摘要：智能制造是当前工业化生产的主要内容,柔性生产线因具备个性化、定制化的特点,被广泛应用于其中,且成为智能制造的特色生产方式。本研究提出了一种PLC融合AI的视觉分拣方案,利用PLC的控制优势和AI视觉识别技术,实现了生产节奏和视觉识别的实时联动,满足柔性生产线的快速、高精度分拣需求,有效促进了智能制造产业的发展与创新。

　　关键词：柔性生产线；PLC；AI视觉；分拣系统

　　0引言

　　智能制造以满足市场中消费者多元生产和多样产品设计需求为目标,以数字化技术为基础,使传统大规模、标准化与批量化的制造业转型为柔性化和定制化生产,旨在提高生产企业的市场适应能力和竞争优势。物料分拣作为柔性生产中的关键环节,其分拣效率与准确性直接影响到生产的效率以及最终产品质量。多品种物料特征差异小的情况更加考验分拣系统物料识别和控制的精度,且复杂多变的生产环境影响进一步增加了分拣系统的应用难度[1]。因此,探究高效、智能的分拣方案,对于提升柔性生产线的整体性能有较高的工程应用价值和现实意义。

　　1系统架构设计

　　1.1总体架构

　　本文结合柔性生产线PLC控制的特点,将AI视觉识别技术融入进来,采用三层异构协同作为系统的总体架构设计方案[2],如图1所示。

　　管理层主要负责接收生产订单的相关信息,从而按照生产需求下发相应的生产工单,并通过在其中配置详细分拣规则的方式,指导整个分析分拣过程；控制层则按照PLC控制系统下达的指令,实现分拣动作的精确控制和运动规划,如物料抓取、搬运和分类等,并与执行层联合运行；感知层则利用AI算法对分拣物料的类型和位置进行识别,同时将识别视觉信息准确传递给PLC控制系统,为分拣决策提供依据。

　　1.2硬件设置

　　为了保证PLC的AI视觉融合分拣方案的有效实施,硬件设置上必须达到一定的要求,才能确保方案的可行性[3],硬件参数设置如表1所示。

　　1.3通信协议设计

　　为了保证PLC控制系统与AI视觉识别之间可进行高效的通信,本文采取双链路机制,如图2所示。

　　由图2可知,参数配置链路的实现是以OPC UA协议为主,使得该系统具有跨平台、安全可靠的优势,有效传输模型参数与分拣规则。如生产过程中需要进行产品型号更换,可直接通过该协议采取在线的方式,对相关参数进行更改,提高了系统的灵活性与适应能力。

　　2 PLC融合AI视觉分拣设计

　　2.1 PLC控制程序设计

　　首先是控制逻辑架构设计。PLC控制程序选用模块化编程思想,通过分解复杂的控制逻辑,使其成为多个独立功能模块,之后通过控制和开发模块的方式,提高程序的开发和调试等效率。功能模块包括进行视觉数据交互与结果解析的FB_Vision、分拣策略执行与动作控制的FB_Sorting、节拍时间管理与同步的FB_Timing以及异常处理与故障诊断的FB_Error。

　　其次是协同机制。为了保证PLC控制与AI视觉之间实现有效协调,设计三级同步机制。（1）硬件同步,使用PLC的高速计数器捕获相机触发信号；（2）软件同步,通过Profinet总线的时钟同步功能校准系统时间；（3）算法同步,在分拣动作中加入视觉反馈补偿环节,程序代码如下。

　　最后是柔性换型实现。柔性换型作为柔性生产线的重要体现形式,本次研究采取参数化编程方式实现换型,并利用HMI（人机界面）引导操作人员完成相关参数的切换,从而快速完成分拣系统的配置,有效提高生产线的可靠性与适应性。

　　2.2 AI视觉识别设计

　　生产线的实际生产环境受到外部生产环境影响,在一定程度上会影响识别系统的物料识别精度和准确性。本设计通过预先对图像进行处理的方式解决该问题。方案图像预处理采取自适应预测的流程,首先,进行动态白平衡,以Gray World为基础进行假设,实施计算RGB增益系数；其次,进行多尺度高斯滤波,按照物料尺寸进行滤波核的动态调整；最后,利用ROI自动划分,以PLC控制系统所提供的传送带位置信息为基础,动态生成感兴趣的区域。

　　同时,对轻量化检测模型进行优化。首先,以YOLOv8-nano为基础,对其中的骨干网络进行替换,即将C2f模块替换为MobileViT轻量化结构,减少40%左右的参数量；其次,引入IoU-Focal Loss,有效解决小目标漏检问题,实现电机损失函数的改进；最后,使用TensorRT进行INT8量化,有效提高系统的推理速度,使其达到原来的2倍,对模型实现量化。

　　此外,为了实现高效且准确的分拣,设计分析系统的分拣决策算法。以生产节拍为基础,设计动态的决策机制,如图3所示。

　　决策机制具体如下：按照工单顺序与物料特性,设置分拣优先级,实现优先级调度；在容错处理方面,其识别置信度为0.85,当小于该值时,触发二次识别流程；利用PLC控制系统反馈的实时节拍,对检测频率进行动态调整,有效减少资源损耗。

　　3实验验证

　　3.1实验环境

　　为了检验所设计方案的有效性,以某3C产品的柔性生产线为例,在其上创建测试环境。测试的物料主要为电子元件,包括电容、电阻、电感、IC、连接器五种,既能够保证物料在基本参数上具有较小的差异性,也不会刻意增加分拣系统的识别难度,更加贴合实际。生产线的生产节拍设置为可调节的400~600ms,能够模拟不同生产节奏下的分拣情况；灯光亮度和角度可调节,且保持在300~1000lux光照范围内,模拟真实的生产车间。

　　3.2测试结果分析

　　在上述环境中,结合上述设计对所提方案进行准确率和性能测试,将传统Hough变换、YOLOv8原始模型作为对照组,得到测试结果,检验所提方案的有效性,如图4所示。

　　由图4可知,传统Hough变换的分拣平均准确率为87.4%,YOLOv8原始模型的分拣平均准确率为96.8%,所提方案的分拣平均准确率为99.2%,相较于传统方案,在YOLOv8基础上设计的分拣系统的分拣准确率有了13.5%的提升,优化效果显著。

　　性能测试方面同样采用对比分析的方式,通过对比传统方案,验证所提方案的有效性,结果如表2所示。

　　由表2可知,所提方案分拣效率更高、换型时间更短,表明所提方案具有更高的性能优势；72h的连续稳定运行说明所提方案具有更强的稳定性与安全性,能够大大提高生产效率,降低产生的不合格率。

　　4结语

　　本文面向柔性生产线的PLC融合AI视觉分拣方案采用三层异构协同结构,同时明确了硬件设置,利用双链路机制实现通信,促使柔性生产线具有高效的分拣能力。在实验过程中,该方案展示出了较高的性能优势和准确率,可将其应用于实际生产线的改造与构建。在未来发展过程中,可通过引入联邦学习机制的方式,对多生产线模型的协同进行优化,或集成5G通信技术,实现生产线的远程运维与算法升级,进一步推动智能制造的升级与创新。

　参考文献

　　[1]邸静妍.基于PLC与机器视觉的物料分拣系统的设计[J].科技创新与生产力,2025,46(2):119-123.

　　[2]张俊,刘天宋,张任天,等.基于PLC与工业机器人的视觉跟踪分拣系统设计[J].自动化应用,2024,65(3):76-79+82.

　　[3]杨利,谢永超.基于PLC和机器视觉的工件自动分拣系统设计[J].工业仪表与自动化装置,2022(1):48-51.