免费看男阳茎进女阳道视频

                        24小時論文定制熱線

                        咨詢電話

                        熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                        您當前的位置:論文定制 > 畢業設計論文 >
                        快速導航
                        畢業論文定制
                        關于我們
                        我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                        代做畢業設計
                        常見問題

                        單目視覺下的六自由度機械臂分揀系統設計

                        添加時間:2020/05/26 來源:未知 作者:論文定制
                        當今社會,人類已經進入工業化的時代.對于生產力的需求大幅度提高,傳統的生產是依靠人力完成工業任務.
                        以下為本篇論文正文:

                          摘要

                          近年來,人們對于工業生產效率提出更高的要求,工業智能化、生產靈活化、操縱集成化的分揀系統必將是未來智能工廠的趨勢.傳統的分揀系統以固定分揀方式進行分揀,一旦小型工件位置發生變化便會使分揀失敗.同時,很難做到根據具體需求進行分揀.機器視覺技術在最近幾年發展的越來越快,將傳統的分揀系統加入機器視覺技術已經成為多方學者研究的主要方向,基于機器視覺分揀系統如今廣泛應用于食物、快遞、農業、制造業等領域.但對于小型工件分揀的研究還存在光照影響下識別率較差,末端執行機構分揀精度較低等問題.通過分析目前多種分揀系統存在的各項問題以及企業對于生產分揀的需求,設計了一套基于單目視覺的六自由度機械臂分揀系統.

                          首先,針對復雜環境下生產線上待識別小型工件的分揀問題,采用了單目視覺和六自由度機械臂相結合的分揀方式,并對分揀系統的硬件平臺進行搭建,構成基于單目視覺的六自由度機械臂分揀系統.在系統硬件構造完成基礎上,對其進行D-H建模,通過提出的反向求解正向調節控制方式對六自由度機械臂進行控制,將分揀動作進行編寫與測試.測試結果表明,分揀動作柔順性較好,抓取精度有所提高.

                          其次,上面研究僅是對分揀過程的末端執行動作進行分析,不能有效的對小型工件根據具體需求進行分揀.針對小型工件在光照影響、部分粘連和尺寸變化等實際環境干擾下存在的多種問題,提出基于HSV的小型工件顏色識別算法、基于幾何特征的小型工件形狀識別算法,并針對小型工件中應用較多的電子元器件提出基于多特征融合的電子元器件識別算法.將三種算法與目前大規模分揀生產線上應用的模板匹配算法進行對比,測試結果表明,降低了光照影響、小型工件存在部分粘連等問題對于識別效果的干擾,正確識別率上有了較大的提高.

                          最后,本文通過QT界面開發軟件將六自由度機械臂的分揀動作程序與小型工件的識別算法封裝到一起,構成基于單目視覺的六自由度機械臂分揀系統的人機交互界面.該系統可以較好地實現小型工件的顏色識別功能、形狀識別功能、電子元器件識別功能、定位功能、分揀功能等,達到了小型工件分揀系統的基本性能需求,并且分揀系統的識別和分揀實時性好,具有較為廣泛的應用前景.

                          關鍵詞:六自由度機械臂,單目視覺,小型工件識別,電子元器件識別

                          ABSTRACT

                          In recent years, people have put forward higher requirements for industrial production efficiency. Industrial intelligentization, flexible production, and integrated sorting systems are bound to be the trend of smart factories in the future.The traditional sorting system is based on fixed sorting method. Once the position of small workpiece changes, the sorting will fail, and it is difficult to sort according to specific requirements.Machine vision technology has been developing faster and faster in recent years. It has become the main research direction of many scholars to add traditional sorting system into machine vision technology. Machine vision-based sorting system is now widely used in food,express delivery,agriculture,manufacturing and other fields.However, for small workpieces, especially for electronic components sorting, there are still some problems, such as poor recognition rate under the influence of illumination and low sorting accuracy of end-effector.Based on the analysis of the problems existing in many kinds of sorting systems and the demand of enterprises for production sorting, a 6-dof mechanical arm sorting system based on monocular vision is designed.

