1 系统主控设计方案
在本物流运输系统的设计中,我们选择Arduino作为核心主控,这一决策是在多方面因素的综合考虑下做出的。首先Arduino平台因其简单、易学的编程语言和开发环境而备受赞誉。其基于C/C++的编程语言简化了代码编写过程,使开发者可以更专注于系统逻辑和功能实现,提供了友好的入门体验。
其次,Arduino生态系统拥有庞大的库和可用的扩展模块,覆盖了各种传感器、执行器和通信设备。通过与Arduino兼容的模块,系统设计者可以迅速集成各类硬件,并通过库函数轻松实现复杂的功能,这有助于节省开发时间和资源。它的硬件相对简单、成本较低且易于获取,成为原型设计和小规模生产中经济实用的选择。其开源设计理念促进了硬件的可定制性,增强了系统的适应性。
最后,我们团队对Arduino硬件和软件进行了严格测试和验证,以确保其在各种应用场景下具有较高的稳定性和可靠性。对于物流分类系统这类需要长时间、稳定运行的应用,系统的稳定性至关重要[7]。
在综合考虑了以上因素后,选择Arduino作为物流分类系统的主控方案,有望提供更为高效、可靠和易于开发的解决方案。下图1为本次使用的实物图:
图1 Arduino实物图
2 图像采集模块方案
在物流分类系统的图像采集模块设计中,我们选择了OpenMv4 H7Plus作为摄像头,以满足系统对于图像处理和二维码识别的需求。该摄像头内置了强大的STM32F427CPU核心芯片和OV7725传感器,同时配备全速USB接口、SD卡槽、三色RGB LED和高亮度IRLED。此外,模块还为用户预留了两排8位IO的排插,提供了更大的可扩展性。
OpenMv 4 H7Plus在深度学习方面的支持为系统带来了更多的灵活性和性能优势。其内置神经网络模块,兼容TensorFlow Lite Micro框,使得嵌入式设备能够高效运行深度学习模型。这为图像识别、特征提取等复杂任务提供了更强大的处理能力,有助于系统在不同场景下更准确地进行物流分类[8]。
相较于其他型号的摄像头,OpenMv 4 H7Plus的独特之处在于其可编程性。拥有丰富的接口函数和开发库,使得用户能够更轻松地实现定制化的图像处理算法,并通过编程对系统进行灵活调控。同时,其相对较低的成本也使得系统的实施更具经济性。这为图像识别、特征提取等复杂任务提供了更强大的处理能力,有助于系统在不同场景下更准确地进行物流分类。
综上所述,OpenMv4 H7Plus作为图像采集模块的选择,不仅在硬件性能上有所突出,更在深度学习和可编程性方面为物流分类系统的实现提供了全面的支持。实物图如图2所示。
图2 OpenMv实物图
3 系统整体设计方案
本次系统的整体结构包括识别模块、控制模块、驱动模块以及投放模块。红外传感器被设计为系统的总开关,在检测到有投放物流产品时触发系统启动。识别模块随即开始工作,首先由摄像头完成对图像信息的采集。采集到的图像随后与处理器中的模型进行比对,生成具体的识别结果,即物流的种类,并将这一结果发送给主控模块。主控模块在接收到来自识别模块的结果信息后,传递信号给执行相应的投放物流操作,即通过传送带传输到指定位置后进行投放,并在完成投放后进行系统复位。系统的整体结构框图如图3所示。
图3 系统流程图
4 成品演示视频
基于Openmv物流分拣系统/快递分拣/垃圾分类