基于RobotStudio的自动生产线工作站仿真设计

为将工业机器人技术应用于教学中,模仿某企业玻璃自动化生产线,设计了一个简化的生产线工作站。文章主要概述了该工作站的结构、功能和用途,并详细叙述了如何应用RobotStudio软件设计Smart组件、创建I/0信号、设定工作站逻辑、编写程序等,最终实现了工作站的虚拟仿真设计。     

基于机器视觉的残缺饼干分拣系统开发

为降低机器人拾取强度,提高分拣效率,该研究提出了识别分拣残缺饼干的方法。基于机器视觉技术,采用三次拍照对比识别残缺饼干算法,解决了在拍照区域边缘位置因饼干只有部分被拍到会被识别为残缺品和部分饼干粘连导致误识别的问题;通过识别算法获取行进中的输送带上的饼干中心坐标位置,通过对比t时间间隔饼干中心坐标的差值是否等于输送带t时间运行的距离,以确认三次拍照获取的饼干图像哪些是同一饼干,并获取此饼干的图像特征数据;当获取的饼干图像特征数据与标准饼干的视觉特征参数不同时,识别为残缺品,输出该饼干中心坐标给并联机器人进行拾取。本文对程序的有效性进行了实验验证,并对影响识别率的因素进行了实验讨论。通过实验验证,程序运行可靠,对残缺饼干识别准确率保持在100%。另外镜头高度对识别准确率影响较小,但对可识别半径影响较大,呈线性关系;输送带运行速度增加至19 mm/s后,识别准确率直线下降;光照强度达到400 Lux后,识别准确率可保持100%。该研究建立的方法能够很好的对残缺饼干进行识别,为今后饼干在线检测分拣提供了技术支持。     

基于RobotStudio的牛奶箱搬运生产线仿真

针对牛奶箱搬运过程存在运动轨迹奇点与动作节拍时间长的问题,基于RobotStudio软件进行仿真设计,对工作任务完成生产流程规划,创建生产线工作逻辑和设置仿真所需的I/O信号;通过Rapid离线编程控制仿真,采用B样条曲线优化五次多项式的方法规划机器人运动轨迹,解决调试过程中发现的运动奇点和路径干涉碰撞问题;通过分析3种TCP速度及能耗曲线,发现1 000 mm/s为最优值,该速度下节拍耗时13.9 s,能耗5 055 J。方案确定最优速度值,有效降低机器人振幅,符合运动规律,为降低生产成本和提高搬运效率提供理论依据。     

基于机器视觉技术的药片包装缺损检测系统的研究

介绍了机器视觉的概念及基于机器视觉技术的药片包装缺损检测系统，并给出了系统的硬件组成、控制系统软件模块结构及其工作过程。     

包装印刷检测的新篇章——机器视觉

<正>一、引言印刷品印刷完成之后,由于整个印刷过程中印刷工艺状态有可能会发生变化,进而造成印刷质量的变化,导致产品不合格等情况。而这一变化导致的产品不合格,在生产过程中难以及时被发现,特别是依靠人眼识别的情况下。如果在印刷完成之后进行品质检查,由于一次生产出的印刷品数量太大,依靠人眼识别很主观并且效率也很低,不是很现实。因此需要一种高效可靠并且稳定的检     

基于机器视觉的卷纸包装检测模型设计

针对卷纸包装检测效率低、人工成本高的问题,本研究基于机器视觉设计了一个卷纸包装检测模型,并命名为F-YOLOv4。首先利用工业相机在卷纸包装过程中采集目标图像,并人工标注制作成数据集;随后基于YOLOv4构建卷纸包装检测模型,通过引入轻量级的混合通道注意力模块,以强化重要特征同时避免背景噪声的引入;并设计了残差上采样模块以提升上采样的效果;最后在检测头部分,将不同分辨率的特征进行了融合以丰富特征图信息。研究结果表明,F-YOLOv4模型的准确率为97.53%,高于原始模型1.97%,检测速度为129 f/s,模型大小为39.7 MB。F-YOLOv4模型能够有效解决卷纸包装问题,为企业降低用人成本,提高生产效率。     

