包装分拣过程视觉跟踪系统设计

目的 为提高包装生产线的分拣精度,以Delta机器人为研究对象,设计一种视觉跟踪系统.方法 详细介绍包装生产线分拣系统的结构,包括机器人模块、控制模块、视觉模块和传送带模块等.提出一种平移标定算法,可简化整个标定过程,既可以提高准确性,又可以降低标定用时.该算法可以较好地解决空间限制对跟踪系统的影响.论述一种图像处理方法,通过连通区域的面积、圆度和矩形度等参数实现物料识别、定位和抓取.利用具体实验验证所述系统的可行性和有效性.结果 Delta机器人视觉跟踪系统的漏抓率小于0.1％,误抓率接近于0,精确度得到明显提高.结论 整个过程中机器人运行稳定,并没有出现冲击、颤动等现象,系统可靠性比较高,完全能够满足包装等相关行业要求.     

包装生产线视觉上料控制系统研究

目的 为提高包装生产线中上料、送料过程的自动化程度,基于机器视觉设计一种视觉上料系统。方法 介绍摄像机成像原理。在此基础上,详细论述视觉标定过程,包括刚体变换、透视投影、图像离散化等。论述视觉上料控制系统结构,主要由工控机、软件平台、人机交互界面组成。工控机可实现视觉采集模块、机器人控制模块、传感器信号采集模块的分布控制和集中管理。通过实验验证所述控制系统的有效性。结果 实验结果表明,最大定位误差只有0.7 mm,定位精度较高;填料成功率可以达到99.5%以上,基本不会出现误抓、漏抓等情况;系统响应速度快。结论 包装生产线视觉上料控制系统具有响应速度快、定位精度高、填料成功率高等优点,可满足包装过程高速、高精度要求。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于机器视觉的包装物料自动筛选系统

目的为解决传统人工分拣作业效率低、速度慢、质量难以保证的问题。方法设计一种基于机器视觉的包装物料自动筛选控制系统,适用于多种输送线物料分拣的方案。结合多种图像处理算法,以提高物料筛选精度。改进中值滤波可实现图像预处理;形态学滤波可实现包装物料边缘检测;基于边缘匹配可完成物料识别。最后进行试验研究。结果试验结果表明,对于圆形、方形、三角形物料,所述包装物料筛选系统的分拣精度在99.5%以上,最大抓取速率能够达到150次/min。结论所述图像处理算法能够有效地提取物料边缘并实现物料识别,具有比较高的检测精度和稳定性,可以满足包装需求。     

基于机器视觉的食品包装检测系统设计

目的为提高食品外包装美观性,确保食品包装质量,基于机器视觉设计一种食品包装检测系统。方法食品包装检测系统主要包括图像获取模块、图像处理和分析模块、输出执行模块等部分。讨论图像处理的关键技术,在传统小波变换的基础上,提出一种改进算法以增强图像特征信息,提高识别率,实现食品包装边缘检测。以污染、飞墨等典型缺陷为例,论述其特征提取方法,包括圆形度、长宽比、灰度标准差等。最后进行实验研究。结果实验结果表明,所述食品包装检测系统的检测精度在99%以上,具有较高的检测准确性。结论基于机器视觉的食品包装检测系统能够满足食品包装需求。     

基于视觉标定的包装搬运机器人定位方法

目的为了提高包装搬运机器人的定位精度,提出一种基于机器视觉的末端执行器定位方法。方法基于OpenCV设计一种视觉标定算法,该算法包括摄像机标定和位姿标定,可实现待码放物体图像坐标和机械手坐标之间的变换。结合工控机和运动控制卡设计其控制系统,同时给出硬件设计和软件设计方法。最后进行实验研究,包括原点定位和重复定位。结果实验结果表明,所述控制方法能够提高搬运机器人的定位精度,原点定位误差约为0.14 mm,重复定位误差约为0.6 mm。结论该搬运机器人定位方法能够满足包装码垛要求。     

