基于嵌入式机器视觉的流水线分拣机器人设计

针对传统流水线上人工错误率高、速度慢和人工成本高的问题,设计了一种深度学习的流水线智能分拣机器人来缓解流水线的压力。该机器人采用分层结构设计,上位机采用Jetson Nano来完成机器人的图像采集、识别和处理,下位机由STM32G0作为主控,通过舵机和电机实现机器人的功能控制。同时上位机与下位机之间进行有效的数据交互,实现了机器人的抓取和分拣协调工作。在实验测试中,该机器人能够通过学习样本实现自动分拣不同类型的对象,并且能够精确识别。该流水线分拣机器人融入了计算机视觉与嵌入式系统,不仅使分拣机器人结构更紧凑,而且有利于提高社会生产力水平,具有良好的应用前景。     

基于机器视觉工作分拣系统的设计与组态

随着社会的不断发展、科技的进步,自动分拣系统越来越便捷、可靠.工业生产上很多流水线采用自动分拣系统.本设计主要采用欧姆龙机器视觉FZ5系统及三菱FX3U系列PLC,对自动分拣系统进行研究,设计了一套具备机器视觉、性能高、可靠性强的、以PLC控制为核心的自动分拣系统,提高了分拣的工作效率、降低了成本、节省了劳动力.     

基于机器视觉的元器件分拣系统设计

随着教育行业的兴起与发展,在众多高校中,电子专业课程的实验室和关于电子的社团在元器件管理方面会存在一些问题,比如元器件的存储存在不同型号元器件混合在一起该如何去解决的问题。在目前,元器件存储分拣通常需要花费大量的人力和时间。近年来,世界智能化程度越来越高,我们可以通过智能机器视觉来代替人工去识别大量的元器件混合场景,以提高分拣效率,降低传统分拣时间精力浪费的问题,减少重复枯燥的分拣工作。本系统主要针对传统元器件分拣方法准确率和效率低等问题,设计一个基于机器视觉的元器件分拣系统,可以广泛应用于数电实验室和社团元器件混合等多种需要进行元器件分拣分类识别的应用场景,具有较高的准确率和实时性,克服了人工分拣工作效率和正确率较低的问题。     

基于机器视觉的机器人物料分拣系统的设计

随着生产技术发展和产业转型升级,机器人代替人工劳动是大势所趋,而视觉是机器人的“眼睛”。分拣是工业生产过程的关键环节,但传统分拣工作多以人工分拣为主,这降低了生产效率,且难以保证产品质量。运用基于机器视觉的机器人物料分拣系统,能对不同颜色的物料进行准确识别和精准定位。本文阐述了机器视觉应用的意义、基于机器视觉的机器人物料分拣系统组成,设计了基于机器视觉的机器人物料分拣系统软件,分析了系统的应用优势。通过实践,实现了基于机器视觉的机器人物料分拣系统功能,提高分拣安全性、可靠性和工作效率,从而提高工业生产的智能化,适应产业发展需要。     

基于机器视觉的工业机器人自动分拣系统设计

经济的发展推动了我国工业自动化进步,自动分拣是工业自动化中的一部分,传统的工业机器人自动分拣系统的分拣精确度较低,无法满足目前的工业化生产需求,因此基于机器视觉设计了新的工业机器人自动分拣系统.硬件部分设计了CCD图像采集器和运动控制卡,软件部分首先处理了工业机器人自动分拣图像,其次基于机器视觉识别了自动分拣工件类型,...     

基于机器视觉的工业机器人分拣控制系统探究

在工业生产环节中,工件分拣是不可或缺的一部分.其作用是将不同型号的工件、物料分类摆放到对应的位置.随着科技的发展,机器人的性能、系统等也在不断提高,为了推动机器人分拣技术的进步,本文从机器视觉的角度出发,研究机器人分拣系统,并为整个控制系统的方案设计、运动学分析、对工业摄像机的标定、图像处理、运动目标的跟踪以及机器人分...     

基于机器视觉的平面规则几何工件分拣方法

为有效提高工业生产中工件分拣的效率,提出了一种基于机器视觉的平面规则几何工件分拣方法。首先对CCD相机采集到的工件图像进行预处理,包括灰度变换、二值变换及多目标分块处理三个环节;然后通过多目标质心快速计算方法获取工件的几何中心,再运用边缘曲线等价方法实现工件的形状识别,接着利用Harris算法检测出工件的角点,并筛选出工件外接矩形上的角点用于计算工件的旋转角度;最后引导Tripod三轴并联机器人在线完成工件分拣实验。实验结果表明,该方法能够获得良好的识别效果,有效提高了工件分拣的柔性和自动化程度,具有应用价值。     

一种基于深度学习的自动识别分拣机器人设计

通过对煤和岩石的纹理特征值进行分析,使用图像处理与模式辨别技术分拣煤矸石中的大粒度煤矸石,针对工作制作出了一种将机器视觉作为基础的多机械臂煤矸石分拣机器人系统。该系统在运用过程中通过机器视觉搜集煤矸石信息,采用深度学习的方法辨别与提取煤矸石的特点;当提取煤矸石基本信息后,依据煤矸石的位置开展排序工作,同时利用多目标任务分配策略把提取任务传送至机械臂控制器;当机械臂接收到任务之后,依据接收到任务实时监测目标,在目标进入机械臂工作区域后,使用视觉伺服系统促使机械臂分拣煤矸石。     