                          Firstly, aiming at the sorting problem of small workpieces to be identified on the production line under complex environment, the sorting method combining monocular vision and six-degree-of-freedom mechanical arm is adopted, and the hardware platform of the sorting system is constructed to constitute the six-degree-of-freedom mechanical arm sorting system based on monocular vision.On the basis of the completion of the hardware construction of the system, D-H modeling was carried out for it, and the 6-dof manipulator was controlled by the reverse solution and forward adjustment control method proposed, and the sorting action was written and tested.The test results show that the sorting action is more flexible and the grasping precision is improved.

                          Secondly, the above study only performs actions at the end of the sorting process and cannot effectively sort small workpieces according to specific requirements.For small artifacts in the lighting effect and practical part of adhesion and changes in the environment under a variety of problems of the interference, small workpiece based on HSV color recognition algorithm, based on the geometric features of small workpiece shape recognition algorithms, and applications for small workpiece more electronic components for electronic components recognition based on feature fusion algorithm is put forward.The three algorithms are compared with the template matching algorithm applied in the large-scale production line at present, and the test results show that the interference of the recognition effect caused by the light effect and the partial adhesion of small workpieces is reduced, and the correct recognition rate is improved greatly.

                          Finally, this paper develops software through the QT interface, and encapsulates the sorting action program of the six-dof manipulator and the recognition algorithm of small workpieces together to form the human-computer interaction interface of the six-dof manipulator sorting system based on monocular vision.This system can well realize the color identification function, shape identification function, electronic components identification function, positioning function, sorting function and so on of small workpiece, and meet the basic performance requirements of the small workpiece sorting system, and the sorting system has good real-time recognition and sorting, with a wide range of application prospects.

                          KEYWORDS: 6-dof mechanical arm, Monocular vision, Small job identification, Electronic component identification

                          目錄

                          1 緒論.................................................................................................................1

                          1.1 研究背景與意義...................................................................................... 1

                          1.2 分揀系統的國內外研究現狀..................................................................2

                          1.3 本文主要研究內容及章節安排..............................................................4

                          2 基于單目視覺的六自由度機械臂分揀系統結構搭建............................... 7

                          2.1 基于單目視覺的分揀系統流程..............................................................7

                          2.2 基于單目視覺的分揀系統硬件設計和選型介紹..................................8

                          2.2.1 實驗平臺介紹.................................................................................... 8

                          2.2.2 相機介紹.......................................................................................... 10

                          2.2.3 六自由度機械臂設計...................................................................... 11

                          2.3 基于單目視覺的分揀系統軟件介紹....................................................16

                          2.3.1 六自由度機械臂控制軟件介紹......................................................16

                          2.3.2 圖像處理軟件介紹.......................................................................... 17

                          2.4 本章小結................................................................................................ 17

                          3 六自由度機械臂的運動分析與控制實現................................................. 19

                          3.1 六自由度機械臂運動學分析................................................................19

                          3.1.1 六自由度機械臂的 D-H 參數建模.................................................19

                          3.1.2 六自由度機械臂運動學正逆運動..................................................21

                          3.2 六自由度機械臂的控制實現................................................................23

                          3.2.1 六自由度機械臂的控制過程..........................................................23

                          3.2.2 六自由度機械臂的動作實現..........................................................24

                          3.3 本章小結................................................................................................ 31

                          4 小型工件的識別算法.................................................................................. 33

                          4.1 基于模板匹配的小型工件識別算法....................................................33

                          4.2 基于 HSV 的小型工件顏色識別算法..................................................36

                          4.2.1 基于 HSV 的小型工件顏色識別算法介紹....................................36

                          4.2.2 基于 HSV 的小型工件顏色識別算法實現....................................38

                          4.3 基于幾何特征的小型工件形狀識別算法............................................ 41

                          4.3.1 基于幾何特征的小型工件形狀識別算法介紹............................. 41

                          4.3.2 基于幾何特征的小型工件形狀識別算法實現............................. 43

                          4.4 基于多特征融合的電子元器件識別算法............................................ 45

                          4.4.1 基于 HSV+邊緣特征融合的電容識別算法介紹.......................... 45

                          4.4.2 基于 HSV+幾何特征+形態學融合的電阻識別算法介紹............47

                          4.4.3 基于多特征融合的電子元器件識別算法實現............................. 48

                          4.5 本章小結.................................................................................................53

