快递智能自动分拣系统设计研究

设计的快递智能自动分拣系统采用C/S架构,分为智能终端和信息系统两大模块,两者根据TCP/IP协议建立连接,基于档板式分拣机实现自动控制功能。具体在DSP处理器平台上开发作为客户端的智能终端,摄像头会在包裹的位置通过红外感应器完成检测后被触发,执行对包裹运单图像的采集和处理过程,最终译出运单号码,再通过计算机信息系统完成包裹目的地的查询,智能终端据此通过控制分离旋转挡臂实现自动分拣过程。测试结果表明该系统能够有效实现对运单号码的自动识别过程及自动分拣,使物流中心的快递包裹分拣效率得以有效提升。     

基于图像检测的煤矸分拣机器人实验平台

目前煤矸预分选仍多为人工完成,劳动强度大、分拣效率低,且存在安全隐患,利用煤矸分拣机器人代替人工完成煤矸预分选是保障工人健康和安全、提高作业效率的有效途径。然而现有的煤矸分拣机器人在弱光照强度、煤矸表面覆盖煤粉等情况下的效果较差,针对上述问题,提出了基于图像检测的煤矸分拣机器人实验平台。该实验平台通过工业相机采集煤矸图像,利用ResNet18-YOLOv3深度学习算法对图像中的煤矸进行识别,采用TCP通信将矸石的位置信息提供给煤矸分拣模块进行轨迹规划,控制机械臂对矸石进行夹取,完成矸石分拣作业。采用Halcon标定法对实验平台进行手眼标定,从而实现相机像素坐标与机械臂空间坐标的转换;对实验平台进行了定位误差标定,对于尺寸均为50 mm以上的煤矸样本,定位误差不大于9 mm。实验结果表明,该实验平台在强光照条件下的煤矸识别准确率达99%,在弱光照条件下的煤矸识别准确率为95%,在煤粉附着条件下的煤矸识别准确率不低于82%,且煤矸分拣准确率为82%。     

基于视觉识别的智能分拣机械臂设计与实现

该文提出了基于视觉识别物料机械臂完成智能分拣的设计思路,具体实现方式为首先由工业相机采集待分拣物料图像,HALCON软件处理;其次通过标定、滤波去噪、特征提取、坐标变换分类识别物料;然后由主控制器PLC接收上位机发送的信号,在上位机Visual Studio 2019环境中进行Winform窗体开发;最后结合PLC编程软件TIA Portal V15.1,精准控制机械臂完成物料分拣作业。实验结果表明,基于视觉识别的智能分拣机械臂系统运行可靠,稳定性好,控制精度高。     

基于物联网的分拣机器人故障检测系统设计

目前研究的分拣机器人故障检测系统检测准确性较低,导致检测结果误差较大、实时性较差;为此,基于物联网设计一种新的分拣机器人故障检测系统;选用滑轮式机器人载体设定分拣机器人,硬件部分采用Zigbee压力传感器采集机器人故障信息,利用XBEE模块负责数据传输,协调分拣中控机接收各个传感器采集的信息,通过STMP3550芯片实现控制器设计;通过信息标定、信息采集、特征提取、故障识别实现软件工作流程,应用非极大值最大类间方差法来筛选出最优的高低阈值解,得到连续但含有假边缘的故障信息图像边缘;将提取到的图像特征向量映射到类型空间之中,确定故障原因,完成故障识别;实验结果表明,所设计分拣机器人故障检测系统在6次检验中都准确地检测出故障原因,故障检测耗时平均值为3.27 min,能够有效提高检测准确性,加强检测结果的实时性.     

基于PLC技术的远程电表软硬件设计

随着Internet的发展,数据业务成为通信服务的主流.在这一背景之下,PLC的优势才真正为人们所认识,成为通信研究的新热点.本文介绍了基于PLC技术的远程电表,给出了硬件、软件的模块划分和具体实现,同时给出了与远程抄表软件的通信接口和简单的模拟抄表系统.系统初步实现了电力线通信,PLC远程电表的模拟抄表通信可靠.     

对机械自动化技术应用研究

改革开放以来我国发展迅速,尤其在科学技术方面发展迅速,同时机械制造业也迅猛发展,在这其中机械自动化技术起到了举足轻重的作用,被得到广泛应用,受到极大的重视。本文对我国机械自动化应用现状,机械自动化在我国各领域中的应用现状,以及我国机械自动化技术发展前景展开了综述。     

机械自动化技术应用及发展前景

随着我国当前的科学技术的进步,一些自动化技术已经在工业生产当中得到了广泛应用,其中机械自动化技术的应用尤为突出,在实际的应用过程中不仅在工作的效率上有了提升,对经济的投入也有了大幅度减少,从整体上推动了社会进一步发展.基于此,本文则主要就机械自动化技术的相关理论进行分析,并结合实际就起应用以及发展前景加以详细探究,希望此次理论研究对实际操作能起到一定指导作用.     

