基于树莓派的机械臂视觉抓取系统设计

针对快递物流企业中,包裹供件智能化的需求,提出了一种基于树莓派的机械臂视觉抓取系统.通过运用相机校准、机械臂手眼标定、图像识别、机械臂控制等方法,实现了物体的准确、快速抓取.该系统在快递物流分拣、人工智能相关专业教学等领域具有一定的应用价值.     

基于视觉识别的智能分拣机械臂设计与实现

该文提出了基于视觉识别物料机械臂完成智能分拣的设计思路，具体实现方式为首先由工业相机采集待分拣物料图像，HALCON软件处理；其次通过标定、滤波去噪、特征提取、坐标变换分类识别物料；然后由主控制器PLC接收上位机发送的信号，在上位机Visual Studio 2019环境中进行Winform窗体开发；最后结合PLC编程软件TIA Portal V15.1，精准控制机械臂完成物料分拣作业。实验结果表明，基于视觉识别的智能分拣机械臂系统运行可靠，稳定性好，控制精度高。     

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。     

基于树莓派和OpenCV的视觉识别与分拣系统

由于传统的人工分拣技术在物流分拣环节中具有成本高、效率低、易出错等缺点，随着物件的增加，分拣难度越来越大，因此各行各业都在研究如何提高分拣效率和精确度。基于树莓派和OpenCV的物品分拣系统，具有成本低、效率高、易部署、可维护等优点。该系统利用摆轮分拣机灵活可操作性的特点，采用方向分拣和树形分拣两种结构，通过树莓派和OpenCV的结合应用，识别出对应物品后，向摆轮机传输指令，摆轮机对物品进行不同方向的快速分类操作，可以有效解决传统人工分拣的问题。     

基于RFID 的物流自动分拣系统研究与设计

RFID技术因其快速读写、移动识别等优势,在多个领域得到广泛应用。针对物流行业中快递包裹人工分拣效 率较低、错派、丢件等问题,提出了一种基于RFID的物流自动分拣系统方案设计。论文首先对物流快递行业的现状进行了分 析,分析物流快递的配送流程和RFID在自动分拣中的优势,对基于RFID的物流自动分拣系统的架构和系统工作流程进行了 论述,并对系统的效率进行了分析。     

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。     

分拣扫描设备不规则物料分类自动控制方法研究

为了提高分拣扫描设备不规则物料的分类能力,提出基于粒子群进化寻优的分拣扫描设备不规则物料分类自动控制方法。构建不规则物料分类自动控制的图像扫描模型,采用网格分类方法对扫描的不规则物料图像大数据进行自适应分类,在邻域内采用超像素特征分解方法进行不规则物料分拣扫描图像区域融合滤波处理,进行不规则物料分拣扫描图像的颜色分量合并和模板匹配,挖掘不规则物料扫描图像的边缘轮廓特征量,根据不规则物料的边缘轮廓特征扫描结果进行大数据信息融合和分类,采用粒子群寻优算法,根据不规则物料的边缘轮廓特征量,更新粒子群中每个粒子的空间位置,进行不规则物料分拣过程中的外观匹配,实现对不规则物料分拣扫描分类的自动控制。仿真结果表明,采用该方法进行分拣扫描设备不规则物料分类自动控制的收敛性较好,分类结果准确可靠,提高了不规则物料分拣的效率。     

基于PLC与HMI的物料分拣控制系统设计与实现

该文提出了选用S7-1200 PLC为主控制器，发送脉冲等指令作为步进电机驱动器的输入信号，通过步进驱动器实现步进电机控制机械臂运动、吸取和投放物料至指定工位实现物料自动分拣操作，由SMART 1000 IE V3 HMI在线监控系统组态画面的思路。实验结果表明，基于PLC与HMI的物料分拣控制系统运行可靠、稳定性好、控制精度高。     

基于RFID的智能快递管理与分拣系统

本文提出了一套基于RFID的智能快递管理与分拣系统,该系统采用Android端的应用软件,Web端的管理软件和RFID标签技术,对整个快递运输和分拣过程进行监控。论文首先对快递分拣系统进行了需求分析,分析了传统人工分拣存在的问题和RFID技术在快递分拣应用中的经济、技术可行性,对基于RFID的快递分拣系统的体系结构进行了论述,最后对各个模块进行了系统测试,并对RFID在快递领域的应用做了展望。     