                          5 小型工件的分揀系統平臺搭建與實現......................................................55

                          5.1 小型工件的分揀系統平臺結構............................................................ 55

                          5.2 小型工件的分揀系統平臺硬軟件設計................................................ 55

                          5.3 小型工件的分揀系統平臺功能介紹.................................................... 56

                          5.3.1 圖像輸入功能.................................................................................. 56

                          5.3.2 坐標定位功能.................................................................................. 56

                          5.3.3 分揀執行功能.................................................................................. 57

                          5.3.4 顏色分揀功能.................................................................................. 57

                          5.3.5 形狀分揀功能.................................................................................. 58

                          5.3.6 電子元器件分揀功能...................................................................... 59

                          5.4 小型工件的分揀系統平臺實現............................................................59

                          5.5 本章小結.................................................................................................62

                          6 結論...............................................................................................................63

                          參考文獻.......................................................................................................... 65

                          致謝...................................................................................................................71

                          1緒論

                          1.1研究背景與意義

                          當今社會,人類已經進入工業化的時代.對于生產力的需求大幅度提高,傳統的生產是依靠人力完成工業任務.而現階段企業對于生產過程中效率的要求逐步提升,單靠人力已經無法滿足,機械臂在這個時候應運而生.各類基于機械臂的分揀系統被設計出,并加入機器視覺技術對基于機械臂的分揀系統進行優化,在各項性能上均有著顯著提升.基于機器視覺的機械臂分揀系統與傳統分揀系統比較的提升如下:

                          傳統分揀系統:早期的機械臂分揀系統都是預先設定好分揀小型工件的坐標點和分揀結束位置的坐標點,以提前設置固定分揀動作的控制方式進行工作.這種預先設置分揀動作的工作方式只是機械式的進行分揀[1],并未做到適應實際條件下的靈活分揀.這樣的工作方式只能分揀固定位置的小型工件,導致分揀小型工件的速度跟不上企業的分揀速度需求,影響整個分揀環節的工作效率.一旦小型工件的位置未在設定的坐標點出現,則需要對小型工件進行二次分揀影響整個生產過程的效率.對于早期工業上較低的生產需求可以做到滿足,但當今時代的工業需求已經遠遠不是簡單的搬運,當今時代的智能化生產線要求其具備類似人腦的工作方式.整個生產線應增加類似人腦的分析功能,判斷小型工件的各項指標,如:小型工件具體為何種顏色,小型工件是否生產為所需形狀,小型工件進行分類分揀等功能.

                          基于機器視覺的六自由度機械臂分揀系統:機器視覺的加入就相當于給傳統分揀系統增加一個類似于人腦的設備[2],從而解決了傳統分揀系統無法對實際情況進行判斷和分析的問題,一定程度上使整個分揀系統以更加智能和高效的工作方式完成分揀工作.機器視覺技術是由相機替代人眼,圖像處理軟件則作為人腦去分析和判斷所要處理的問題.通過相機對圖像進行采集,并對采集的圖像信息進行分析和判斷,根據分析和判斷的結果來進行末端執行機構的控制.目前,基于機器視覺的分揀系統主要從兩個方面進行設計和優化,一方面是末端執行機構對小型工件抓取過程的設計和優化[3];另一方面則是對小型工件識別算法進行設計和優化.在小型工件識別算法中,有多種算法可以進行優化,在優化過程中找尋最適合系統的算法,對接下來機械臂的柔順抓取過程提供支持.六自由度機械臂與其他機械臂相比較具有抓取空間大,抓取精度較高,造價低等特點[4].基于機器視覺的分揀技術目前在各種場景中均得到應用:工廠生產線上需要對于小型工件進行分揀;研究人員在進行研究時若運用小型工件分揀技術可以大大提高效率;企業需要該技術來對產品進行評估,質檢,優化等[5].因此,基于機器視覺的分揀技術可以大幅改善原有的傳統分揀系統不足之處,在提高分揀效率的同時降低分揀系統的基礎成本和運營成本,具有廣泛的應用前景.