基于机器视觉的平面规则几何工件分拣方法

为有效提高工业生产中工件分拣的效率,提出了一种基于机器视觉的平面规则几何工件分拣方法。首先对CCD相机采集到的工件图像进行预处理,包括灰度变换、二值变换及多目标分块处理三个环节;然后通过多目标质心快速计算方法获取工件的几何中心,再运用边缘曲线等价方法实现工件的形状识别,接着利用Harris算法检测出工件的角点,并筛选出工件外接矩形上的角点用于计算工件的旋转角度;最后引导Tripod三轴并联机器人在线完成工件分拣实验。实验结果表明,该方法能够获得良好的识别效果,有效提高了工件分拣的柔性和自动化程度,具有应用价值。     

基于机器学习的物流自动分拣机器人定位精度检测算法

在物流自动分拣机器人定位精度检测中,需要使用大量外部仪器设备,使检测流程十分繁琐,设计一种基于机器学习的定位精度检测算法,实现简单的定位精度检测。提取机器人的三类视觉特征信息,通过原始输入特征获取、白化处理、保持长宽比三步预处理数据,基于机器学习设计检测模型,实现对机器人的定位精度检测。测试算法性能,测试结果表明设计算法的检测精度高于90%,定位精度检测误差较低,证明了算法性能的优异。     

基于强化学习的煤矸石分拣机械臂智能控制算法研究

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性,传统深度确定性策略梯度(DDPG)等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题,对传统DDPG算法中的神经网络结构和奖励函数进行了改进,提出了一种适合处理六自由度煤矸石分拣机械臂的基于强化学习的改进DDPG算法。煤矸石进入机械臂工作空间后,改进DDPG算法可根据相应传感器返回的煤矸石位置及机械臂状态进行决策,并向相应运动控制器输出一组关节角状态控制量,根据煤矸石位置及关节角状态控制量控制机械臂运动,使机械臂运动到煤矸石附近,实现煤矸石分拣。仿真实验结果表明:改进DDPG算法相较于传统DDPG算法具有无模型通用性强及在与环境交互中可自适应学习抓取姿态的优势,可率先收敛于探索过程中所遇的最大奖励值,利用改进DDPG算法控制的机械臂所学策略泛化性更好、输出的关节角状态控制量更小、煤矸石分拣效率更高。     

基于机器视觉的水果分级分拣系统关键技术研究

综合考虑自动分拣系统的各项功能要求,设计了自动分拣系统的整体方案.系统包括硬件和软件设计2部分.其中,硬件设计主要包括图像采集、机械手、传送带等模块,通过图像采集模块获取图像,通过机械手抓取水果.软件设计包括水果位置检测和分类识别两部分.通过研究水果的位置检测方法,对水果图像进行预处理,通过多种算子实施边缘检测,再基于...     

基于BP神经网络的智能电表动态测量数据自动化分类

目前由于智能电表的测量标准单位的不同,在数据测量上存在难以统计的情况.为了提高分时段用电量测量的准确性,使用BP神经网络对用单一单位电量和区域单位电量进行分时段测量,以此得出更高准确值,从而指导分时段供电功率.BP神经网络算法对用电量进行测量,可以看出单一用户在10:00～20:00用电量较高,在(16kW.h,21k...     

基于YOLOv3算法的工业分拣目标检测

在工业机器人视觉导引系统中,对于不规则的工业零部件,基于模板匹配的目标检测算法难以取得较好的定位效果和识别精度。在结构化环境下,对于传统视觉目标检测算法,利用YOLOv3算法开展视觉目标检测的实践。实验结果表明,该算法的定位精度和识别精度均取得了较高的水平,可以在工业现场进行部署。     

机械自动化技术在机械制造业中的应用探讨

机械制造业是我国最“热门”的产业之一.现在,随着科技水平的提高和社会形势的变革,对于机械制造业的可靠性与工作效率又提出了更高的要求.机械自动化技术能够有效地满足这一要求,因此成为机械制造业的全新发展方向.文章针对与机械自动化技术在机械制造业中的应用方案开展一些探讨.     

基于手势识别的视力检测系统的设计

This design realizes a vision detection system, which can detect human visual acuity through gesture recognition technology. The system includes several modules: acquisition, data storage and conversion, gesture recognition and output control. And the camera, memory, display and speaker are connected externally. The visual icon "E" is displayed on the display screen, and then people use gestures to indicate the direction of "E". After the camera captures the image, the system recognizes and judges the direction of gesture, and then compares the correct direction to detect the visual acuity of people. Because the system eliminates manual detection, it is convenient, accurate and it saves manpower. The system realizes dynamic gesture interaction, being interesting and easy to be popularized.     

基于Zigbee技术的机械自动化控制系统设计

传统的机械自动化控制系统在应用中经常出现响应延迟的问题,且延迟时间较长,为此提出基于Zigbee技术的机械自动化控制系统设计。系统硬件方面对控制器、传感器和数据转换器进行选型与设计;系统软件方面,利用Zigbee技术设计系统通信协议栈,实现数据的发送和接收,并利用模糊控制算法对机械运行模糊控制量进行计算分析。实验结果表明,设计的系统对控制指令的响应延迟时间短于传统系统,具有较好的可行性。     

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。     

机械制造中机械自动化技术的应用及发展前景

在机械制造中机械自动化技术属于先进技术,在机械产品制造中使用该技术可促使机械生产制造能力获得大幅度提升,进而有效提升企业经济效益。一个国家机械自动化的应用情况可充分体现其机械设备制造水平。本文主要探讨在机械制造中应用机械自动化技术的具体情况,而后分析其发展前景,为我国机械制造业明确未来发展方向提供指导,拓宽发展空间并接轨于国际市场。