.

[17]穆向阳，张太锰.机器视觉系统的设汁[J].西安石油大学学报，2007， 22（6）;104.

[18]刘金桥，吴金强.机器视觉系统发展及其应用[J].机械工程与自动化，2010 （1） ：215

[19]戴津.自然场景中文本检测技术研究综述[J].计算机光盘软件与应用，2013（18）：104

[20]张健.复杂图像文本提取关键技术与应用研究[D].天津：南开大学，2014.

（编辑：王 萍）