                          如今市場上,構建智能信息化工廠是多數企業發展的目標.智能信息化工廠的重點內容是將工廠中的操縱工業化和處理信息化相結合,利用其對應的相關技術提升工廠生產效率[6].隨著工業化的提升,各行各業都有著大規模高度集成化的設備增加,大規模集成化設備最基本的結構就是小型工件.隨之帶來的就是對小型工件使用的增加導致的分揀工作量升高,對分揀工作量的需求增大促使許多企業安裝了機械臂式分揀系統.分揀系統基本上仍是以示教形式進行工作,只有少數的分揀系統具備分析功能[7].企業中的人員在進行工業分揀時若運用基于機器視覺的分揀系統可以節省很多人為分揀的時間從而提高生產效率.目前的分揀系統主要存在以下幾種問題:末端執行機構抓取精度較低,難以達到企業的要求;在外界環境的光照影響下,識別效果較差;待識別小型工件存在部分粘連的情況下,識別率較低等問題.通過六自由度機械臂與機器視覺相結合形成的分揀系統,適應性極強,可以完美解決上述問題及缺陷.由于其價格合理,同時能夠達到工廠中惡劣環境的抗干擾要求,可以大規模投入實際生產中.

                          因此,基于單目視覺的六自由度機械臂分揀系統是一項實際價值和理論意義兼備的課題.

                          1.2分揀系統的國內外研究現狀

                          目前研究從兩個方面進行,一方面是硬件部分主要由工業相機和機械臂構成的生產線分揀機構的設計與優化;另一方面是軟件部分對于相機采集的圖像進行分析的算法和人機交互界面的設計和優化.

                          分揀系統的末端執行機構主要分為串聯機械臂和并聯機械臂.對于硬件產品的成熟程度來講,歐洲、美國、日本等地的產品具有優勢性[8],如:ABB、ADEPT等公司[9]的機器人產品均是當今較高技術的體現.我國相對于國外對于機械臂的研究相對略晚一些.但是,目前如:哈爾濱工業大學、天津大學等高校[10]均已開展研究,并且在眾多機器人公司中沈陽新松機器人公司自主研發的機器人技術取得較好進展[11].現階段的分揀系統,對大型工件的分揀較多,并聯機械臂占據了主導的地位.并聯機械臂對于大型工件的承受能力較好,同時在結構上由于其閉環特征,形成抓取緊湊的特點.對于緊湊空間的大型工件抓取,并聯機械臂有著天然的優勢[12].但同時,并聯機械臂的運動空間也成為了其短板,對于稍遠距離的抓取精度更加難以保證.因其造價的問題,并聯機械臂也不易投產到大規模的工業生產線上進行應用.在眾多并聯機械臂中,Delta并聯機械臂是應用較為廣泛的.并且,基于Delta的衍生并聯機械臂也較多[13].串聯機械臂較并聯機械臂研究的較早也較為成熟,因其結構簡單的特點,控制過程也較為簡單.同時,其各關節可根據所需進行調換來適應運動空間.串聯機械臂控制簡單、運動空間大等優點,都是并聯機械臂無法相比的.更為突出的是串聯機械臂的造價較低,適合大規模投產至工業生產線上.目前已有實例應用于很多領域,如各種機床,裝配車間等[14].串聯機械臂中SCARA機器人是應用較為廣泛的[15],還有多種自由度的串聯機械臂也被運用于多種分揀系統.但目前為止,多為三自由度機械臂的分揀系統[16].其抓取精度的問題較為明顯,僅能適應于一般工件的抓取,對于小型工件的抓取精度略差.而如今的工業生產線,對于小型工件抓取的需求較多.小型工件的分揀系統仍存在許多問題,抓取精度問題便是小型工件的分揀系統的主要問題之一.六自由度機械臂從結構上比三自由度機械臂對于抓取精度有著明顯提升,六自由度的機械臂可以很好的應用于小型工件的分揀系統,提高分揀系統的抓取精度.

