机器视觉系统中光源的选择

首先分析了光源的主要参数,包括可见光和不可见光.通过分析可见光的相关特性,得出不同光源以及光源位置的选择对机器视觉系统的重要性,进而利用对光源的优化以及滤光镜的使用,找到合适的光源颜色,从而提高照明效果,增加图像对比度.

机器视觉系统中镜头的选择

介绍了机器视觉中镜头的主要参数以及常见镜头的分类,总结了各个参数相互之间的联系及对成像的影响,阐述了机器视觉中镜头的选取技巧.该方法在实际应用中取得了较好的效果.

基于深度学习的多源信息融合巡检机器人SLAM技术研究

智能巡检机器人利用搭载不同感知环境信息传感器进行定位导航,传统的定位导航技术,过于依赖环境的先验信息,缺乏对动态背景下环境因素的适应能力,定位导航时不能及时对运动路径做出控制决策无法进行自主避障,针对这一问题,如何及时处理外部环境数据进而实现自身位姿估算,规避障碍物进行定位导航是研究的重点。基于深度学习的多源信息融合巡检机器人SLAM技术研究,在深度神经网络框架下,将多个传感器视觉SLAM、激光SLAM和惯性测量单元IMU采集的信息进行融合,实现信息冗余性、互补性以及信息处理的低成本性的基础上,同时结合深度神经网络对局部特征强大的提取能力,对传感器采集的数据信息进行推理,进而精准的估算出巡检机器人的运动路径实现合理避障和地图深度重建。通过实验仿真表明,该设计可以快速实现巡检机器人精准定位导航与路径规划,具有一定的广泛适应性。

基于二维稀疏表示和范数优化的织物疵点分类研究

针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.

基于视觉跟踪的移动机器人路径规划研究

针对复杂环境下含有外部干扰的移动机器人系统,进行路径规划和避障时算法移植性差收敛速度慢、控制系统开放性低容易陷入局部最优,提出一种不依赖滤波器函数和专用通信协议,能够同时满足时效性和精准度的路径规划算法。设计的路径规划算法将机器人运动控制与视觉控制集成一起,随着机器人的运动计算角位移和目标距离,通过以太网进行数据传输,利用相似度不断关联目标路径,最终快速准确地定位目标动态实现路径规划和避障。与传统路径规划算法相比,所提出的模型简单,无需进行复杂的机器人运动学分析,同时在集成系统中引入预设性能评价函数,合理利用系统资源保证了系统的安全性和稳定性。通过李雅普诺夫第二方法稳定性分析,验证算法的稳定性和有效性。

基于数字孪生的压铸机器人模型构建与演化

数字孪生作为新一代信息技术和制造产业集成的前提条件,利用闭环交互实现信息物理融合,构建物理实体的数字模型,促进系统的智能化和数字化升级。传统的基于单一对象的数字孪生压铸机器人模型,功能较为单一,忽略了不同层级间的相互影响,无法实时对故障进行预警决策且在进行离线分析时需要依赖实际系统,具有很大的不确定性,动态追踪效果差,应用于高精度压铸机器人时效果不理想。针对这一情况,设计了一种面向压铸机器人现场的数字孪生数据采集与处理系统为压铸机器人提供数据基础,在分析不同数字孪生平台建模效果的基础上,将外部数据与孪生模型进行映射构建动态模型,实现数字模型准确描述物理设备的功能。通过对压铸机器人状态检测以及数据分析,验证数字孪生的辅助决策和运行诊断能力,得到满足需求的压铸机器人数字孪生模型。

机器视觉系统关键技术分析及应用

一套完整的机器视觉系统由硬件和软件两部分组成,完善的硬件系统可以采集到高质量的原始数据进而大大减轻后续图像处理算法的复杂度。该文首先分析了光源的设计方法、镜头的设计以及相机的选择,在此基础上得到各个硬件设备对机器视觉系统的影响,以及硬件参数之间彼此的关联性是系统设计的关键所在。同时分析系统整体设计需要考虑的问题和原则,进而得到一套适应性强的机器视觉系统构建方案。

