前言：尋找寫作靈感？中文期刊網用心挑選的物流運輸用機械包裝設備系統設計運用，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
0.引言
互聯網的發展帶動了電子商務的發展，物流技術的成熟提高了物流運輸的效率[1]。在物流運輸的智能化發展背景下[2]，急需設計一種新的物流運輸用機械包裝自動分類系統來提高目前的自動分類效率。常規的物流運輸機械包裝分類過程較單一，往往利用較傳統的工業機器人進行分類抓取[3]，但這種傳統的工業機器人往往缺乏智能化感知和敏捷變化的特性導致其對生產前的位置準備及分類物品的擺放區域要求非常高[4]，且在分類過程中，受自身敏感性的影響[5]。因此本文設計了物流運輸用機械包裝自動分類系統，硬件部分設計了數據采集分類器、ARM 處理器，以及S5PC100 核心芯片，軟件部分首先分析了物流運輸機械包裝自動分類需求，其次構建了設備自動分類架構，最后設計了功能模塊，實現了物流運輸用機械包裝設備自動分類。
1. 硬件設計
1.1. 數據采集分類器
傳統的自動分類機器人主要依賴低階手持人工采集終端，不僅需要花費大量的人力成本，且實際的數據采集讀取的效果也較差[6]，性能不高，因此本系統選用智能化數據采集分類器作為數據采集終端，增加信息采集處理的效率。根據系統實際需求，本文繪制了 LXEA、Motorola、Euro Tehc 這幾種智能數據采集分類器的性能參數表，如下表 1 所示。由表 1 可知，LXEA 的各項性能指標較符合本文設計的系統需求，因此本文使用 LXEA 數據采集分類器進行物流運輸用機械包裝設備的采集和分類處理。
1.2. ARM 處理器
為了保證自動分類系統的實際分類需求，增加實際分類效率，設計的自動分類系統必須選取符合要求的 ARM 處理器。物流運輸用機械包裝設備自動分類必須要考慮低功耗和實時性需求[7]，因此需要將 ARM7、ARM9、ARM10、ARM11、ARM Cortex這幾種處理器進行綜合對比，根據處理器的性能差異，選擇最符合系統需求的 ARM 處理器型號。ARM3 的實際工作頻為 80M，標準狀態 下功耗約為0.06mw/MHz，處理能力約為 0.97MIPS/MHz，使用馮諾依曼架構實現處理，ARM9 的工作頻為 150M，功耗為 0.19mw/MHz，處理能力為 1.1MIPS/MHz，使用哈佛架構，ARM10 的實際工作頻為 260M，標準狀態下功耗約為 0.5mw/MHz，處理能力約為1.3MIPS/MHz，使用哈佛架構處理，ARM11 的工作頻為 335M，功耗為 0.4mw/MHz[8]，處理能力為 1.2MIPS/MHz，使用哈佛架構，ARM Cortex 的實際工作頻為 600M~1G，標準狀態下功耗約為 0.3mw/MHz，處理能力約為 2MIPS/MHz，使用哈佛架構，綜合以上差異，本文設計的系統使用 ARM Cortex 作為系統的處理器，降低系統的處理功耗，提高系統的綜合處理能力。
1.3. S5PC100 核心芯片
根據選取的 ARM Cortex 處理器，可以設計內部的核心芯片，常見的核心芯片類型較廣泛，性能也存在差異，因此綜合實際系統需求，本文選取 S5PC100 核心芯片作為系統內部處理芯片。S5PC100 核心芯片具有處理性能高，功耗低的優勢，且其應用成本也較低，內部含有 64/32 總線結構，運算速度可達660MHz 以上，因此其具有較高的解碼能力，能在 LCD 中輸出。S5PC100 核心芯片內部主要包含多個功能模塊，例如進行調整的時鐘模塊，方便存取調用的儲存模塊。多媒體轉化模塊、接口模塊等，都能及時對輸入到處理器中的數據信息進行控制，因此 S5PC100 核心芯片內部處理器的集成部分對整個芯片的實際處理性能有重要作用，為了增加轉換效率，S5PC100 核心芯片設置了 ROM、STAM、NOR、Flash 等多個控制器，使其滿足高速率下的系統轉換需求。