                          分揀系統的軟件部分核心內容是機器視覺中對于小型工件進行檢測的識別算法,機器視覺軟件系統主要功能為針對工業智能相機采集的圖像進行處理.在工業智能相機采集所需照片之前先對工業智能相機進行相機標定,此部分內容也屬于機器視覺軟件系統部分.相機標定本質就是對世界坐標系、像素坐標系、攝像機坐標系和圖像坐標系此四個坐標系進行轉換[17],目前對于相機標定方法較為一致主要是傳統標定法、相機自標定法、張正友標定法三種[18],其他的相機標定方法都是基于此三種方法的理論下進行優化的標定方法.對于圖像處理領域,國外始于上世紀60年代,而國內則始于上世紀90年代[19].如今,圖像處理領域的內容應用較為廣泛,如:基于HOG特征的行人識別[20];基于模板匹配的汽車零件識別[21];基于RGB的水果識別[22];基于vibe的運動物體識別[23],再到目前研究較多的YOLO模型[24]下的多種識別算法.多種識別算法,在近10年被廣泛研究并應用于實際生活中.對于小型工件識別領域,找尋工件本身特征[25]對其運用此特征進行識別是當今識別算法中運用最多的.如:RGB、LBP、SIFT、HAAR、HBP等特征[26],均是目前國內外使用較多的識別特征.近5年深度學習的提出與推廣,對小型工件識別領域也起到了推動的作用,而深度學習范疇中,在眾多領域中應用較多的方法是:R-CNN、SSD等[27].在實際情況下,光照影響、部分粘連等問題均對識別算法的正確識別率產生影響[28].本文針對實際工業生產線存在的問題進行識別算法上的優化,通過提出的識別算法對小型工件的正確識別率進行提高.

                          人機交互界面的功能是將實際環境下平臺狀態顯示給操作人員進行觀測,建立平臺與操作人員之間的聯系.操作人員通過人機交互界面得到工業生產線的數據信息,操縱圖像處理軟件對工業生產線進行分析,控制末端執行機構進行運動.目前,人機交互界面尚存在對于實際平臺情況的控制實時性不好的問題,交互界面不好操縱的問題,交互界面僅適用于單一分揀,不具備適應多種小型工件同時監控等問題.很多企業都希望人機交互界面好操縱,具備良好的實時性和交互性,且能應用于多種小型工件的分揀作業.

                          1.3本文主要研究內容及章節安排

                          將機器視覺技術運用到六自由度機械臂分揀系統中,構造成基于單目視覺的六自由度機械臂分揀系統用于分揀小型工件和電子元器件,從機械臂的運動過程控制上和圖像識別算法上對分揀系統進行優化,最終用于工業現場對傳送帶上的小型工件進行分揀.

                          第一章是緒論,描述了基于單目視覺的六自由度機械臂分揀系統的研究背景與意義,目前國內外分揀系統的發展現狀,最后將本文的主要研究內容和章節安排進行說明.

                          第二章是硬件的選型和設計與軟件的選用介紹.針對基于單目視覺的六自由度機械臂分揀系統流程進行硬件系統搭建,將六自由度機械臂進行合理設計并自行組裝,對工業智能相機和實驗平臺進行合理選型,三者的組合構造出基于單目視覺的六自由度機械臂分揀系統硬件結構,使其對生產線上的小型工件和電子元器件進行分揀.最后對所應用的機械臂控制軟件LSC-6Control(v1.2)和圖像處理軟件Halcon進行介紹.

                          第三章是在硬件系統搭建完成的基礎上對六自由度機械臂進行以下問題分析,提出解決方案:機械臂的正運動控制分揀動作的柔順性不足,且前后關節誤差較大,機械臂的逆運動控制較難實現,旋轉角度難以調節等問題.本章對六自由機械臂運用現階段應用最多的D-H建模方式進行建模,得出本文自行組裝的六自由度機械臂的D-H參數.再對六自由度機械臂正逆運動進行比較,分析出逆運動操縱六自由度機械臂運動的動作效果更佳.在D-H參數下,逆運動求解各關節旋轉角度,結合控制軟件LSC-6Control(v1.2)進行測試.測試過程中發現效果較好的反向求解正向調節的六自由度機械臂控制方法.在六自由度機械臂的分揀過程中,提出分區分揀的分揀方式,將此分揀方式應用的分揀動作進行編寫和測試.通過測試表明,反向求解正向調節的分區分揀方式將抓取過程整齊化和柔順化,使六自由度機械臂的抓取精度提高.

