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...     

基于工业机器人与机器视觉的芯片分拣系统设计

随着科技的发展,近年来工业机器人技术的不断发展成熟,在制造领域中,工业机器人的应用范围也越来越广.由工业机器人、机器视觉检测、PLC等系统构建的芯片分拣系统,可以实现复制式、可定制化生产,避免了工人的重复性劳动,减少了工作负担,让生产工作更加灵活,提高了工作效率.     

视觉系统在工业机器人工件分拣中的应用

采用示教器或离线编程方式的工业机器人程序单一,不能自动适应环境的变化进行自动调整分选对象和过程,导致生产效率低、成本高.而采用视觉系统的工业机器人分拣系统能更好地适应外部环境的变化,但由于编程方法不同和参数选取不当,对外部环境的微小变化不敏感,甚至会误判.因此,为了能让工业机器人更加具有自适应性,提出一种改进的程序设计...     

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。     

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。     

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Delta机器人分拣系统算法

针对分拣过程中视觉系统对工件的重复拍摄问题,提出一种基于时间与工件位置的图像去重复算法,以实时分拣系统的系统运行时刻作为各单元的时间基准,将预测的工件到达某一固定参考位置的时刻与工件当前位置组合成一组能唯一识别工件的坐标,经周期性比较,判断并去掉重复图像信息.同时为提高分拣效率,提出一种基于牛顿-拉夫森迭代的动态抓取算法,建立了机器人跟踪工件的数学模型,并通过牛顿-拉夫森方法求解该非线性数学模型.最后用MATLAB对动态抓取算法进行了验证.样机实验中最快分拣速度达110次/min,误抓率小于2‰,漏抓率为0,证明了算法能够满足实时性要求,同时具有较高的准确性和稳定性.     

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定位系统

建立了一个主动机器视觉定位系统,用于工业机器人对零件工位的精确定位.采用基于区域的匹配和形状特征识别相结合的图像处理方法,该方法经过阈值和形状判据,识别出物体特征.经实验验证,该方法能够快速准确地得到物体的边界和质心,进行数据识别和计算,再结合机器人运动学原理控制机器人实时运动以消除此误差,满足工业机器人自定位的要求.     

基于深度学习的工业分拣机器人快速视觉识别与定位算法

针对工业分拣机器人识别复杂工件慢、精确度低以及定位不准等问题,提出一种基于深度学习的快速识别定位算法.通过工业高精度相机获取目标图像信息,经过图像灰度化、图像滤波、Otsu二值化处理,再经边界像素检测算法定位并分割目标图像.运用已训练的深度卷积神经网络(CNN)对目标进行识别,得到目标所在的位置坐标以及所属类别,实现工业机器人分拣.实验测试中以纹路复杂的象棋为例进行定位识别,结果表明定位算法误差小于0.8 mm,最快识别速度达0.049秒/个,在实验环境中识别精度能保持在98%以上,表明算法具备良好的准确性和稳定性.     

一种基于智能机器视觉识别的工业探伤技术

磁粉探伤广泛应用于铁磁性工件表面和近表面缺陷检测,但目前的缺陷识别仍依赖于人工判断。为实现检测自动化,将机器视觉技术应用于缺陷识别,提出一种智能的螺栓缺陷在线检测系统,针对螺栓在生产过程中产生的纵向、横向裂纹,使用基于统计的磁痕裂纹识别方法和基于改进LBP特征和SVM分类器识别方法进行级联完成螺栓零件表面裂纹的自动识别。实验结果表明,该方法与传统的识别方法对比具有很好的分类识别效果,漏检率减少5%,同时能够满足实时性的需求。     

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OMRON视觉的工业机器人分拣控制系统设计

工业机器人在分拣过程中,目标物体可能存在各种形状、尺寸和外观变化,同时还可能受到遮挡和光照条件的影响,使得目标的检测和识别复杂,导致分拣控制功能和应用性能差。为此,设计了基于OMRON视觉的工业机器人分拣控制系统。采用OMRON视觉传感器、机器人分拣控制器和驱动器,完成分拣控制硬件系统设计。利用OMRON视觉,采集工业机器人分拣目标图像,通过直方图均衡化和滤波去噪,完成初始分拣目标图像的预处理。提取工业机器人分拣目标的轮廓特征,通过特征匹配确定分拣目标类型,得出位置、几何结构等空间参数的检测结果。最终通过控制参数计算、工业机器人位姿识别以及控制量求解等步骤,实现系统的分拣控制功能。通过系统测试实验表明,设计系统的抓取位置控制误差、分拣目标位置控制误差和分拣对象表面磨损量较小,具有较好的分拣控制功能和应用性能。     

机器视觉技术在工业中的应用

机器视觉为工业自动化提供了一种非接触的解决方案，在诸多领域可以有效取代并超越传统的人工或其它检测方法，实现整个自动化链的闭合。本文就工业机器视觉的系统构成、分类、开发现状与技术趋势进行了描述。     

基于机器视觉的药片表面缺陷识别与分拣系统设计

针对制药企业采用人眼识别药片表面缺陷受光线强度及视觉疲劳影响,存在漏检和低效等问题,利用机器视觉技术,进行了药片图像预处理,设计了药片缺陷检测及分类、异色处理算法并处理;在此基础上,利用反问题的最小二乘解算法确定缺陷药片的物理位置,控制3自由度 Delta机器人实现缺陷药片的分拣.经过测试,系统分拣成功率高,且易于实施,达到了设计要求.     

基于迁移学习的机器人视觉识别与分拣策略

针对传统工业机器人辨识复杂工件困难、识别度单一等问题，提出一种基于迁移学习的视觉识别与分拣策略。高精度工业相机拍摄到的图片经过HALCON软件图像膨胀、腐蚀等处理之后，导入Pytorch中的神经网络模型，利用迁移学习对目标进行识别分类，最终实现工业机器人智能分拣的目的。实验中，在UR5机器人平台上以形状多变的两种菇类为对象进行迁移学习，进而完成识别及分拣。实验结果表明该策略具备良好的准确性和稳定性。