基于机器视觉的颜色分拣机器人设计

为了提高分拣工作的效率、降低成本,设计了基于视觉识别的颜色分拣机器人。该机器人将OpenMV作为机器视觉的主要模块,机械臂作为运动模块,通过KPZ51核心系统板完成模块之间的信息互通,基于Lab颜色空间以及CamShift跟踪算法实现了颜色识别与跟踪、物体抓取、串口通信等多种技术。测试结果表明,改进后机器人识别的正确率从56%提高到了92%。颜色分拣机器人能够根据颜色对物体进行分拣。     

机器视觉在工业机器人智能分拣识别中的研究

针对工业流水线分拣作业的需求设计了一套基于视觉检测的工业机器人分拣系统。系统采用工业相机获取工件图像等信息,通过图像识别方法进行工件识别并与机器人建立通信,控制机器人准确抓取并分拣工件。本系统分析图像采集、图像处理与坐标变换等任务,并通过我校罗克韦尔公司提供的可编程逻辑控制器和伺服驱动器运动控制模块搭建仿真实验平台。该系统具有较高的运行速度和准确度,探讨工业机器人在机器视觉条件下的分拣技术,可应用于工业流水线自动化分拣作业领域,促进工业机器人分拣技术被进一步推广和应用,提升我国各个行业中自动化生产线的生产效率和柔性。     

基于机器视觉的水果分级分拣系统关键技术研究

综合考虑自动分拣系统的各项功能要求,设计了自动分拣系统的整体方案.系统包括硬件和软件设计2部分.其中,硬件设计主要包括图像采集、机械手、传送带等模块,通过图像采集模块获取图像,通过机械手抓取水果.软件设计包括水果位置检测和分类识别两部分.通过研究水果的位置检测方法,对水果图像进行预处理,通过多种算子实施边缘检测,再基于...     

快递智能自动分拣系统设计研究

设计的快递智能自动分拣系统采用C/S架构,分为智能终端和信息系统两大模块,两者根据TCP/IP协议建立连接,基于档板式分拣机实现自动控制功能。具体在DSP处理器平台上开发作为客户端的智能终端,摄像头会在包裹的位置通过红外感应器完成检测后被触发,执行对包裹运单图像的采集和处理过程,最终译出运单号码,再通过计算机信息系统完成包裹目的地的查询,智能终端据此通过控制分离旋转挡臂实现自动分拣过程。测试结果表明该系统能够有效实现对运单号码的自动识别过程及自动分拣,使物流中心的快递包裹分拣效率得以有效提升。     

基于OpenCV的物料分拣搬运机器人的设计

针对当今制造业中物料分拣搬运任务的自动化问题,设计出一套新型物料分拣机器人,结合2019年广东省工科大学生实验综合技能竞赛的机器人设计要求,提出了一种基于OpenCV的物料分拣搬运机器人的设计。以结构、控制、识别及通讯四方面对机器人的设计进行介绍。在基于STM32芯片的主控制系统的控制下,以树莓派4B为核心的图像识别系统运行OpenCV对摄像头采集的图像数据进行处理,通过CAMshift跟踪算法对目标进行跟踪,得到目标在图像中的位置,机器人根据该位置对物料进行抓取并搬运至物料投放点,在机器人运动同时通过Wi-Fi和Flask框架可在浏览器网页上对机器人的识别情况进行监视。实验及竞赛结果充分证明机器人在物料分拣搬运任务的完成上具有极大的高效性、准确性及稳定性,对制造业自动化的技术推进具有极大的前景。     

基于模糊控制的自主寻迹机器人设计

以飞思卡尔16 bit单片机MC9S12XS128为核心控制单元,设计了寻迹传感器,避障模块、驱动模块以及调试模块等硬件电路。在控制算法上采用模糊控制对小车进行控制,使得机器人能自动采集信息,分析外部环境,控制电机转向及寻迹,实现了机器人的自动寻迹以及避障功能。     

智能移动垃圾分拣机器人设计与实现

随着我国人口红利逐渐减弱,以及计算机、工业自动化水平的提高,迫切要求通过自动化设备代替传统人工进行工作。本作品研究基于视觉识别技术的智能移动垃圾分拣机器人,能够进行路径规划遍历清扫区域,扫描识别垃圾并抓取垃圾。作品由导航单元、目标识别单元以及分拣控制单元三部分组成。导航单元基于ROS分布式框架,利用激光雷达采集清扫区域环境信息,实现基于扫描匹配算法的SLAM功能,并通过最优路径算法进行路径规划遍历清扫区域。机器人遍历过程中,由目标识别单元通过SSD_MobileNet_V2深度学习算法对摄像头获取的图像进行目标检测以及目标分类,获取目标的坐标及其角度信息作为分拣控制单元的输入信息,控制分拣控制单元执行垃圾抓取任务。     