                          第四章是在六自由度機械臂分揀系統搭建完善的條件下,以小型工件的分揀為背景對機器視覺技術進行研究,詳細介紹了小型工件和電子元器件識別算法.通過對目前應用較多的模板匹配識別算法測試,分析出生產線上的待識別小型工件和電子元器件的識別功能上存在的不足之處.本課題提出三種識別功能,分別為:基于顏色、形狀的小型工件識別和電子元器件識別.針對實際情況下的光照影響、小型工件存在部分粘連等問題,本文提出基于HSV的小型工件顏色識別算法;基于幾何特征的小型工件形狀識別算法;基于多特征融合的電子元器件識別算法.將三種方法進行算法編寫和測試與基于模板匹配的識別算法進行比較表明,降低了實際環境對于識別效果的影響,提高了正確識別率,同時對目標可以快速識別,具有較好的適用性.

                          第五章對所設計的基于單目視覺的六自由度機械臂分揀系統人機交互界面進行搭建.在QT界面設計軟件的框架下,將小型工件和電子元器件識別算法和六自由度機械臂的控制程序封裝好,構成人機交互界面.人機交互界面與硬件系統結合成為基于單目視覺的六自由度機械臂分揀系統平臺,使其具備小型工件和電子元器件坐標定位、根據需求識別和分揀等功能.通過測試結果表明:識別效果良好,抓取動作也較為柔順,具備投入工業生產線中進行實際應用,達到了企業對于實時性和抓取精度的要求.

                          第六章是對基于單目視覺的六自由度機械臂分揀系統總結與展望,闡述了本課題的主要研究工作,并對之后基于單目視覺的六自由度機械臂分揀系統研究進行展望.




















                         

                          …………由于本文篇幅較長,部分內容省略,詳細全文見文末附件

                          6結論

                          目前而言,基于機器視覺的分揀系統的相關研究已取得一定進展,但仍存在部分問題.本文針對當前系統存在的問題,并對機器視覺領域、機械臂領域和小型工件識別領域的相關論文和研究成果有一定了解之后,設計了一套基于單目視覺的六自由度機械臂分揀系統.在基于單目視覺的六自由度機械臂分揀系統構造完成的基礎上,針對六自由度機械臂的分揀動作進行分析與設計,提出反向求解正向調節的六自由度分揀動作控制方法,將六自由度機械臂按著分區分揀的方法進行分揀動作執行;針對小型工件的識別算法,提出基于HSV的顏色識別算法,基于幾何特征的形狀識別算法和基于多特征融合的電子元器件識別算法.

                          全文的主要工作內容總結如下:

                          (1)末端執行機構優化:針對末端執行機構存在的分揀精度不足、抓取過程不柔順、造價昂貴等問題,引入六自由度機械臂進行分揀并在控制過程進行優化克服以上缺點.自行組裝的六自由度機械臂造價低廉,可以大量投產至大規模生產線.在手爪關節設計為單側靠近結構,不損壞小型工件的同時具有較強的抓取力度,可以達到大重量的分揀要求.在D-H建模下運用逆運動控制機械臂進行動作執行,并與實現過程中提出的反向求解正向調節的執行方式進行搭配,使機械臂的分揀動作在實現過程中簡單化且柔順化.根據企業對于分揀精度的不同需要,提出分區分揀的分揀動作調用方式.實現過程中表明,分揀系統的動作執行更加簡單化和柔順化,分區分揀的方法較其他分揀方法在時間上更短且分揀精度上有所提高,整個分揀效果較好.

                          (2)小型工件顏色、形狀識別算法優化:針對光照影響下,對常規顏色識別影響較大的情況,將HSV顏色空間引入到顏色識別算法中,提出基于HSV的小型工件顏色識別算法.該算法通過RGB顏色算法將所要識別的小型工件從圖像中分割出,運用HSV顏色算法中飽和度和亮度的調節,減小光照對于識別算法的影響.針對部分小型工件因制造需求,將表面設計為多種顏色混合的情況;檢測小型工件是否符合生產合格要求.將幾何特征引入到形狀識別算法中,提出基于幾何特征的小型工件形狀識別算法.該算法通過灰度將所要識別的小型工件從圖像中分割出,運用矩形度和圓形度的調節,達到最終的識別效果.將兩種算法與模板匹配算法進行測試比較,兩種算法的正確識別率均有所提高.