移动机器人避障运动关键技术分析

随着自动化技术的进步和科技的发展,移动机器人技术越来越受到人们的重视。机器人避障和路径规划是机器人技术研究的重点。机器人避障运动首先利用单一或多个传感器搜集的外部环境信息,感知规划路线上可能存在的动态或静态障碍物,进而利用相应的避障算法,实时对目标轨迹进行调整,最终躲避障碍物,实现路径的合理规划。

工业机器人专业人才培养模式创新研究

工业机器人人才培养模式是培养专业人才的指导方针,对培养模式的方向性具有十分重要的作用,具有理论指导性。该文主要从人才培养模式的创新和完善上进行研究,同时对主要课程、教学要求及选用教材做了分析,进而提出教育教学观念的更新思路,坚持通识教育与专业教育相结合、深化产教融合,最终确定新时代职业院校人才培养工作的思路及发展方向。

基于改进蚁群算法在机器人路径优化中的应用

在机器人路径规划问题中,蚁群算法作为经典的优化算法,相比于传统的数学方法在求解最优化问题时具有较强的求解能力,同时蚁群系统具有鲁棒性和简单性,因此常用于对各种问题的最优化研究。但是蚁群算法也存在一些不足之处,初期信息素表达能力缺失,盲目搜索进而导致收敛速度慢,信息素表达能力的局限性使得算法易陷入局部最优甚至使算法循环停滞不前。针对这一情况,在简单蚁群算法的基础上,引入遗传算法和非线性强化局部搜索能力寻找全局最优,同时对信息素更新方式进行优化,加快计算初期算法的收敛速度。最后在MATLAB仿真平台上对算法进行验证,实验结果表明,算法的运行速度和搜索能力均得到了较大的提高。

机器视觉中图像分割问题研究

随着机器视觉技术的普遍应用,图像的采集、处理越来越受到人们的重视。图像分割作为图像处理的重要一环,影响着图像预处理的效果,同时也是后续图像进行分析、理解的基础。现有的图像分割技术没有一个统一的理论体系,不能够根据不同的图像特征选择合适的分割算法。本文分析了现有图像分割技术的原理及应用,在阈值分割技术的基础上,提出了基于模糊阈值的自适应背景区域分割方法。实验表明这种方法在不影响图像理解精确度的前提下,能够有效提高算法的使用范围。

基于蚁群优化的特征基因选择算法

传统的特征选择算法需要依靠大量的数据进行有监督训练,具有高维和小样本的属性,进而造成数据冗余,导致维数灾难。针对这一情况,提出一种基于蚁群优化的特征基因选择算法。该算法对传统的蚁群算法模型进行优化,改进蚁群算法的参数选择方法,利用特征对不同数据集的敏感度,寻找最优基因,滤除无关基因,将特征选择过程转化为蚁群寻找最优路径的过程。实验表明,该算法可以有效地对特征进行优化选择,在降低数据维数的同时,提高分类的准确性和时效性。

一种基于多传感器的信息融合技术分析

单一传感器采集的信息受限于范围、精度的影响往往无法准确地描述目标的具体特征,进而导致系统的可靠性不足,同时由于不能对采集到的信息进行高效表示,在传输及存储过程中对系统硬件以及通信系统带来了巨大压力。基于多传感器的信息融合技术,通过一定的融合算法对不同传感器采集到的同构或异构数据信息进行有效融合,使得不同类型数据之间在互补的同时摈除了冗余数据,扩展了单个传感器性能,满足了系统对信息实时性和有效性的需求,在提高系统稳定性和容错性的同时,节省了系统的计算资源和存储空间,克服了不确定因素及环境因素对系统的干扰,具有重要的研究意义。

基于产教融合背景的创新型技术技能人才双线并行培养模式研究与实践

该文以河南省职业教育产教融合、校企合作的融合方式和合作形式以及存在的主要问题作为研究对象,首先梳理当前产教融合背景下河南省高职院校工业机器人专业人才培养模式的现状与问题,对高职院校工业机器人专业人才培养理念、人才培养过程、人才培养方法进行分析;继而对现阶段产教融合、校企合作的融合机制以及构成要素进行归纳整理,尝试从多方面、多角度对产教融合、校企合作机制进行优化,进而为产教融合、校企合作的后续发展提供实践借鉴和理论依据。

