基于机器视觉的水表分拣系统研究

针对现阶段水表生产分拣主要依靠人工、自动化程度不高、效率低下等问题,对水表定位、机械手自动抓取等问题进行研究,设计了一套基于机器视觉的水表分拣系统。通过颜色特征粗定位水表区域,基于归一化内积相似性精定位水表,得到水表位姿;构建Eye-to-Hand手眼标定模型并求解,将水表位姿转换到机械手坐标系,实现机械手对水表的精确抓取。研究结果表明：该系统的定位误差在1.5 mm以内,机械手能准确抓取水表,极大地提高水表上下料效率,基本避免了人工失误。     

基于机器视觉的冬枣分拣设备研究

机器视觉在物品识别与分拣方面有着广泛的应用,文章针对基于彩色CCD的机器视觉冬枣识别进行了研究。根据CCD色彩识别原理,运用CCD摄像头每隔2 s采集一幅冬枣图像,用图像处理软件将采集到的RGB图像转化到HSI模型空间,用HSI模型中的H分量描述冬枣颜色特征方法,设置了基于经验与计算数值的分别阈值,成功进行了生熟冬枣的识别;进而构建了基于单片机控制系统的冬枣分拣装置,该装置使自动上料的冬枣在经过两轮的识别后,将经彩色CCD采集图像并经计算机检测的熟冬枣经过分离器实现分离,并通过气缸的动作将检测为生的冬枣倾倒到一起,从而完成生熟冬枣的快速检测与分离。     

基于机器视觉的传送带分拣技术研究

将机器视觉应用于传送带分拣系统,使得分拣系统具有更高的适应性,能够适应各种任务下的分拣需求。对机器视觉在分拣平台应用上存在的标定问题进行了研究,完成了基于机器视觉的传送带分拣系统搭建。首先分析了视觉系统的标定方法,然后提出了一种传送带与机器人的位姿关系的标定方法,最后在摄像机标定和传送带标定的基础上实现了机器人与摄像机的位姿标定。实验证明:工件的定位识别精度能够满足识别分拣的要求,能够完成机器人的分类抓取任务。     

基于机器视觉的垃圾分拣机器人

为了把人从环境恶劣、枯燥繁重的垃圾分类工作中解放出来,本项目设计了一款基于机器视觉的垃圾分拣机器人.机器人以STM32单片机为主控,根据树莓派发送的不同指令控制六自由度机械臂抓取垃圾.机器人的视觉系统部署在树莓派上,视觉系统使用CSI摄像头获取图像并通过YOLOv4目标检测算法求得图像中垃圾的分类信息和位置信息,最后通...     

基于机器视觉的水果分拣系统

为了解决人为分拣水果质量低、效率差等问题,提出了基于机器视觉的水果智能分拣方法。通过高速相机对传送线上的水果图像进行采集,并采用图像处理等算法获得水果的形状、颜色等特征量,得出水果的等级。然后由PLC控制并联机器人动作对水果进行分级。     

基于机器视觉的硬币分拣系统设计

设计了一套基于机器视觉的硬币自动分拣系统。采用视觉算法对图像进行预处理、特征约束和模板匹配,实现硬币的识别和定位。在此基础上,通过坐标转换,使用机械臂对识别的硬币进行抓取,完成自动分拣。实验证明,该系统具有较高的准确率和较低的漏检率,可以满足自动分拣需求。     

基于机器视觉的工业机器人分拣技术研究

近年来,机器人技术已逐渐走进每个人的日常生活。随着科技的进步和我国经济的快速提升,机器人领域的科研也一次次有了新的进步,机器人的分拣技术一直深受专业人士的关注,机器人和系件特性也在与时俱进。为了更好地提升机器人分拣技术,本文主要阐述机器视觉的工业生产机器人分拣技术服务平台的建设,并对其作用进行了实验研究。     

基于机器视觉的工业机器人分拣技术研究

简要介绍基于机器视觉的工业机器人分拣系统的构成,分析基于机器视觉的工业机器人分拣工作的流程,探讨工业机器人在机器视觉条件下的分拣技术,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。     

基于机器视觉的机器人分拣技术发展研究

在工业生产中,完全人工分拣作业很难实现生产目标,而传统机器人分拣还存在系统稳定性较差、精度较低等缺点。针对这些问题,在传统分拣机器人中引入机器视觉,完成对工件、食品以及其它产品的分拣工作,不仅能够满足生产需求,而且能够提高生产效率。基与此,重点分析目标识别、目标跟踪以及视觉伺服等关键技术的研究现状以及在工业、食品以及其它领域的应用现状,并对未来的发展趋势进行展望。     

基于机器视觉的工业机器人分拣技术研究

将视觉系统应用到工业机器人当中去,使得机器人具有人眼的功能是当今机器人研究的重点。本文针对以往工业生产线分拣工件时存在的问题,从视觉的角度研究了相关技术难点。本文完成了基于机器视觉的工业机器人分拣系统平台的搭建,首先通过摄像机对传送带上进入工作区的工件进行图像采集,然后对图像预处理分析,接着用不变矩对工件进行快速识别,之后用Hough-链码识别算法对工件进行精细匹配,最后通过中心定位算法计算出工件的位置,引导机器人对工件进行分拣抓取。同时,本文还提出了多目标分块处理算法和Hough变换与链码相结合的Hough-链码识别算法。实验结果表明,该分拣系统可以有效解决规则几何工件的分类的问题,达到分拣的目的。     