机器视觉系统组成研究

机器视觉检测系统解决了传统人工检测中的许多问题，在很多行业中得到广泛的应用。文章介绍了机器视觉系统的组成及一些著名的机器视觉产品生产厂家，并且介绍了一套完整的机器视觉系统的组成方案。     

基于深度学习的机器视觉轴承检测方法研究

轴承缺陷检测是机器视觉技术中一个重要的应用领域,传统算法需针对特征设计特殊算子检测缺陷,算法比较复杂,局部算子实现困难,大大降低了算法的稳定性,开发效率不高。基于此,首先分析利用机器视觉检测缺陷的方法,其次分析深度学习在轴承缺陷检测中的应用,最后分析深度学习在轴承检测应用中的未来研究方向。     

基于LabVIEW机器视觉的餐具分拣系统

随着国内工业机器人行业的高速发展,智能装备也开始应用于工程实践项目中。机器视觉作为机器人的眼睛,近年来取得了令人瞩目的发展,正广泛地应用于各种工况监视、成品检验和质量控制领域。系统主要以碗碟餐具的分拣作为研究对象,采用美国NI公司开发的LabVIEW软件作为开发环境,通过调用视觉开发工具包IMAQ Vision及Vision Assistant丰富的专业化控件和函数库,针对碗碟分类的特殊条件,设计出一套方便易用,且同时集成 图像采集、图像处理、视觉检测、决策判断的完整的机器视觉应用系统。基于LabVIEW的机器视觉系统的应用实现了碗碟分拣,解决了实际应用中的一些问题,为进一步的研究开发奠定了较好的基础。该系统的设计大大提高了餐具分类的准确率与效率。     

基于机器视觉的水果品质检测综述

随着经济的发展和消费水平的提升,消费者对水果的外观品质要求逐渐提高。目前,我国的水果分级主要依赖于人工与机械分级,存在分拣效率低、品质参差不齐的问题,很难满足消费者的需求。相对于传统的分级技术,机器视觉技术因具有高效、精确、非接触测量的优势,受到国内外学者的广泛关注。结合近年来国内外学者研究进展情况,对水果检测系统、图像去噪、图像分割技术以及特征提取做了详细介绍;对分类器识别算法进行了综合分析;阐述了基于机器视觉的水果分级研究现状及最新进展;并对未来可能发展趋势进行预测,为后续研究工作提供基础理论参考。     

基于机器视觉的蜂窝陶瓷检测系统研究

为了解决蜂窝陶瓷产品质量在线检测问题,设计了一种基于机器视觉的蜂窝陶瓷自动检测系统,介绍了检测系统的体系结构,提出了基于PC+PLC的检测系统控制方案,根据高速摄像机获取蜂窝陶瓷各个面的图像,提出了一种内切圆逐次逼近定位算法,根据实际情况设计了一种针对蜂窝陶瓷图像形状的测量方法,以检测产品是否符合允许误差;实验验证了系统的有效性和检测算法的可行性,系统实现了蜂窝陶瓷质量的快速、精确在线检测,提高了生产效率.     

机器视觉技术在工件分拣中的应用

研究了机器视觉技术在工业分拣问题中的应用,介绍开发过程中使用的主要图像处理算法.利用VisualC++编程软件建立图像处理的算法库,实现对规则几何工件的识别和定位.分析视觉算法库中的摄像机模型,并且求解出摄像机内外参数、畸变参数、旋转和平移向量.然后对图像序列进行图像预处理、Hough圆检测、角点提取和轮廓识别等运算分析.提出计算多目标中心的算法和一种角点特征结合轮廓特征识别算法.仿真结果表明,该视觉算法可以有效解决规则几何工件的分拣问题,并且能准确地计算工件中心,周长,面积和边缘,以达到分拣的目的.     

基于机器视觉的珍珠光洁度在线自动分级

为代替耗时的传统人工分选,设计了一种基于机器视觉的珍珠光洁度在线自动分级系统。首先,该系统在珍珠自由落体时对珍珠进行全方位成像;然后对图像进行实时分析,计算珍珠的有效特征;最后,根据多图的有效特征确定珍珠的光洁度等级。实践证明,该系统不但提高了珍珠光洁度的分选效率,而且节省了企业的生产成本。     

基于机器视觉的多机械臂煤矸石分拣机器人系统研究

现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值,利用图像处理和模式识别技术对煤矸石进行识别分选,分选的煤矸石粒度为25～150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣,设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息,应用深度学习方法实现煤矸石识别和抓取特征提取;在获取煤矸石序列信息后,根据煤矸石位置进行排序工作,并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器;机械臂获取任务后,根据获得的任务对目标进行动态监测,当目标进入机械臂工作空间后由视觉伺服系统驱动机械臂完成煤矸石分拣。试验结果表明,该系统可对粒度为50～260mm的煤矸石进行高效、快速分拣,所采用的煤矸石识别方法和分拣策略在不同带速下具有良好的稳定性和准确性,煤矸识别与定位的综合准确率可达93%,验证了该系统的可行性。     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

基于机器视觉的零件表面瑕疵自动分拣系统设计

针对精密零件表面瑕疵人工检测工作量大且人为误差较大的状况,将计算机视觉技术用于精密零件表面瑕疵检测分析中,并结合嵌入式系统控制分拣机构对零件进行自动分拣。本文设计的一个基于机器视觉的零件表面瑕疵自动分拣系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵自动分拣。