基于SVM的图像识别在零件分拣系统中的应用

针对外观形状、质心分布较均匀的零件在自动化生产中难以实现有方位要求的自动送料问题,对零件的图像采集、图像处理、图像特征提取和分类识别等作了研究和分析。提出了以图像识别为核心的零件分拣系统,在振动盘出料口安装摄像头进行图像采集,对采集的图片进行小波变换,滤去干扰噪声和降维,用主成分分析法(PCA)对图片进一步降维和特征提取,提取得到的特征向量作为支持向量机(SVM)的输入向量,通过SVM对输入向量进行了样本识别,从而确定零件的位置状态,最后通过驱动装置将不符送料要求状态的零件推出送料轨道,从而为下道工序实现自动送料。实验结果表明:训练样本达到20以上时,该方案两种零件的识别正确率都达到了100%,单个零件的识别时间在1 s以内,能满足实际生产要求。

基于图像识别的生产线零件分拣系统

针对工业领域的生产线零件分拣系统进行研究,其零件识别采用图像识别方法。主要针对工件图像的预处理进行了研究,使用加权平均的滤波方法对工件图像进行去噪处理,使用基于双峰法的阈值分割方法对去噪图像进行分割,并使用凯西算子提取图像中的工件边缘。同时对工件位置的定位方法进行了研究,为控制机械手抓取零件提供依据,用三菱公司的RV-4FL工业机器人进行工件分拣实验,使用上位机的Matlab软件实现工件零件的图像处理、识别和定位。

图像处理在平面零件分拣控制中的应用

针对目前PLC系统对同材质、同体积零件的分拣困难,提出了给PLC系统引入视觉技术的方法。利用DDE技术将Matlab与PLC结合一起,共同完成平面零件的识别和分拣。Matlab主要完成零件图像的获取和比对识别,并将识别结果传送给PLC,而PLC则根据所接收到的识别结果,控制气缸动作,完成多种结构复杂零件的分拣任务。

基于图像处理的零件分拣系统设计与实现

以某企业实际生产的平面类零件为研究对象。并结合该企业的具体生产条件以及实际生产的需要,针对原零件分拣系统分拣精度低且对同材质、外形相似的零件极易产生误拣的问题展开研究。提出通过将视觉技术引入到可编程控制器中的方法,并结合成像设设备及图像处理技术的方法来实现该类零件快速准确的识别和分拣。在实际生产中有很好的推广应用价值。

零件分拣系统(SPS)项目在上海通用(沈阳)北盛汽车的实施

SPS系统改进了原有零件从LOC运送到生产线工位的配料流程,系统从GEPICS获取下线车辆的型号及选装件信息后,系统预知该车将要进入的配载线,根据配载线所有工位下所有零件与该车辆零件/选装件的匹配情况,再加上配载线的配载模式,系统计算出车辆在各配载线所需SPS零件并打印配料单。配料工在SPS操作区域扫描配料单,电子辅助拣选系统可以启动需配载零件对应的亮灯用以辅助零件配载。分拣结束后分拣系统传送信息给SPS系统,SPS系统计算车辆SPS零件消耗。通过上传时报完成零件在系统中从LOC到车间的移库。

发动机摇臂零件自动分拣系统设计

针对待分拣的汽车摇臂零件结构相似、产量大,人工分拣困难,影响产品发货的问题,提出了基于机器视觉检测技术的自动分拣方案,通过识别待拣零件结构特征和编号实现对零件种类的辨识,采用工控机(IPC)和西门子S7-200 Smart PLC(可编程逻辑控制器)组成的主从式控制系统,完成对待拣零件的自动分拣。通过PLC来控制传送带和气动推杆,IPC完成图象处理和人机交互,采用TCP/IP协议实现IPC与PLC间的数据通信。零件类型辨识实验表明融合零件结构特征和编号的识别方法能够准确地识别出待检零件的类型。

基于Hu-SIFT特征匹配与遗传算法的零件视觉分拣方法

针对机械零部件快速分拣需求,提出一种基于Hu-尺度不变特征变换(SIFT)特征匹配与遗传算法的零件视觉分拣方法。首先,通过形态学处理与滤波算法对零件图像进行预处理;然后,设计基于Hu-SIFT特征匹配的图像识别算法,融合Hu不变矩和SIFT特征进行全局和局部的特征匹配,以准确提取目标零件,并利用仿射变换进行目标零件定位;最后,针对传统遗传算法收敛速度慢的问题,提出一种基于极值优化的改进遗传算法,对机械手目标零件的最优分拣路径进行快速规划。实验表明:所提方法的平均查准率和查全率为86.06%和93.25%,最优路径规划的平均时间为3.03 s,可有效提高机械手的分拣效率。