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。     

机器视觉系统在GDX2包装机组中的应用

介绍了机器视觉系统的组成,并以GDX2包装机组为例,介绍了基于PC的机器视觉系统的硬件组成和图像分析处理过程,包括系统照明、检测信号的同步、系统的软件构成、图像特征比较算法和残次烟包的剔除。     

基于机器视觉的食品码垛机器人控制系统设计

食品包装码垛机器人只能完成固定形状物品码放,不能根据码垛对象尺寸、形状等具体情况进行相应判断,智能化程度较低。为提高码垛机器人的智能化程度,设计一种基于机器视觉的食品包装码垛控制系统。分析码垛机器人工作的基本流程,为提高机器视觉检测的准确率,介绍摄像机标定方法及图像边缘检测。结果表明,设计的机器视觉码垛机器人分辨准确率为100%,能够对规则的食品包装箱进行分类码放。     

机器视觉技术及其在包装印刷质量检测中的应用

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工怍环境或人工视赏难以满足要求的场合，     

基于机器视觉技术的对虾主骨架线提取

长度作为对虾外观的主要特征之一,是对其规格进行判别的主要依据,而对虾的主骨架线可以直接反映长度。骨架化在图像上又称为细化,因此本文以一种有效的二值图像细化算法为基础,结合实验对分支长度进行分析,设定初始长度阈值,并在每次去除一条分支后对阈值进行自动修正,提出了一种能够有效去除多余分支并且不影响主骨架线长度,完整地提取对虾主骨架线的算法。结果表明,根据不同状态主骨架得到的预测长度与实际长度的最大相关系数为0.946,最小相关系数为0.747。对预测样本的长度预测平均相对误差为2.06%。实验结果表明,该算法对于对虾的主骨架线提取具有实用性,提取出的主骨架线具有较好的连续性、光滑性,还在去除骨架分支的同时基本保证了单像素的宽度,更加准确和稳定地反映主骨架线的几何性状。      

基于机器视觉技术的对虾主骨架线提取

长度作为对虾外观的主要特征之一,是对其规格进行判别的主要依据,而对虾的主骨架线可以直接反映长度.骨架化在图像上又称为细化,因此本文以一种有效的二值图像细化算法为基础,结合实验对分支长度进行分析,设定初始长度阈值,并在每次去除一条分支后对阈值进行自动修正,提出了一种能够有效去除多余分支并且不影响主骨架线长度,完整地提取对虾主骨架线的算法.结果表明,根据不同状态主骨架得到的预测长度与实际长度的最大相关系数为0.946,最小相关系数为0.747.对预测样本的长度预测平均相对误差为2.06％.实验结果表明,该算法对于对虾的主骨架线提取具有实用性,提取出的主骨架线具有较好的连续性、光滑性,还在去除骨架分支的同时基本保证了单像素的宽度,更加准确和稳定地反映主骨架线的几何性状.     

基于机器视觉的卷烟爆珠在线检测系统设计

目的：针对卷烟爆珠的质量检测,设计和构建融上料传送、机器视觉图像处理及不合格品剔除功能为一体的卷烟爆珠质量检测系统。方法：通过改进类间方差法对爆珠单颗粒图像进行提取,通过灰度分析、非线性度变换及改进最小外接圆等算法,实现爆珠质量自动化检测,在完成图像自动化检测之后,通过设计的不合格品剔除机构进行剔除,并开展爆珠质量检测的重复试验和应用分析。结果：该系统对不合格爆珠的异色、异行、破损总误检率低于3%,能精确剔除不合格爆珠且系统稳定可靠。结论：基于机器视觉的卷烟爆珠在线检测系统设计,能完成对爆珠质量的自动化在线检测,提高了检测速度与准确度。     

