双目视觉下钻杆接口定位的实现

智能机器人技术的快速发展推动了石油钻机装备自动化和智能化的提升。针对目前石油钻机上卸扣作业中,传统的钻杆接口定位存在困难,无法实现完全自动化的问题,提出了一种基于改进YOLOv5x算法的智能钻杆接口检测方法,并在双目视觉下建立了钻杆接口定位模型。模型基于卷积神经网络提取钻杆接口的图像特征,从而实现自动识别;融合CBAM(Convolution Block Attention Module)注意力机制以提高模型的特征提取与表达能力,引入更大尺度特征图作为小目标检测层,减少了钻杆接口图像中小目标的误检和漏检情况;结合SGBM(Semi-Global Block Matching)算法,实现双目视觉下钻杆接口的精准定位;通过网络训练检验改进算法的性能,并在模拟试验环境下开展了钻杆接口的定位试验。试验结果表明:改进YOLOv5x算法平均精度达到98.6%,比原始YOLOv5x算法提高了3.0%;上下接口平均定位误差分别为7.64和6.56 mm,符合工程误差要求,具有一定的工程应用价值。所得结论可为钻杆接口的准确检测和精准定位提供技术参考。