FMS中的工件视觉识别研究

介绍一个用于ＦＭＳ中的工件视觉识别系统的构成、工件视觉识别的原理和应用实例。     

基于NI机器视觉的产品识别与分拣系统

为了解决自动化生产线上产品的智能分拣问题,设计了一种基于NI视觉检测技术的产品识别与分拣系统,用于分拣不同形状的工件。文章以NI 1776c智能相机为核心搭建了视觉检测的硬件平台,使用Sobel算子提取工件边缘特征并研究了基于边缘特征的模板匹配算法在工件形状识别中的应用,同时设计了一种用于NI视觉检测平台与UR控制柜间通讯的IO电路。与基于PC的视觉平台相比,基于NI智能相机的视觉检测平台内置高性能处理器,可脱离PC机实现独立的视觉检测功能,具有开发周期短,检测速度快、可靠性好等特点。     

安川首钢机器人有限公司

机器人3D视觉搬运系统MotoSight-3D是安川最新推出的快速3D视觉搬运功能,可以对料筐内任意摆放的工件进行视觉定位、准确抓取,对沾油的工件、带曲面结构复杂的工件都可实现高精确度的识别分拣。视觉重复精度可达±0.1mm。该系统主要应用于螺母凸焊机上料、汽车冲压件上下料、杂乱堆放工件归整码放作业等需求。     

基于单目视觉的Z轴位置自适应识别定位系统研究

针对工业上单目视觉系统难以适应工件Z轴位置变化的问题,开发基于单目视觉的Z轴位置自适应识别定位方法与系统。采用激光三角测距原理检测工件坐标系平面与相机坐标系平面的距离,配合下位机微机控制系统实现工件平台Z轴位置自适应,进一步融合HSV颜色空间模型,通过改进模板匹配算法完成工件识别定位。联合Halcon与Visual Studio进行单目视觉Z轴位置自适应识别定位系统软件开发以及实验验证。结果表明:该系统在工作范围内平均定位误差小于1 mm,具有较好的Z轴位置自适应调节能力和较高的定位精度。     

基于NX MCD的工业机器人视觉分拣数字孪生系统设计

针对制造业中多类型、多颜色工件人工重复分拣出错率高的问题，设计一个基于工业视觉的工业机器人自动分拣物理控制系统和数字孪生系统。提出融合工业视觉、工业机器人、PLC等设备的以太网通信控制方案；基于视觉检测原理，应用视觉检测工具，结合PLC程序能够正确识别工件信息；基于NX MCD软件构建了工业机器人、输送带、工件等数字孪生系统；最后，对工业机器人和PLC进行联合编程，实现视觉分拣虚实系统同步作业。实验结果证明：该系统工件识别正确率高，工件分拣效率高，数字孪生系统能够实现虚实同步，为系统的动态监控、维护管理与虚拟调试提供了便利。     

应用机器视觉的工件表面质量检测

工件在传输工程中不可避免地发生旋转和平移,快速准确地将检测工件与标准工件图像中的目标对准是应用的关键。为此,本文研究了应用机械视觉进行工件表面质量检测的方法,提出了以工件目标的角点为识别特征,结合遗传算法快速确定变换参数的目标对准算法,在此基础上建立了一个应用机器视觉技术的工件表面质量实时检测系统。检测结果表明,该方法能有效地从各种旋转、平移后的待检测图像中实时检测出缺陷工件。     

基于视觉的机械臂轨迹优化方法研究

针对应用视觉系统进行工件抓取时,工件相互遮挡导致识别工件不准确且抓取效率较低的问题,提出基于视觉的机械臂轨迹优化方法。由相机采集工件图像信息,通过标定机械臂坐标系、工件坐标系及相机坐标系,建立“手眼”坐标关系,基于点云数据对工件识别与定位;提出改进遗传-鲸鱼混合轨迹规划算法,以控制工件抓取过程。对机械臂的3个重要关节进行了运动仿真与实验测试。仿真结果显示：改进的遗传-鲸鱼混合算法收敛速度更快,搜索能力更强,优化后的抓取时间比基本遗传算法优化的抓取时间减少了2.3 s。实验结果表明：基于点云识别的机械臂抓取成功率达到93.75%,极大提高了抓取效率,验证了算法的有效性。     