一种基于非线性特征提取的数据降维算法

为了获得良好的图像分类效果,需要采集尽可能多的图像数据特征,进而使得图像原始特征空间的维数越来越高,造成维数灾难.特征提取是通过线性或者非线性映射,将高维特征空间映射到低维空间,从而降低数据维数.现有的特征提取算法往往忽视了数据本身特有的复杂结构以及非线性因素,造成映射方向的模糊以及分类精确度的缺失.充分考虑了图像数据本身的二维特性,通过改进的非线性特征提取方法、流形学习方法来提取图像特征.实验表明,该算法在不影响图像分类效果的前提下可以大大降低数据维数,减少计算复杂度.

低功耗节点射频供能高效传输技术研究

绿色环保通信方式的提出,为环境保护提供了有益的研究方向。射频信号在传递信息的同时,携带能量可以为受限环境下的无线传感节点提供能量来源,解决传统化石能源环境污染的问题,作为一种共享频谱的资源收集渠道受到了关注。传统的射频信号受功率转换效率以及能量收集技术的限制,从射频信号中捕获的能量密度较低,频谱使用率不足导致输出电压低,无法大范围使用。基于此,该文分别从软硬件方面进行改进,通过天线设计、整流设计以及阻抗匹配电路进行设计,同时对能量传输机制以及信道分配进行优化,进而实现低功耗节点射频供能高效传输,最后通过实验仿真并与其他方案进行对比,验证系统的有效性。

面向复杂环境的机器人避障与路径规划研究

精确的导航定位技术是机器人进行路径规划和避障的先决条件,在面对复杂多变的外部环境时,传统的路径规划算法收敛速度慢容易陷入局部最优,且单一传感器采集到的图像信息累计误差难以消除。针对这一情况,提出多传感器融合策略,将多个传感器采集到的场景信息通过一定的融合算法进行优势互补同时屏除冗余信息,增强系统的鲁棒性以及普适性;同时对传统的蚁群算法进行改进,采用动态参数对融合策略进行控制,降低死锁现象的发生增加避障能力,进而实现路径规划。通过实验仿真可知,该算法能够安全有效地得到最优路径,收敛速度得到了提升,具有一定的普遍适用性。

基于强化学习的腿式机器人运动控制与决策研究

传统的腿式机器人在未知环境中进行运动控制和路径规划时收敛速度慢,路径不够优化具有一定的局限性,无法满足运动控制系统对实时性和精确度的要求。针对这一情况,将深度学习的学习能力与强化学习的决策能力有机地结合起来,利用深度学习具有自动特征提取和深度结构的学习优势,以及强化学习在闭环学习系统中对未知环境进行探索、反馈再探索鲁棒性强的特点,从而解决机器人在运动控制中的复杂序贯决策得到最优路径规划,最终实现腿式机器人合理的运动控制与决策。

“互联网+”背景下智能制造创新模式研究

制造业作为一个国家的根本,代表了先进生产力的发展方向,是振兴实体经济的关键。随着人工智能、互联网和大数据技术的发展,如何将传统的制造业进行智能化升级,由粗放、低端模式向着节约型、集中型、智能型转变是当前研究的重点。“互联网+”作为全新发展模式,可以使制造业根据市场需求进行及时调整,脱离传统的固有模式,进而面向未来打造制造业新的生态系统,实现以智能制造为基础体系、以互联网为架构的全新生态系统,最终实现我国智能制造业的健康、良性发展。

基于流形学习的图像降维算法研究

传统的一维、二维图像特征提取忽略了图像的结构信息,由此带来识别精度的损失;三维和多维图像的特征提取虽然考虑了数据结构之间的彼此联系,但却带来了维数灾难,增加了计算复杂度。本文利用流形学习,在原始的数据空间中嵌入稳定的流形,从而使多维数据中的特征数据映射到流形上,发现隐含在高维数据集中人们无法感知的低维结构,在不丢失数据信息的前提下,降低原始数据的维数,从而降低计算复杂度。