多连杆刚柔机械手设计与手指减振分析

针对陶瓷易碎零件分拣过程中难以稳定抓取的问题,设计了一种能够有效稳定抓取的新型多连杆刚柔机械手。首先,以机械传动为基础,将刚性关节与柔性材料相结合,设计机械手的传动方式与柔顺关节的最优结构,并在三维软件上构建刚柔机械手的整体结构;其次,通过对机械手手指结构进行简化,采用拉格朗日理论和有限元离散方法,构建出具有尖端质量的手指多连杆刚柔耦合动力学模型;最后,求解出机械手手指在运动过程中的动力学方程。在此基础上,通过设计减振方案,对机械手手指结构做出优化和改进。仿真实验结果表明:在外激力为2 N的条件下,改进结构后的刚柔机械手手指其振动的幅度降低8 mm,且恢复稳定的时间缩短了4 s以上,在一定程度上提高了分拣和抓取过程中的抗冲击力,保证了对陶瓷易碎零件抓取过程的稳定性。

汽车总装厂线边零部件分拣标准化作业研究

目的在汽车企业采用随行配料系统(Set Parts System,SPS)的基础上,提高工作效率和装配线柔性。方法通过对某汽车总装线SPS分拣作业进行调查,运用工业工程、人因工程和管理学的相关知识进行改善。结果提高了工人的分拣效率,并运用模特排时法制定了工人进行分拣作业的标准时间。结论分拣作业标准符合现有的生产线节拍,为企业今后应用自动导引运输车(Automated Guided Vehicle)配送奠定了基础。

基于机器视觉与改进遗传算法的机械手分拣方法研究

针对机械零部件快速分拣需求,提出一种基于机器视觉与天牛须改进遗传算法(BAS-GA)的机械手分拣方法。该分拣方法首先对零件图像进行预处理,然后利用Sift特征匹配的图像识别算法提取零件图像,并使用仿射变换对目标零件定位。接着,对得到的零件位置建立数学模型,使用BAS-GA算法求解该数学模型,得到机械手的抓取路径,实现机械手的快速分拣。实验表明BAS-GA算法相对于模拟退火算法,遗传算法和一种改进蚁群算法都取得了较好的寻优效果。经过优化后的路径缩短了11%,说明该方法可有效提升机械手分拣速度。

一种基于轮廓特征匹配的零件位姿估计方法

针对现有位姿估计算法在工业零件散乱堆叠场景下精度差、效率低的问题,提出了一种采用轮廓特征匹配的三维目标位姿估计方法。利用场景点云数据生成场景深度图像,采用Sobel滤波器提取图像边缘并得到场景点云轮廓;提出基于主方向一致性的轮廓点云聚类方法,对不同边缘的轮廓点云聚类并提取直线轮廓特征,建立用于进行轮廓特征匹配的统一特征描述子;通过哈希表存储的方式建立模型特征描述表,降低特征匹配时间,并通过霍夫投票得到多个候选位姿;使用位姿聚类的方式对候选位姿进行评价和筛选从而得到最终的位姿结果。采用工业目标识别数据集ITODD和自采数据进行目标6D位姿估计实验,实验结果表明提出的位姿估计方法相比于原始点对特征匹配算法识别速度更快,准确率更高,算法单个场景平均识别速度3.78 s,平均识别准确率76%。

一种基于抓取簇和碰撞体素的工业零件抓取姿态检测算法

针对工业上常见的散乱堆叠零件的抓取问题,提出一种基于抓取簇和碰撞体素的抓取姿态检测算法。所提出的抓取簇是定义在零件上的连续抓取姿态集合,解决了传统方法中因采用离散固定抓取点而导致可抓取点丢失、筛选效率低的问题。先对料箱和场景点云进行体素化;然后把包含料箱或点云的体素标记为碰撞体素,并把与碰撞体素相邻的体素标记为风险体素,从而建立体素化的碰撞模型;接下来,根据抓取簇的几何性质计算出候选的抓取姿态及其对应的抓取路径;最后,通过检测抓取路径所经过的体素类型来完成快速的碰撞检测,从而筛选出最优抓取姿态。基于所提算法搭建了完整的Bin-Picking系统,并对多种实际工业场景中常见的零件进行仿真实验和实际抓取实验,结果表明:该算法能够快速、准确地检测出安全的抓取姿态,实际抓取的平均成功率达92.2%,料箱平均清空率达87.2%,较传统方法有明显提升,且抓取过程均未发生碰撞,可满足实际工业应用的要求。

基于机器视觉的标准件回收系统设计

为了降低生产成本杜绝生产浪费,降低混杂标准件人工回收分拣过程中的劳动强度;提高工作效率,设计了一套基于机器视觉技术的标准件识别及回收分拣控制系统。该系统主要由照明和成像系统、硬件采集系统和IMAQ图像处理软件及气动分拣等部分组成,系统以Lab VIEW为操作平台,利用IN IMAQ Vision Builder及Vision Assistant软件提供的强大图像处理技术,通过图像匹配区分类别,再通过参数测量区分不同规格标准件,结果控制FX2N PLC分拣设备完成气动分拣回收,实验验证系统可行并具有识别准确率高、系统反应快速和分拣控制运行平稳等优点。