基于机器视觉与Faster-RCNN的Delta机器人工件识别检测

针对传统并联机器人在工作环境中存在抓取不精确、定位与分类识别效率低下的问题,提出一种基于机器视觉与Faster-RCNN神经网络的工件识别检测技术。采用Delta机器人实验平台采集图像,进行图像的预处理操作并将其添加至网络训练集。通过Python3.7-torch1.7搭建深度学习中的Faster R-CNN卷积神经网络,作为基本框架训练工件图像数据集。最后将训练后的卷积神经网络得到的工件检测结果与原实验工件识别系统对比。结果表明：改进后的识别平均精确度比原有识别系统有所提高,反应时间缩短,并且能识别不同类型的工件。     

基于机器视觉多目标工件分类识别和定位研究

为实现对随机摆放的多类型工件进行分类识别和定位,提出一种基于连通域Blob分析与神经网络分类器相结合的方法。该方法运用机器视觉技术,以Halcon软件为试验检测平台,通过Blob分析提取工件的特征信息实现定位,并且应用提前训练好的神经网络分类器对多类型工件进行分类识别。试验结果表明:相比传统模板匹配和定位算法,该多工件分类识别和定位方案识别准确率达到100%,定位精度提升0.7 mm,识别和定位时间减少8.735 ms,具有更好的多工件识别定位效果,有一定的应用前景和推广价值。     

融合视觉和以太网技术的工业机器人分拣装配控制系统设计

针对制造业中多类型、多工位、无规则、有残次工件人工分拣出错率高与装配效率低下的问题,设计一个融合视觉和以太网技术的工业机器人分拣装配控制系统.应用工业以太网构建一个包含视觉、PLC、HMI和工业机器人的硬件系统;提出结合图像匹配、圆孔识别算法的工件检测与识别方法;基于坐标偏移的方法设计了一个PLC控制工业机器人的优化算法;并对工业机器人进行示教与编程,实现工件正确分拣与高效装配.测试证明:该系统工件识别正确率达100％,工业机器人的示教位置大大减少,工业机器人的控制程序明显简化,工件分拣正确率与装配效率显著提高.     

基于FANUC机器人内置视觉识别软件应用研究

针对现场工程人员使用基于PC平台或嵌入式模块等机器视觉系统开发机器人视觉程序比较困难的状况,对机器人与内置视觉识别软件之间联系进行研究。以FANUC机器人集成内置视觉识别功能软件为研究对象,介绍工业相机与机器人物理连接;分析相机标定原理和标定过程;以2D形状和条形码工件为例,详细介绍了视觉识别程序处理过程和机器人视觉程序关键指令以及搬运程序流程。把多个模型混合放置,内置视觉系统都能准确识别,机器人都能精准分拣和搬运。机器人集成内置机器视觉系统硬件连接简单,识别工具丰富,使用方便,机器人程序与视觉数据交互便捷,拓展了机器人工艺应用范围。机器人集成内置视觉识别功能是自动化领域和机器视觉系统发展趋势。     

基于机器视觉的多关节机器人智能装配系统设计

设计一种智能装配系统,采用机器视觉识别工件的位置、角度和类型;将工件的信息通过Modbus-TCP通信协议传输到S7-1200 PLC控制器;控制器根据既定的程序算法将处理好的工件相关数据信息传输到多关节机器人的控制器,进而使机器人按照预先示教好的程序和算法对工件进行抓取和装配。该系统在实际应用中效率高、稳定性好,能有效降低人工成本,并且可以根据不同工件灵活改变控制策略,具有较大的经济和社会效益。     

基于视觉与激光结合的堆叠工件快速定位方法

针对机械手对复杂工况下的工件进行自动抓取时精度较低的问题,提出一种采用改进SSD卷积神经网络算法配合多激光传感的方法,对堆叠情况下的工件进行快速精确定位。采用SSD算法融合多视窗检测方法,对视觉获取的RGB图片进行检测,获取工件水平位置信息;结合主动跟踪激光传感系统,获取工件表面的法向量,确定工件的空间位姿。搭建了硬件实验平台,在此平台上开发了一套视觉与激光融合的工件定位抓取系统,并以非标零件为实验对象在堆叠情况下进行多组实验,在模拟车间自然光照环境下,工件识别率95.4%,平均耗时为40ms,工件识别的平均坐标偏差1.86mm,法向量平均偏差为1.39°,机器人抓取率为98.2%,实验结果表明,该方法定位准确,速度快,在自动化生产线上具有可行性。     

基于机器视觉的工件识别与定位系统设计与实现

机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配困难等问题,为了提高生产速度和效率,提出一种基于OpenCV视觉技术的机器人关节工件识别与定位检测方法.首先,通过工控机读取相机的工件图像,并进行图像灰度化、均值滤波、自适应阀值分割等图像预处理过程,得到二值化图像;其次,从二值化图像中提取出工件的轮廓,之...     

