基于机器视觉的工业机器人分拣实验平台设计

为提高机械电子等专业学生的实训质量,设计了基于机器视觉的工业机器人分拣实验平台.平台包括上位机、机器视觉、机器人和气动系统共4个子系统,涉及图像目标识别与定位、图像坐标系与机器人坐标系的转换、吸盘控制系统设计等关键技术,并设计了6组创新型实训项目.通过该实验平台,学生可以进行图像采集与处理、机器人控制以及上位机软件开发...     

基于视觉的并联机器人智能分拣系统设计与实现

针对传统工业机器人无法满足复杂分拣环境下作业要求的问题,设计基于视觉的并联机器人智能分拣系统.以Delta并联机器人、CMOS相机为硬件基础,运用固定阈值和轮廓提取等方法对图像进行预处理,求解出所观察目标的空间位姿,通过Hu矩匹配法对工件进行识别匹配,提高并联机器人对环境的认知能力和智能性.系统测试结果表明,该控制系统运行可靠,搭建的智能分拣系统能够快速识别分拣工件种类,且抓取准确率高、速度快,拓宽了并联机器人的应用领域.     

一种基于Raspberry Pi的辅助人工智能分拣系统设计

为了实现分拣装置的自动化与智能化,设计一款基于Raspberry Pi的无线网络与串口通信相结合的自动化分拣系统.该系统采用树莓派3b+(Raspberry Pi 3b+)与Arduino开发套件作为主控芯片,利用树莓派的硬件控制,视觉处理等能力分析采集欲分拣物品的大小,形状,颜色等特征,从而实现有效自动分拣.通过串口通信模块,将采集到的物品信息传到下位机,使用Arduino开发环境下的串口调试功能对物品信息进行分析和处理,以实现机械臂对物品的智能抓取.最后,给出了实验分析,实验结果说明该系统满足对多种物品信号的实时采集分析和对检测到的数据进行传输与处理的要求,实现人工智能分拣的功能.     

基于可编程控制器的分拣装置设计与实现

自动分拣与传统手工分拣相比具有效率高,差错率低,分拣点多,作业无人化等优势,自动分拣装置的控制单元是分拣装置的核心.采用可编程控制器作为分拣装置的控制单元,其适配的输出端口或输出模块可直接驱动执行元件,无需用户自制驱动电路,分拣控制程序编制简单,易于修改,且支持上位机管理.因此,本研究设计并实现了一种以可编程控制器为控制单元的推块式自动分拣装置,实现对铁、铝、蓝色塑料块及白色塑料块4种物料的自动分拣.     

基于PLC和组态技术的材料分拣系统

目前多数配送中心和物流企业在材料分拣过程中仍采用人工方式进行,耗费了较大的人力、物力。因此,本文采用PLC控制和多传感器融合技术,设计了一个基于PLC和组态技术的材料分拣系统。在该系统中,PLC控制器根据传感器的信号对整个系统进行操作控制;上位机通过MCGS组态软件对系统的工作、运行状态进行实时监控,并将系统的数据进行报表显示。实验表明,该系统能连续、大批量地分拣货物,且分拣误差率较低,显著提高了材料分拣的效率。     

蔬菜穴盘健壮苗识别系统设计与试验

蔬菜工厂化育苗过程中,由于种子质量和育苗环境等条件制约造成的弱质苗问题,本文利用机构学、机器视觉、可编程逻辑控制(PLC)等技术,设计了一种蔬菜穴盘健壮苗识别系统。系统主要由穴盘输送机构、图像采集装置、检测与固定装置钵苗分拣剔除机构、自动控制系统和机架等组成。通过激光传感器获取各部件动作信息,实现各执行部件控制时序。基于机器视觉,利用上位机进行健壮苗判别。结合PLC串口通信技术,指示系统进行健壮苗识别与弱质苗剔除工作。试验结果表明:系统可实现穴盘健壮苗自动识别与弱质苗自动剔除,健壮苗识别成功率达到81.0%以上,弱质苗剔除成功率达到75.0%以上。     

井下铁路信号控制系统组态软件的应用研究

阐述了配合PROFIBUS现场总线的井下铁路信号控制系统以及井下铁路信号的特点,该系统下位机采用PLC控制,上位机采用基于WinCC监控组态软件.介绍了上位机组态软件的微机控制画面设计,监控组态软件与STEP7编程软件的控制结合.实现了矿井下铁路信号的采集、分析、控制、记录等功能.     

利用PAC的教学楼智能化控制系统的设计

基于可编程自动化控制器(PAC)和数据采集与监视控制(SCADA)等组态软件,设计教学楼的智能化控制系统.上位机采用SCADA和iFIX组态软件,应用多线程的COM组件;下位机采用Pacsystem Rx3i器件,用户可以灵活选择构建系统所使用的模块;上位机和下位机之间采用Genius,Profibus DP和工业以太网等总线协议,中央控制总站与各个分控室模块通过网络总线进行通信.设计的控制系统有自动和手动两种切换的模式,可通过触摸屏进行选择.     

基于支持向量机的轮胎标识点颜色识别

针对人工识别汽车轮胎标识点颜色效率低、误差大的问题,研究了一种基于支持向量机的轮胎标识点颜色识别方法,利用PLC-工业相机图像采集系统获取轮胎标识点图像信息,对获取的标识点图像进行图像降噪、标识点分割、颜色特征向量提取等处理,将提取的轮胎标识点颜色特征向量输入到支持向量机颜色分类器中进行颜色识别。实验结果表明,该方法能够有效地识别出轮胎标识点颜色信息。     

基于在线SVM的自适应sEMG人机交互系统

针对sEMG人机交互中系统自适应能力差的问题,提出一种基于在线SVM(支持向量机)的自适应人机交互系统.该系统采用一种新的自适应样本更新策略,即在实时操作中通过SVM的增量训练算法对咀嚼肌单击和双击产生的sEMG样本进行在线学习,引入左右眼的视觉信息作为系统的反馈,采用Adboost算法来识别闭左眼和闭右眼,闭眼状态作为在线样本更新的校正信息.整个人机交互系统构成一个闭环控制系统,通过不断调节模型参数使得人机交互系统伴随sEMG信号的变化做相应的调整.实验结果表明:视觉信息的加入有效地避免了使用单一肌电信号进行人机交互时由于肌电信号缺乏可信信息而引起的误识别等问题,该系统便于操作,长时间人机交互中具有较好的可靠性和鲁棒性,不易受到外界因素的影响.