基于双目视觉的食品分拣Delta机器人定位抓取技术

目的：解决Delta机器人在食品分拣中定位精度差、抓取成功率低等问题,提高机器人的柔性抓取能力。方法：在现有双目视觉和Delta机器人技术的基础上,提出一种基于双目视觉的Delta机器人柔性抓取方法。采用张正友标定方法对相机进行标定,通过弦中点Hough变换对目标进行识别和定位,根据PID跟踪抓取控制Delta机器人抓取动态目标。通过试验对单目标分拣和多目标分拣性能进行分析,验证该方法的可行性。结果：该方法能够准确、快速、稳定地对目标进行动态抓取(成功率在94.0%以上)。结论：双目视觉与Delta机器人相结合可以有效提高机器人的定位精度和分拣抓取的成功率。     

基于改进NURBS曲线插补算法的食品分拣机器人轨迹规划

目的：为了更好地规划食品分拣机器人的运动轨迹,降低其振动幅度,使食品分拣机器人能够高精度地完成任务。方法：以Delta并联机器人为基础,结合NURBS曲线插补算法和改进的遗传算法,提出了一种以最优运动时间为目标的食品分拣机器人路径规划方法。采用改进遗传算法来优化NURBS曲线。通过仿真对优化前后进行对比分析,验证了该优化方法的可行性。结果：与优化前相比,所提的优化方法可以在一定程度上降低食品分拣机器人的运动时间,从优化前的3 230 ms降低到优化后的3 070 ms。关节空间的机器人曲线也更加平滑,可以充分发挥并联机器人的性能。结论：该轨迹规划方法能有效提高食品分拣机器人的分拣稳定性和效率。     

基于IPSO-BPNN-PID控制的食品并联机器人抓取技术

目的:解决并联机器人在食品分拣中存在的效率低、精度差等问题。方法:在食品分拣系统结构的基础上,提出了一种改进BP神经网络与PID控制相结合的Delta机器人运动目标抓取策略。通过改进的粒子群优化算法优化BP神经网络初始权值,并利用优化的BP神经网络对PID控制参数进行实时调整。通过试验分析该方法的性能验证其优越性。结果:相比于传统控制方法,所提方法能够较为准确、高效地实现动态目标捕获,动态抓取成功率达到98%以上,能够满足食品分拣的需要。结论:通过对动目标抓取策略的优化可以有效地提高Delta机器人的抓取效率和精度。     

基于并联机器人的食品分拣控制系统设计

为解决食品包装过程中分拣困难、漏拣和误拣率高等问题,基于并联机器人设计一种食品分拣控制系统。食品分拣设备主要包括并联机器人、夹持器、工业相机、LED光源、传送带等。以并联机器人为研究对象,设计一种模糊神经网络控制器,实现在线调节PID控制参数。通过改进粒子群优化算法,实现神经网络初始权值最优化处理,并开展相关试验研究。结果表明,系统漏抓和误抓率非常低,最大为0.1%;并联机器人的食品分拣控制系统具有好的稳定性和可靠性;抓取精度较高;能够满足食品包装要求。     

面向非典型食品生产的高速机器人分拣系统设计

为解决食品生产种类多、差异大等原因造成难于分拣的问题,以并联机器人和视觉技术为基础,设计分拣系统的运行方案。而目前对于复杂型包装及体积小的食品,国内外对其设计的分拣系统技术并不成熟。根据高速机器人视觉系统的功能需求,构建了更精准的不同食品定位和分级的硬件系统,并完成控制系统的软件程序设计。通过对整个系统的研究发现其能够达到设计的要求,可有效地提高复杂包装及小体积食品的分拣效率,降低人工劳动的强度。     

基于闭环和前馈控制的高速食品分拣机器人控制技术

目的：满足当前对食品分拣机器人速度和精度的需求。方法：基于高速并联食品分拣机器人的系统体系结构,提出一种将传统的运动学闭环控制和力矩前馈控制相结合的高速并联食品分拣机器人控制方法;在原有遗传算法整定PID控制参数的基础上,引入力矩前馈控制方法进行动态控制;对比分析系统的动态跟踪精度和关节力矩,并验证该控制方法的优越性。结果：与传统PID控制相比,最大和平均关节位置跟踪误差降低了65％以上,最大轨迹误差降低了50%以上。结论：该控制方法可以有效提高高速运行时抑制动态干扰的能力。     

基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法

目的:解决现有食品生产线分拣机器人目标识别方法存在的准确率差和效率低等问题。方法:在对基于双目视觉食品分拣系统进行分析的基础上,提出了一种将改进的粒子群算法和支持向量机相结合用于食品分拣机器人的目标识别。通过改进粒子群算法寻优支持向量机参数,获得优化的支持向量机分类模型,对全局特征和局部特征分别进行分类器训练,动态分配特征权重系数,得到最佳识别率。通过试验分析所提方法的性能,验证其可行性。结果:与常规方法相比,所提方法在食品分拣机器人的目标识别中具有较高的识别精度和效率,准确率为99.50%,平均识别时间为0.048 s,满足机器人的分拣需要。结论:所提方法能有效识别罐装食品,提高了分拣机器人分拣准确率和效率。     

基于颜色特征的筒纱分拣机器人识别定位方法

针对筒纱分拣机器人作业目标的表面纹理复杂、位置随机摆放等干扰因素的问题,课题组提出了基于颜色特征的筒纱识别定位方法。构建了具有视觉感知的4自由度DOBOT筒纱分拣机器人系统,通过视觉系统获取筒纱多目标的图像,采用对图像进行预处理的算法来提高分拣目标的对比度;将作业目标由RGB空间转换到HSV颜色空间,提取各分量的颜色特征,采用区域生长法对不同颜色的多目标区域进行提取;建立基于图像信息的形心坐标,对各目标区域的连通域进行定位。实验结果表明:该方法能够实现对不同颜色的作业目标的识别与定位,并在分拣机器人的手眼标定的基础上,实现了对不同颜色的作业目标进行分拣。     

高速机器人分拣系统机器视觉技术的研究

针对我国食品生产行业的实际需求,基于并联机器人、机器视觉等先进技术,构建了面向食品生产包装的高速机器人分拣系统,研究了输送带上运动食品的机器视觉定位算法,设计了运动食品分级与定位的机器视觉硬件系统,基于专业图像处理软件Sherlock,研发了自动分拣机器视觉软件系统,以提高我国食品生产效率、保证食品卫生、降低劳动强度。     

基于改进反演控制的食品分拣机器人末端执行器智能控制方法

目的:解决并联食品分拣机器人分拣过程中存在的末端执行器定位精度差、效率低等问题。方法:提出一种将模糊系统、模糊神经网络和反演控制算法相结合用于并联食品分拣机器人末端执行器的智能控制。建模信息由模糊系统逼近,未建模信息由模糊神经网络逼近和预测,反演控制完成控制输出,最后进行实验验证。结果:与传统控制方法相比,所提控制方法具有良好的末端执行器跟踪精度和控制效率,末端执行器误差小于0.3mm,分选效率达到1.99个/s。结论:该控制方法可以实现准确、高效和稳定的位置跟踪。