基于改进YOLOv3深度卷积网络的竹垫智能装配方法

针对我国竹垫人工组装劳动强度大、效率低的问题,提出一种基于改进YOLOv3深度卷积网络的竹垫智能装配方法,通过智能识别、定位、摆放和组装实现卡扣式竹垫的装配生产模式。YOLOv3深度卷积网络的改进包括:首先通过在原YOLOv3的特征提取网络Darknet-53中加入DenseNet密集型连接网络结构,提高特征提取能力;再根据实际检测需求减少网络预测尺度,提升检测精度;最后采用K-means聚类算法对YOLOv3中的初始锚点框参数进行优化,以加快识别速度。笔者还设计了试验机进行装配生产试验。该试验机使用CCD相机采集不同图案的竹垫样品图像,对竹垫样品图像进行识别定位处理,获得目标竹垫零件的位置和颜色信息,然后控制摆放系统对目标竹垫零件进行吸取摆放,再启动传送机构输送竹垫零件,最后通过组装系统实现对目标竹垫零件的组装,实现了竹垫检测、摆放、传送、组装自动化。试验结果表明,视觉系统在GPU和CPU下识别定位竹垫零件的平均时间为16.7和105.3 ms,识别均值平均精度M_(AP)为99.86%,平均组装一行竹垫零件的时间为24.63 s,验证了本方法的可行性。

智能剖竹机上料机械手的设计优化

研究一种能够自动抓取和自动对心的智能剖竹机上料机械手的设计优化方法。首先,根据生产技术要求设计并确定了机械手的整体结构;然后,利用多变量遗传算法优化了机械臂的尺寸参数,使机械手实际工作空间与期望工作空间重合,且结构长度最小。利用随机概率蒙特卡洛算法模拟的机械手目标空间初步验证了机械手可以抓取到不同直径毛竹。上料试验结果表明该机械手抓取不同直径毛竹的平均对心率为90.45%,抓取成功率为100%。

智能剖竹机上料机械手试验研究

剖竹机传统的手工上料方法非常危险,智能剖竹机能够实现自动上料、智能换刀,应用前景广阔。上料机械手是智能剖竹机的重要部件。上料的成功率和对心率是开发毛竹上料机械手必须考虑的因素。文中通过试验研究一种自主开发的气动毛竹上料机械手的抓取成功率、对心率和抓取动态特性。研究过程中根据直径大小将毛竹毛坯分成60~85,85~110和110~135 mm 3个梯度,开发了大臂长度分别为210,220和230 mm的机械手进行试验,并利用加速度传感器测量抓取动态特性。试验结果表明臂长为220 mm的机械手平均抓取成功率为100%,但臂长为210 mm和230 mm的机械手分别只有96%和98.67%。因此,臂长为220 mm的机械手能可靠地抓取各种直径的毛竹。拟合出机械手抓取响应时间-胚料直径关系曲线与指数函数曲线近似,平均加速度-胚料直径曲线与幂函数曲线近似。