                          (3)電子元器件識別算法優化:為了進一步降低實際生產環境中,光照影響,生產線上待識別小型工件存在部分粘連等影響問題.對小型工件中的電子元器件進行算法優化,把多特征融合的理論引入至電子元器件識別算法中降低環境帶來的影響,提出基于HSV+邊緣特征融合的電容識別算法和基于HSV+幾何特征+形態學融合的電阻識別算法.多特征融合的方法可以將多種問題在多種特征融合的情況下,降低問題帶來的影響.通過與模板匹配的算法進行測試比較,在正確識別率上有顯著的提高,識別效果更佳.

                          分揀系統仍有一些不完善之處,后續研究工作的展望如下:

                          (1)在六自由度機械臂分揀方面,復雜的環境以及不斷變化的小型工件位置依然可能對六自由度機械臂抓取精度造成影響.目前,越來越多的分揀機構被設計出并且在其他分揀領域均取得不錯的效果.因此下一步希望將其他領域取得不錯效果的分揀結構進行進一步研究,使其更理想的應用于小型工件分揀系統,可以從硬件結構上增加抓取精度.

                          (2)在電子元器件的識別方面,復雜的環境以及不斷變化的光照條件等問題依然可能對電子元器件識別算法造成影響.目前,基于深度學習的識別方法在各領域均取得不錯效果,因此下一步希望通過深度學習的方法尋求更理想的電子元器件識別算法.

                          (3)本文只是研究了基于單目視覺的六自由度機械臂分揀系統的3項主要識別功能,還有很多功能值得下一步研究,例如對所分揀的小型工件和電子元器件的分揀個數進行記數,對電位器、晶體管和電子管等其他電子元器件的識別等.

                          致謝

                          時光一閃而過,剛剛步入研究生階段的場景還歷歷在目,轉眼間的功夫就要告別生活和學習了兩年的校園.感慨萬千,百感交集卻又不知道該從何處說起.我能想到的就是感謝在這段時間里給過我幫助的人們,感謝大家的知遇之恩、友誼之手和和睦相處.

                          首先最應該感謝的是我的導師.曹老師淵博的學識以及一絲不茍的科研精神深深地影響著我.曹老師治學嚴謹的態度以及精益求精的工作作風也是我在未來工作學習的榜樣.本文是在曹老師以及姬老師的悉心指導和嚴格要求下完成的.非常感謝曹老師在我論文寫作過程中對我的指導,糾正在論文寫作的錯誤,并且提供寶貴的修改意見.在這兩年里,兩位老師給予我許多幫助.在參與的科研項目中,曹老師對我進行了細心指導,使我積累了寶貴的實際經驗.姬老師的細心指導使我學到了很多理論知識,并且自已的科研能力也有所提高.感謝老師在我犯錯時的批評和指正以及在我迷茫時候對我的指引與鼓勵.謹向兩位恩師表示深深的敬意和衷心的感謝,并祝愿老師身體健康,工作順利,家庭幸福.

                          感謝我們實驗室的每位成員,感謝大家在實驗中和生活上給予我的莫大幫助.大家來自不同的地域,共聚在我們這個溫馨的家庭中.我要感謝有這么個機遇讓我們彼此相遇,在曹老師的帶領下,在大家的齊心協力下,能完成各自的學業和開心的度過每一天.希望每一個人都能在自己研究的方向上取得更大的進步.

                          感謝我的同窗好友們,我懷念跟你們一同上課,學習的日子,希望你們在未來的日子里工作順利,生活幸福.

                          感謝我的父母,是你們毫無保留的愛和付出,讓我能安心專注學業,勇敢追求夢想.

                          最后衷心感謝在百忙之中為審閱本文而付出辛勞的各位專家學者.你們的指導與鼓勵是我之后前進的動力.