摆轮式快递分拣机控制系统设计

为提高传统快递分拣系统的分拣效率与分拣准确性,设计了一套摆轮式快递分拣机控制系统;该系统根据前端扫码系统扫描的单号信息,获取包裹单号地址所对应的分拣口信息,采用队列的方式对分拣线上的包裹进行管理,分拣机通过红外对管检测分拣线上的货物位置,按照计数值获取对应包裹存储在队列中的信息,根据分拣信息确定包裹出口;实验结果表明,采用队列方式、双重红外检测、变速双摆角的控制模式分拣准确率、分拣效率较高,每小时可达6 000多件;摆轮式快递分拣系统可以显著提高包裹分拣效率和准确率,对降低包裹处理时间,节约物流成本具有重要意义。     

基于物联网的分拣机器人故障检测系统设计

目前研究的分拣机器人故障检测系统检测准确性较低,导致检测结果误差较大、实时性较差;为此,基于物联网设计一种新的分拣机器人故障检测系统;选用滑轮式机器人载体设定分拣机器人,硬件部分采用Zigbee压力传感器采集机器人故障信息,利用XBEE模块负责数据传输,协调分拣中控机接收各个传感器采集的信息,通过STMP3550芯片实现控制器设计;通过信息标定、信息采集、特征提取、故障识别实现软件工作流程,应用非极大值最大类间方差法来筛选出最优的高低阈值解,得到连续但含有假边缘的故障信息图像边缘;将提取到的图像特征向量映射到类型空间之中,确定故障原因,完成故障识别;实验结果表明,所设计分拣机器人故障检测系统在6次检验中都准确地检测出故障原因,故障检测耗时平均值为3.27 min,能够有效提高检测准确性,加强检测结果的实时性.     

基于旧电表机械自动化分拣及检测技术研究

常用分拣检测技术识别工件类别时,忽略机械图像的深度信息,导致工件识别精度和识别效率较差。为此,研究基于旧电表机械自动化分拣及检测技术。摄像机采集旧电表工件视频信息,转换视频帧为数字图像,预处理后提取图像边缘信息和深度信息,识别旧电表工件位姿,判别工件类别,利用PLC发出执行信号,控制机械手到达抓取位置,分拣识别出的旧电表工件,输入边缘特征和深度特征至卷积神经网络,预测工件类别,检验分拣是否准确。实验结果表明方法可提高工件分拣的准确率和召回率,提高旧电表工件识别精度和识别效率。     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

基于图像检测的煤矸分拣机器人实验平台

目前煤矸预分选仍多为人工完成,劳动强度大、分拣效率低,且存在安全隐患,利用煤矸分拣机器人代替人工完成煤矸预分选是保障工人健康和安全、提高作业效率的有效途径。然而现有的煤矸分拣机器人在弱光照强度、煤矸表面覆盖煤粉等情况下的效果较差,针对上述问题,提出了基于图像检测的煤矸分拣机器人实验平台。该实验平台通过工业相机采集煤矸图像,利用ResNet18-YOLOv3深度学习算法对图像中的煤矸进行识别,采用TCP通信将矸石的位置信息提供给煤矸分拣模块进行轨迹规划,控制机械臂对矸石进行夹取,完成矸石分拣作业。采用Halcon标定法对实验平台进行手眼标定,从而实现相机像素坐标与机械臂空间坐标的转换;对实验平台进行了定位误差标定,对于尺寸均为50 mm以上的煤矸样本,定位误差不大于9 mm。实验结果表明,该实验平台在强光照条件下的煤矸识别准确率达99%,在弱光照条件下的煤矸识别准确率为95%,在煤粉附着条件下的煤矸识别准确率不低于82%,且煤矸分拣准确率为82%。     

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。     

不规则多物品无序分拣机器人研究

针对多种不规则物品混乱摆放的抓取问题，一直是机器人领域研究的热点和难点，对其研究在家庭生活服务机器人等领域有很高的应用价值。为实现这一功能，基于双目相机和协作机械臂搭建一套物品分拣机器人系统。系统中基于YOLOv5算法和PSMNet网络建立起目标检测和双目立体匹配算法，利用ROS系统的MoveIt模块进行机械臂控制。经过实验验证，该机器人能够有效识别、定位和分拣形状不规则、表面纹理丰富、摆放混乱的物品，对经过训练的物品识别成功率达到100%，分拣成功率达到93.3%。     