形态学滤波窄裂纹检测与目标识别

荧光磁粉探伤是工件表面缺陷的一种非接触式检测手段,传统的基于人工视觉检测裂纹的方法耗人力、耗时、不精确、花费高、可靠性无法保证。现代工业检测技术要求工件表面缺陷检测自动完成,而工件表面状况、真伪裂纹缺陷、工况条件等使得现有的检测识别方法难以满足工件表面缺陷自动检测识别的需要。分析了工件表面荧光磁粉图像特征及裂纹缺陷特征;研究了基于分块阈值的数学形态学梯度算子图像边缘检测算法;根据裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹缺陷识别方法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于火车轮轴检测线实时检测,裂纹缺陷的有效检出率达90％。     

基于机器视觉的工件分拣及上下料系统

为了解决传统工业机器人无法对多个不定位姿的工件进行分拣抓取的问题,搭建一套基于机器视觉的零件分拣及上下料系统。所搭建系统能够较准确地对铝件和有机玻璃件进行分拣,并对工件的位姿进行识别,最后将结果换算到机器人的世界坐标系下,对工件进行准确抓取和上下料。其中针对工件的分拣,提出了通过条形码进行识别分拣的方法,此方法简单有效,快速便捷。对与背景对比度不高的透明有机玻璃件的位姿识别,提出一种自适应调参线性变换方法,从而准确识别出透明件的位姿信息。经实验测试,所搭建系统具有较高的准确性。     

基于机器视觉的机器人作业目标定位

为了满足生产制造过程中物料无序分拣的需要,设计基于机器视觉的机器人作业目标定位系统。利用Qt开发人机交互界面,实现图像采集处理、通信和机器人运动控制功能。对图像进行阈值分割等处理,得到理想工作区域。通过机器人视觉系统标定实现相机像素坐标和机器人基坐标之间的转换,得到机器人坐标系下的工件位姿识别。在机器人目标抓取平台上随机摆放一定数量的工件进行数据采样,结果表明：系统准确度以及速度具有优势。     

基于单目视觉的螺纹孔定位精度分析

针对自动化装配过程中的螺纹孔定位问题,提出了一种基于单目视觉的螺纹孔识别定位方法,并对螺纹孔定位精度进行了分析。利用工业相机对螺纹孔进行拍照,通过对图像进行识别和处理提取出螺纹孔特征,通过标定获得每个像素尺寸,经过坐标变换最终到螺纹孔物理坐标。对比分析了拍摄工件全局、拍摄工件局部两种不同方法获得的螺纹孔定位精度,定量分析了在给定条件下视场与定位精度的对应关系,得出了拍摄视野占工件面积50%～60%时定位效果最佳的结论。     

大尺寸工件细小孔视觉定位研究

针对大尺寸工件细小孔的视觉定位存在大视场检测精度低而小视场检测效率低的问题,提出一种基于机器视觉的单相机大尺寸工件细小孔位坐标的测量方法。该系统使用单相机4次采集,基于原点标记搜索拟合和动态计算孔位坐标的测量算法,考虑到机器视觉识别的局限性,设计易于识别的原点标记。利用采集到的带有原点标记的图像,通过对图像拟合、提取、比较分析等操作,获取原点坐标和X、Y轴的方向,以此对细小孔位坐标进行补偿,得到孔位坐标。最后以液晶显示器背板灯条螺丝孔为例,实验结果表明,该系统在检测960mm×550mm的液晶显示器背板时的最大误差为0.5mm,能够满足液晶显示器生产企业的要求。     

基于纹理特征的焊缝识别方法

提出了一种基于纹理特征的焊缝自主识别视觉方法.不同于通常利用被焊工件的宏观结构特征的主动视觉和利用工件图像中明显的灰度梯度的被动视觉,该方法利用待焊区(焊缝位置)与母材区之间明显的纹理特征差异来实现;能够解决多层多道焊后几层、道次的焊接时通常视觉方法不易识别焊缝的问题.在该方法中,先对图像进行纹理分析.提取纹理特征,再利用待焊区和母材区的纹理特征差异,采用图像分割的方法,确定焊缝区域位置以及焊缝中心.结果表明,该方法能够适用于多层焊盖面焊焊缝识别.