基于图像分辨率处理与卷积神经网络的工件识别分类系统

为了提高复杂条件下不同工件目标的在线识别与分类准确率,以螺帽、螺丝、螺母等工件为样本,设计并开发了一种基于图像低分辨率处理与卷积神经网络的工件识别分类系统。首先,连接工业相机、光源、三轴机械手、PLC,设计以机器视觉为核心的目标分类平台。然后,利用工业相机采集工件图像,通过图像低分辨率处理,得到较低分辨率的全局视野图像;采用阈值分割与连通区域查找算法,分割得到工件二值图像,进行特征矩阵提取,作为分类器数据输入;随后,结合样本数据库,先采用最近邻分类方法,输出粗识别结果,然后基于卷积神经网络实现进一步分类,完成细识别,达到准确定位识别工件的目的,将工件种类与坐标信息传递给运动控制单元,完成工件分类操作。最后基于QT开发平台、Tensorflow学习库与C++语言编程实现系统。设计对比实验,与现有系统和人力对应流程进行实验对标,经验证,本系统具有更好的分拣效率和准确度。