基于CNN深度学习的机器人抓取位置检测方法

针对传统检测方法受到复杂环境和人工干预影响而导致检测精准度低的问题,提出了基于CNN深度学习的机器人抓取位置检测方法。根据CNN基本结构,研究基于CNN深度学习检测原理。按照切线斜率方向划分机器人抓取位置模板点,计算模板匹配距离,得到机器模板上匹配点到边缘坐标图像点中最近的距离。保持横纵坐标变量保持不变,观察映射图上坐标灰度值及匹配度函数分布情况。引入GA求解匹配方法,根据匹配流程,寻找最优解。分析彩色图像、深度图像的可抓取位置和不可抓取位置信息,并将其转化为符合CNN深度学习的数据格式,完成信息预处理。根据机器人抓取作业示意图,设计具体检测流程,并显示检测结果,由此完成机器人抓取位置检测。由实验结果可知,该方法检测精准度最高可达到0.988,能够应用到实际机器人抓取相关任务之中。     

以学科竞赛促进工程能力培养——以基于机器视觉的自动分拣搬运机器人设计为例

学科竞赛在"以赛促教、促学、促创"方面发挥了重要作用。围绕工程、应用和实践,组织学生参加了中国工程机器人竞赛,为了实现仓库中多重目标的复杂搬运及堆垛任务,设计了一款基于摄像头的分拣搬运机器人。该分拣搬运机器人以STM32F103为主控芯片,机器人的行驶路径及分拣工作仅依靠摄像头识别,通过摄像头采集到黑线来规划路径、调整车身和计算行驶路径,并识别目标颜色物块。使用舵机驱动车体,二自由度机械钩子勾取堆叠的货物,再由一个机械爪子抓取和搬运。经竞赛测试,在80Lux以上照度下,机器人识别精度可达到100%,实现了分拣搬运的智能化,图像的处理仅依赖微控制器,极大地降低了成本。通过竞赛增强了学生的创新精神,团队协作能力,促进了对学生工程能力的培养。     

缺陷药片智能识别与分拣机器人研究

针对药片表面质量检测主要依靠人工肉眼判断、检测效率低和漏检等问题,开展了缺陷药片智能识别定位与分拣机器人技术研究,进行了机器人系统总体设计和结构设计,采用Halcon机器视觉开发平台编写了图像识别与处理软件对缺陷药片进行识别和定位,对机器人进行了正运动学和逆运动学分析,编写了药片位置信息解算软件,通过指令驱动机器人各关节运动对缺陷药片进行准确抓取,实现了缺陷药片的智能化分拣。通过所设计的缩比机器人系统对药片进行分拣,验证了缺陷药片智能识别定位与分拣的功能,该机器人系统具有成本低、工作范围大、智能识别定位准确、通用性好的优势。     

面向目标搜索的轮式机器人的设计与研究

应用嵌入式技术、无线传输技术和图像处理技术,设计搜救机器人,为防灾救灾提供技术服务.采用ARM 11微控制器LM3S9B96设计机器人和手持终端,机器人通过所携带的摄像头采集图像并进行压缩后,通过wifi传输给手持终端;手持终端用TFT液晶屏显示所接收到的远程图像信息,并通过用户界面通过wifi向机器人发送控制命令;机器人根据命令控制自身的运动以及摄像头的转动.实验结果表明,采集的图像清晰、命令执行及时可靠,能够较好地完成目标探测、搜索等任务.     

矿山救援机器人群设计

针对目前矿山机器人适应性差、通信能力弱、机动性差等问题,设计了矿山救援机器人群。该机器人群主要包括通信机器人、搜救机器人、辅助救援机器人和数据处理中心。通信机器人利用超宽带雷达进行生命探测,找出被困人员的具体位置,同时通过内置中继设备保证救援过程中的信息传输;搜救机器人按照实时路径规划行驶并传回音频、视频、井下环境信息,在找到被困人员之后充当通信设备,构建救援人员与被困人员的通信渠道;辅助救援机器人包括负责打通救援路径的清障机器人和为被困人员输送救援物品的物资运送机器人;数据处理中心根据被困人员位置信息,通过GIS规划搜救机器人的搜救路线,并根据井下实时信息进行路径修正。机器人群中各类机器人相互协作、功能互补、信息统一化处理,可有效减少因灾后环境不明而带来的二次伤害,提高救援效率。     

基于视觉识别定位的苹果采摘系统研究

针对果实振荡、重叠影响采摘机器人采摘精度和效率的问题,研制了一种在农田 环境下利用视觉检测技术和机器人定位抓取技术的苹果采摘系统。首先利用图像处理技术对初 始图像进行图像预处理;其次根据图像角点提取算法检测图像曲率,通过计算曲线段上的多个 像素平均角方向之间的差值对曲率进行平滑处理,获取图像曲率集中峰值点;最后对图像曲率 峰值点进行像素坐标标定,并将该点像素坐标转化为物理坐标作为机器人的定位抓取目标点, 机器人根据定位目标点的位置信息调整运动姿态对果实进行实时追踪和识别,实现果实的精确 定位、抓取和采摘。试验证明,该系统下的机器人抓取果实的成功率高达九成以上,基本能够 满足实际生产中的果实采摘需求,可为苹果等球状果实精准识别、定位抓取提供参考。