基于RGB视觉的瓦楞包装褶皱标定收敛研究

目的 对瓦楞纸板包装的褶皱特征精确定位,保证瓦楞纸板包装容器的褶皱特征在生产中被及时检验。方法 机器视觉瓦楞纸板包装检测系统依据图像信息收集、识别算法、RGB视觉、位置标定、收敛性结果对比等部分,确定瓦楞纸板包装褶皱特征标定核心算法要点;在传统频域变换的基础上,进行RGB视觉改进算法分析,有效提高对瓦楞纸板包装的褶皱特征识别率,明确该类包装的检测要点。以实际的瓦楞纸板褶皱为例,论证该类包装褶皱特征的特征提取方法,并且强化研究对象的褶皱特征,最后对识别结果和实物结果进行对照分析。结果 通过设定阙值在90～120得到线性率为25%～80%,结果说明该视觉方式可以实现对机器视觉的瓦楞纸板包装标定,并且各特征的实际回归基准率为86%,验证了RGB视觉算法对褶皱特征标定的精确性。结论 基于该RGB视觉以及优化措施,确定了机器视觉瓦楞纸板包装标定方式,满足了瓦楞纸板包装生产的有效定位要求。     

基于机器视觉的包装机械贴标功能实现

目的 为了提高包装机械贴标工序的自动化程度和贴标速度、精度,设计一种贴标控制系统。方法 基于机器视觉设计一种贴标控制系统。该系统主要包括PC机、工业相机、视觉处理模块、运动控制模块、打印机、贴标机、标签检测模块等。重点论述图像处理算法,其中柔性形态学滤波和边缘检测用于贴标区域识别和定位;模板匹配则用于检测标签的平整度和倾斜度。最后,针对正方体包装纸盒、圆形包装纸盒、不规则包装纸盒进行试验研究。结果 实验结果表明,所述贴标系统平均正标率均在99%以上。结论 基于机器视觉的包装机械贴标系统能够满足包装要求,而且可以提高包装机械的自动化水平、提高包装效率、降低企业成本。     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。     

基于并联机器人的块状食品包装定位方法

目的为提高包装过程中并联机器人定位精度。方法基于自抗扰控制设计一种机器人末端执行器定位方法。在传统并联机器人结构的基础上配置2台工业相机。根据双目立体视觉检测原理来确定块状食品在生产线上具体位置。为避免干扰因素降低机器人末端执行器抓取精度,设计一种自抗扰控制器,主要包括跟踪微分器、非线性反馈器、扩张状态观测器。最后,搭建实验平台并进行相关验证。结果实验结果表明,实际位置与抓取位置之间偏差距离的最大值为0.3 mm;平均误差只有0.20 mm。所设计自抗扰控制器与PID控制器相比,响应时间仅增加了1%,平均抓取精度却大幅提高。结论所述基于并联机器人的块状食品包装定位方法可使末端执行器在非常短的时间内到达指定位置;运动过程稳定、可靠,不会出现振动现象,可确保抓取精度。     

基于YOLOv5和U-NET的多目标药盒抓取系统设计

目的 解决传统机器视觉机器人抓取系统对多目标及复杂目标背景分割不精确导致的目标定位精度差而影响机器人抓取效率的问题,提出一种新的深度学习抓取识别定位系统。方法 搭建由Delta机械臂、PC上位机、双目相机等组成的硬件系统,对工业部署常用的YOLO系列算法进行对比研究。将YOLO与U-NET相结合,用于目标的检测和分割。在精确分割出属于目标和背景目标的像素区域的同时,计算边缘和中心位置信息,运用立体视觉技术得到三维位置,并转换为世界坐标系,由PC机引导机械臂去完成抓取任务。结果 深度学习目标检测和图像分割相结合的系统在较复杂背景、多目标的场景下比未添加图像分割的算法拥有更好的目标定位精确度。结论 YOLOv5和U-NET相结合的目标定位抓取方法具有较高的鲁棒性,达到了并联机械臂的抓取要求。该方法能够运用于其他多自由度机械臂上,具有良好的应用价值。