基于树莓派的塑料纽扣次品检测系统设计

针对传统纽扣产业中人工检测过程效率低、经济成本高等问题,设计了一套基于树莓派的塑料纽扣次品检测系统。该系统结合了树莓派开发板、传感器、工业相机、气动剔除装置等硬件设备与软件检测算法,形成一套完整的检测系统。通过工业电荷耦合器件(CCD)相机与传感器配合实时采集流水线上纽扣的图像信息,并将其传输到树莓派,经过图像滤波去噪后,使用局部自适应阈值法保留污渍等纽扣表面易缺失细节。通过检索纽扣轮廓信息以剔除少孔、存在污渍块的次品。通过评价轮廓圆度剔除破损纽扣,最后依据评价结果由树莓派发出控制信号剔除次品纽扣。经试验验证,该检测系统能够较好地实现纽扣次品在线检测的准确性与高效性,且由于其硬件设备体积较小、成本较低、便于维护与管理,易于安装与推广至生产线环境。     

基于机器视觉的三轴机械臂分拣装置设计

针对当前市场上视觉抓取装置操作复杂、移植难度大的问题,本文介绍了一款基于机器视觉的三轴机械臂分拣装置的设计方案。利用单目相机对运动状态下的物体进行图像数据采集,然后对物体图像数据进行处理,从而确定待检测物体的形状和位置,由运动控制模块控制三轴机械臂实现物体的分拣操作。系统基于.NetFramework平台进行软件开发,...     

基于树莓派的智能交通系统研究

将道路CSI摄像头拍摄的监控图像发送给树莓派,树莓派基于OpenCV视觉库进行图像识别和存储数据.树莓派通过串口连接STM32控制板,控制STM32引脚来选择红绿灯配时方案.树莓派和手机APP通过WiFi网络和服务器进行交互,使APP可实现实时监控当前道路情况,并进行语音提醒的功能.尽力解决早高峰和晚高峰道路通行量不对称而带来的交通拥堵问题,减小潮汐效应,实现城市交通管理的人性化.     

基于EAIDK的智能煤矸分拣系统设计

现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高,而基于密度的分拣方法适用于井下初选,成本较高。针对上述问题,设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台,在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络,建立端到端可训练图像检测模型,并利用智能摄像机获取的图像数据训练模型;通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系,控制机械臂进行矸石追踪和分拣。实验结果表明,该系统矸石识别准确率稳定保持在95%以上,机械臂跟踪时间小于30 ms,执行误差为1 mm左右,可以满足煤矸分拣工艺要求。     

基于机器视觉的智能垃圾分类装置

文章设计了一种基于机器视觉的智能垃圾分类装置用于垃圾分类。使用树莓派作为主板，依托于Lobe Tensorflow平台使用机器学习算法实现垃圾图像处理功能。通过树莓派Linux操作系统中Python IDE状态栏输出垃圾识别信息，调动由舵机组成的分拣平台实现智能垃圾分类。基于机器视觉的智能垃圾分类装置具有可学习、成本低、易组装、操作简便以及上手快速等优点。     

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。     

基于单目视觉的智能物料分拣机器人的设计

为解决目前工业物料分拣机器人发展的需求问题,以模拟自动化物流系统的作业流程为目标,提出了一种基于单目视觉的智能物料分拣机器人的设计。为实现物料的自动分拣过程,以STM32作为核心控制器,驱动OV2640摄像头对图像进行实时采集、处理与分析,实现颜色识别和目标定位,并将处理结果传送给驱动控制系统。在图像标定方面,采用读取TFT屏中目标的坐标和求取目标的实际坐标,通过MATLAB软件来进行数据拟合,找出两个坐标的函数关系,从而实现目标的定位。采用遍历腐蚀算法、增量式PID算法、DBCSAN算法和Dijkstra算法,分别完成对随机摆放的物料的自动识别和定位、电机控制和路径规划。实验与竞赛结果表明,该单目视觉分拣机器人的分拣准确率和效率高,能够实现智能分拣功能。     

基于树莓派的智能垃圾分类亭

针对日常生活垃圾分类繁杂的问题,设计基于树莓派的智能垃圾分类亭,将垃圾分类与人工智能相结合,加快了分类效率。本文设计的垃圾分类亭主要运用图像处理技术、图像分类技术、嵌入式技术、TCP通信技术,硬件部分主要由树莓派和一些模块组成,软件部分主要涉及由PyQt5搭建的可视化界面、ResNet50图像分类的设计、数据库的设计。     

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。     

基于树莓派的无线遥控移动机器人设计及运动控制

本文设计并开发了一种基于树莓派的无线遥控移动机器人,机器人使用手机作为控制端,控制系统以树莓派作为核心控制器,采用Python语言进行程序开发,机器人拥有小车底盘、电机驱动、机械臂、舵机驱动和超声波测距等多个功能模块。系统通过Wi-Fi实现了机器人与手机之间的信息交互,操作者可以无线远程遥控来实现机器人的移动、避障和物体抓取。     

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%。