基于AHP与TRIZ的馒头机生产线设计

目的：采用层次分析法（AHP）与发明问题解决理论（TRIZ）结合的模糊评价方法解决馒头机生产线主要存在的人机交互程度低、造型审美不足、缺乏设计特色等问题。方法：利用AHP获取定位设计重点区域;运用TRIZ标准工程参数分析矛盾冲突并构建矛盾矩阵,利用发明原理找寻设计方案最优解并引入物—场分析法解决馒头机生产线具体实际问题,运用模糊评价法对3个馒头机造型设计方案进行评分。结果：设备造型以直线、圆角和斜角为元素的A3为优选方案。结论：该方法可解决馒头机生产线设计中定性数据与定量参数的转换问题。     

基于机器视觉与机器学习的火龙果重量估计

目的:解决火龙果人工称重耗时、费力且成本高昂等问题,提出一种基于机器视觉和机器学习的自动化重量估计方法。方法:首先,对106个火龙果进行称重、记录重量并拍摄、构建火龙果图像。然后,对火龙果进行降噪和分割,得到火龙果的二值图像,并从中提取出火龙果像素面积、长轴像素长度和短轴像素长度3项图像特征。将以上图像特征与重量组合成数据集,按照7∶3比例将数据集划分为训练集和测试集。最后,将训练集输入梯度提升、随机森林、K近邻和人工神经机器模型中训练,并利用测试集进行模型评估。结果:人工神经网络评价指标相较于其他模型更优,决定系数为0.986,均方根误差为13.091。结论:该方法能够有效地完成火龙果重量估计,满足火龙果重量估计的要求。     

基于机器视觉的樱桃缺陷检测与识别

以机器视觉技术为基础,利用卷积神经网络对樱桃缺陷进行检测与识别,并进行验证。结果表明,正常果樱桃识别准确率为99.25%,缺陷果樱桃识别准确率为97.99%,识别速度为25个/s;通过与其他方法进行对比,试验方法能够准确检测并识别多种缺陷类型。     

基于机器视觉的坯布自动检测技术

针对我国纺织品检测大多采用人工检测,检测速度低,误检率、漏检率高等问题,提出了实现织物疵点检测自动化、鲁棒性的设计理念。介绍了目前国内外在织物检测方面的主要识别方法以及织物自动检测系统的研究成果,阐述了机器视觉软、硬件技术的发展现状及目前机器视觉技术在纺织检测应用中存在的问题;分析并提出研制分布式的、面向高速生产线的鲁棒机器视觉检测技术是适合我国坯布自动检测系统的研究方向。     

基于机器视觉的番茄成熟度颜色判别

提出一种颜色分析方法用于新鲜番茄分类,以GB 8852—88标准为参考,定义番茄成熟度的分类标准(在研究中将其分成四类:完熟、成熟、半熟、绿熟),将采集到的番茄RGB图像,去除背景后,滤波去噪,转换成HIS颜色模型和HSV颜色模型。通过Matlab编程获取R、G、B、H、S、V、I各颜色分量的均值,运用SPSS软件进行判别筛选组合特征分量,运用Matlab进行判别分析。分析结果显示,绿熟番茄在3种不同判别函数下训练集与验证集判别率均达到了100.00%;半熟番茄训练集判别率最高为94.74%,同时验证集判别率最高达到100%;成熟番茄训练集与验证集判别率最低,分别为76.67%和70.00%;完熟番茄训练集与验证集最高均为90.00%。总体上实现了不同成熟度番茄的判别分类。     

基于机器视觉的丝饼毛羽检测

为实现丝饼毛羽的自动检测,提出基于机器视觉的丝饼毛羽检测方法,通过寻找毛羽轮廓点中凸包位置实现丝饼毛羽检测。首先构建具有特定结构特征的卷积核,利用该卷积核对原始图像进行卷积运算,从而获取毛羽特征,并采用阈值处理对其进行二值化;然后对二值化后的毛羽进行轮廓检测,继而筛选轮廓点以减少运算时间;最后利用单方向凸包算法对满足条件的轮廓点进行检测,实现对丝饼毛羽的定位及计数。运用3类典型丝饼毛羽对检测方法进行验证,结果表明,该方法可有效地实现对丝饼毛羽准确定位并计数,且对不同背景的毛羽图片有较强的适应性。