2. 軟件設計
2.1. 分析物流運輸機械包裝自動分類需求
設計的分類系統必須滿足分類功能需求，即將實際分類的過程分為幾個步驟：第一步是進行物流機械包裝合流處理，第二步是根據設計系統的實際情況輸入物流分揀信號，再利用上述設計的數據采集分類器進行分類信息的錄入和處理，并制定分類框架及分類標準，保證實際分類效果，第三步是進行機械包裝分流，控制終端在設備分類處理后，進行了移動分揀篩選控制，由判斷模塊判斷此時是否達到了分類標準，最后，根據分類結果進行分運，使用機械設備進行綜合輸出，完成整個設備的分類過程。
2.2. 構建設備自動分類架構
根據上述物流運輸機械包裝設備自動分類需求，可以構建符合系統實際運作狀態的自動分類架構，需要從幾個方面綜合進行架構設計，其中最主要的就是機械包裝設備自動分類信號的輸入及分流，因此研究分類過程，將自動分類架構劃分成識別部分，分類檢測部分，控制部分，以及分揀部分，各個部分需要協作對實際自動分類信息進行處理。
2.3. 設計功能模塊
根據設計的自動分類架構，可以進一步設計物流運輸用包裝設備自動分類系統的功能模塊，實現自動分類。第一是分類圖像采集模塊，根據 FPGA 控制原則，進行物流運輸用機械包裝設備的采集，設計特殊的采集協議，使其能滿足實際的初始化標準，從而完成分類圖像的采集，因此在圖像采集模塊可以使用VSYNC 代表幀同步信號、HREF 代表同步型號，VGA 代表分辨率，在輸出時序的綜合控制下完成分類圖像的采集識別。第二是邊緣檢測模塊，根據自動分類系統的需求對圖像采集模塊中采集的圖像數據進行邊緣檢測處理，設計卷積運算矩陣模板，使用Soble 算子完成邊緣檢測。第三是顯示模塊，可以根據邊緣檢測模塊的監測結果查看分類情況，利用分類控制器進行信號同步，設計正確的顯示程序，對實際分類識別區域進行規劃，保證 RGB數據的輸出效果，使其滿足標準的 VGA 時序。設計的顯示程序需要利用參數化設計來保證顯示效果，因此可以選取 parameter來進行參數定義，修改定義常量，實現快速自動分類。
3. 平臺測試
為了檢測設計的物流運輸用機械包裝設備自動分類系統的性能搭建了自動分類性能測試平臺，進行系統測試如下。
3.1. 測試準備
根據系統測試的實際需求，利用 Intel RealSense 搭建系統測試平臺，首先固定測試平臺的實際操作范圍，其次設計目標采集模塊，為了提高分類采集測試的有效性，在實際測試模塊利用 Ubuntu16.04 Linux 平衡了測試需求，測試平臺示意圖如下圖 1 所示。由圖 1 可知，該測試平臺為了保證測試準確性設計了 IntelRealsense 感知層，Intel Realsense 感知層可以通過目標物體的像素情況采集實際的分類信息，在分類測試基礎上，測試平臺還添加了交互層，便于測試平臺與 Intel Realsense 感知層進行交互，為了提高測試的智能性，降低測試消耗的時間，測試平臺還搭建了執行層，該執行層可以利用 Robot Studio 軟件來傳遞測試信號，系統整體測試的步驟如下：首先利用 IRC5 進行通信配置，將配置使用的 ROS Server 進行復制記錄，然后利用 RobotStudio 軟件創建測試程序，建立測試結果 ROS 文件，設置控制器，開始進行系統測試。
3.2. 測試結果與討論
分別使用本文設計的物流運輸用機械包裝設備自動分類系統及傳統的機械包裝設備自動分類系統進行物流分類包裝，測試不同數量設備下兩者完成分類消耗的時間，測試結果如下表 2 所示。
結束語：
本文設計了物流運輸用機械包裝設備自動分類系統提高物流分類效率，對后續物流技術的發展有一定的作用，進行系統測試，結果表明設計的系統性能良好，分類消耗時間較短，有一定的應用價值，可以作為后續物流自動分類的參考。
作者：朱海明 單位：西安外事學院創業學院
