基于增强模板的鞋体涂胶特征点快速匹配提取

拖鞋自动化生产装配中,胶水喷涂是最重要的环节,由于拖鞋鞋体为特定局部区域侧面喷涂,以及颜色不一、挤压形变和环境光变等因素,涂胶区域的图像特征提取变得尤为困难。应用3D激光相机进行鞋体图像采集,避免环境光变对图像的影响,通过调整相机曝光以及相机安装方式等解决像素跳动或缺失的问题,采取基于边缘特征的增强模板匹配的方法,对涂胶特征区域进行匹配定位,结合曲率尺度空间的角点提取方式,精准快速地实现涂胶特征点提取。实验结果表明,该方法针对不同鞋码不同颜色鞋体都具有良好的适用性与稳定性,实现快速检测,满足实际生产需求。

基于改进的GoogLeNet鸭蛋表面缺陷检测

文章提出了一种基于改进的GoogLeNet(GoogLeNet-Mini)的鸭蛋表面缺陷检测方法,并对比其他3种神经网络GoogLeNet、VGG16和AlexNet。结果表明,4种网络的测试集准确率分别为95.88%,94.16%,92.75%,85.43%。GoogLeNet-Mini对测试集3类鸭蛋(正常、脏污、破损)的检测准确率分别为98.43%,97.45%,95.88%。与GoogLeNet、VGG16和AlexNet相比,GoogLeNet-Mini具有更高的准确率,更好的泛化性与鲁棒性,且对3类鸭蛋的检测准确度均能达到生产要求,检测范围适用于脏污面积超过5%,破损面积超过2%的鸭蛋。

基于机器学习的素描图像处理技术

图像素描化在激光雕刻领域中发挥着极其重要的作用,传统的图像素描处理方法是不同的图像采用同一种算法进行处理,存在适用率不高和部分参数不通用问题。文章提出一种基于机器学习的素描图像处理技术,通过搭建素描图像处理神经网络系统,使用构建的素描图片数据库对模型进行多次迭代训练,最后达到预期素描处理效果,提高了图片素描化处理的普适性。

大跨度中厚板边缘视觉识别与打磨引导研究

中厚板切割自由边打磨质量影响后续焊接等工艺性能,机器人打磨的高效一致性能很好地保证后续工艺要求,对大跨度中厚板的边缘打磨提出了视觉图像识别引导的方法。首先对随机尺寸或形状大跨度中厚板进行远视场全局图像采集,利用基于HED融合算法的全局图像边缘稳定识别,然后基于全局边缘路径引导,对局部近视场边缘3D点云图像采集分析并提取边缘点集,最后根据工艺进行参数调整后进行定位引导动态打磨去毛刺测试。结果表明:打磨深度和打磨宽度均符合打磨要求,并且局部的点云检测可以有效进行边缘异物实时检测,避免设备异常碰撞损坏。对于难以精准定位大跨度大重量甚至自由边不规则的多类型中厚板的机器人打磨,以上方法可以极大提高打磨效率以及保证边缘打磨效果的一致性,极好地满足后续焊接工艺的需求。

基于数字孪生的智能机器人磨抛虚实结合平台开发与应用

随着制造业由自动化向智能化转型的推进,机器人磨抛在提升产品质量、生产效率和柔性生产方面面临着诸多挑战。传统机器人磨抛受限于复杂的工艺参数和操作环境,难以应对多样化的产品需求和高度精确的质量要求。尤其是在接触力控制、产品形状差异、频繁更换型号等方面,现有技术难以实现精细化和智能化管控,导致磨抛过程产品质量波动和生产效率低下的问题。为应对这些问题,提出了一种基于数字孪生技术的智能机器人磨抛虚实结合平台设计方案,通过构建机器人磨抛工作站孪生系统机理模型,实现其虚拟与现实之间的高效交互。平台能够在复杂工况下精确模拟磨抛过程,优化磨抛路径和参数配置,从而确保接触力的精准控制和磨抛质量的稳定性。通过该智能磨抛虚实结合平台,验证了其在优化磨抛质量、缩短程序调整时间和提升生产效率方面的显著成效,推动了磨抛工艺从自动化向智能化的转型。