基于机器视觉的手机镜片分拣系统

设计实现了一套基于机器视觉的以PLC为控制核心的手机镜片分拣系统。针对不同尺寸的镜片设计了基于区域分割的图像采集系统,并给出了相应的上位机产品分拣程序模型。实验结果表明该系统能够高速可靠地采集图像、分拣成品。     

基于机器视觉的工件自动分拣系统的研究

介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库,通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较,从而判别待测零件的合格性。为解决零件摆放的位姿偏差,采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度,根据与模板零件的相似性测度判断工件的特性,为自动分拣提供决策支持。实验验证了本算法的有效性。     

基于机器视觉的水果分级分拣系统关键技术研究

机器视觉就是利用图像摄取装置等产品代替人眼做测量和判断,当前在水果分级分拣领域应用极广,已成为工业机器人进行农产品自动化检测的研究热点,但如何对采集到的自然图像进行高效目标分割和识别检测,成为制约分拣机器人应用的技术难点。现利用机器视觉测量精度高、结果稳定可靠和非接触性等优点,通过对苹果进行尺寸测量、空间定位,并根据果形大小、色泽光洁程度和表面缺陷等指标进行特征识别,实现对苹果品质的科学精准分级和自动分拣,并利用机械手臂自动完成不同等级水果的分拣,实现生产线上的"手眼"协调工作。     

基于机器视觉的物料分拣工业机器人技术研究

随着我国工业经济的不断发展,机器人技术在工业制造领域中的用途也越来越广泛,尤其是对传统的物料分拣工作来说机器人已经基本上能够取代人工进行作业了。目前,利用工业机器人进行物料分拣工作主要是通过对机器人进行编程,但这种方法一般对设备和工作环境具有比较高的要求,成本也相对较高,因此,如何提高工业机器人在物料分拣中的精准度,对不同形状和尺寸的物料能够准确完成位置感应并完成分拣动作就成了我们应当重点关注的工作内容。在工业机器人编程中充分考虑机器视觉技术,让机器人初步具备人眼的基本功能,良好的视觉功能能够有效提高机器人物料分拣的效率。基于此,本文对工业机器人分拣系统和分拣流程进行论述,最后提出基于机器视觉提高工业机器人分拣技术的策略,旨在促进工业机器人在我国工业、制造业中的进一步推广和应用。     

基于机器视觉与工业机器人的分拣技术研究

目前的机器人技术都已经非常发达,而物流及工业方面的机器人应用比较多的是分拣技术。分拣技术则很多基于机器视觉的技术。本文主是要对于这种分拣技术的系统作研究,先是介绍了目前机器人分拣系统,另外对于主要的技术方面进行了分析并最终总结全文。     

基于机器视觉的烟草分拣系统的设计

文中介绍的烟草在线分拣方法是利用数字图像处理及模式识别技术实现的,简要说明了烟草实时光电分拣系统的原理和结构.着重讨论了烟草杂物识别算法,详尽地阐述了利用阈值选取来建立合格烟草颜色表以及目标杂物的区域标记与确定开阀位置的方法.此分拣设备的应用表明了算法的实时性好,可靠性高,能很好地满足工业生产要求,大大提高了烟草剔除杂...     

基于机器视觉的工业机器人分拣技术探究

在介绍基于机器视觉的工业机器人分拣系统基本构成、工作流程的基础上,从摄像机标定技术、图像预处理技术、特征识别和定位技术等方面具体分析基于机器视觉的工业机器人分拣技术应用,旨在能够更好地推广和应用工业机器人分拣技术,借助工业机器人分拣技术提升各个行业的自动化生产效率。     

基于机器视觉的工业机器人智能分拣系统设计

为了解决使用传统示教或离线编程方式的工业机器人无法满足复杂分拣环境作业要求的问题,以史陶比尔工业机器人、Kinect深度相机为硬件基础,搭建了基于机器视觉的工业机器人智能分拣系统平台。通过支持向量机(SVM)实现对分拣物体的学习识别,通过基于采样一致性(SAC-IA)粗配准和迭代最近点(ICP)精配准算法实现对物体位姿点云数据的配准。实验结果表明,搭建的智能分拣系统能够识别分拣物体种类并且获取物体的位姿,拓宽了工业机器人的应用领域。     

基于机器视觉的齿轮测量技术

针对传统的齿轮测量技术的不足,开发了基于机器视觉的齿轮测量技术。IMAQ Vision将机器视觉技术和虚拟仪器技术相结合,能够充分利用计算机在数据处理、传输和存储等方面的巨大优势,快速、准确地进行齿轮在线测量。应用IMAQVision的图像直方图分析、LUT变换、几何变换、边缘检测、亚像素精度、模式匹配等图像处理技术进行齿轮测量;使用Signal Processing Toolset的二维小波变换功能,提高齿轮测量的质量和整个测试系统的效率。     

基于机器视觉的金属工件智能分拣系统设计

针对传统工业中人工分拣效率低和成本高等问题,设计了基于机器视觉的机械臂智能分拣系统。通过摄像头采集图像并对图像进行灰度滤波操作后,使用SOA-OTSU算法对图像进行阈值分割,对目标区域进行Blob连通域分析,实现对工件的识别与定位。运用标准D-H参数法建立三自由度机械臂模型,将工件位置坐标代入逆运动学方程,解得每个连杆的关节转角,将其转化为机械臂步进值,并通过串口通信方式发送给Arduino,由Arduino控制机械臂完成工件的抓取与放置。实验结果表明,该方法提高了分拣系统抓取的准确性。