                          參考文獻
                          [1]葛繼. 安瓿藥液可見異物視覺檢測機器人技術研究[D]. 長沙: 湖南大學, 2012.
                          [2]卞正崗. 機器視覺技術的發展[J]. 中國儀器儀表, 2015(06): 40-42+65.
                          [3]F. G. Rossomando, C. M. Soria, Lee T H, et al. Adaptive Neural Sliding Mode Control in Discrete Time for a SCARA Robot Arm[J]. Mechatronics, 2016, 14(6): 2556-2564.
                          [4]Shuhua M , Lin Y , Zhigang L , et al. Trajectory Planning of 6-DOF Manipulator Based on Combination Function Method[C]. Control and Decision Conference (2014 CCDC), The 26th Chinese . 2014.
                          [5]肖仁, 吳定會, 歐陽洪才. 基于機器視覺的自動分揀系統設計研究綜述[J]. 智 慧工廠, 2017(09): 43-48.
                          [6]耿立明, 王迪, 楊威. 機器視覺在工業機器人智能分揀識別中的研究[J]. 電子 制作, 2018(20): 32-33.
                          [7]何家恒. 基于眾為興機器人的視覺分揀系統研究[D]. 廣州: 華南理工大學, 2018
                          .[8]趙彬. 基于機器視覺的工業機器人分揀技術研究[D]. 沈陽: 沈陽工業大學, 2013.
                          [9]田濤. 一種高速拾取并聯機器人的設計與實現[D]. 大連: 大連理工大學, 2013.
                          [10]劉子龍. 基于機器視覺的快速分揀食品包裝系統研究[D]. 杭州: 浙江工業大 學, 2015.
                          [11]曹洪靚. 沈陽新松機器人自動化股份有限公司發展戰略研究[D]. 武漢: 武漢 工程大學, 2015.
                          [12]姜玉成. 四自由度高速并聯機器人機構特性分析與動力學研究[D]. 大連: 大 連理工大學, 2012.
                          [13]石文博. 基于視覺的 Delta 并聯機器人軌跡控制策略的研究[D]. 合肥: 合肥 工業大學, 2017.
                          [14]晁智強, 王飛, 李華瑩, 等. 六自由度工業機械臂動力學模型簡化分析[J]. 火 力與指揮控制, 2018, 43(02): 112-115.
                          [15]許凡. 視覺引導的抓取機器人控制技術的研究與開發[D]. 無錫: 江南大學, 2014
                          [16]Yangmin Li, Qingsong Xu. Kinematic analysis and design of a new 3-dof translational parallel manipulator[J]. Journal of Mechanical Desig, 2006, 128: 729-737.
                          [17]Zhang Z Y. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(11): 1330-1334
                          [18]董騰, 秦騰飛, 張如如, 等. 基于機器視覺的水果分揀系統[J]. 聊城大學學報 (自然科學版), 2017, 30(01): 93-96.
                          [19]李勇. 基于機器視覺的玻璃瓶在線檢測系統研究[D]. 濟南: 山東大學, 2012.
                          [20]Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]. IEEE Computer Society Conference on Computer Vision Pattern Recognition. IEEE Computer Society, 2005: 886-893.
                          [21]李洋, 張曉冬, 鮑遠律. 基于特征模板匹配識別地圖中的特殊突變的方法[J] 電子測量與儀器學報, 2012, 26(7): 605-609.
                          [22]Timothy G, Walmsley, Petar S.Varbanov, et al. Non-Destructive Thermal Control of Vegetables and Fruits Using a Machine Vision System[M]. Chemical engineering transactions, 2018.
                          [23]Droogenbroeck V M, Barnich O. ViBe. A disruptive method for background subtraction[M]. Background Modeling and Foreground Detection for Video Surveillance. 2014: 7.1-7.23.
                          [24]Redmon J, Divvala S, Girshick R, et al. You only look once: unified, real-time object detection[C]. IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2016: 779-788.
                          [25]張中良. 基于機器視覺的圖像目標識別方法綜述[J]. 科技與創新, 2016, (14): 32-33.
                          [26]謝永杰, 智賀寧. 基于機器視覺的圖像識別技術研究綜述[J]. 科學技術創新, 2018(7): 74-75.
                          [27]Ren S, He K, Girshick R, et al. Faster R-CNN:towards real-time object detection with region proposal networks[C]. International Conference on Neural Information Processing Systems. 2015. [28]Prema C E, Vinsley S S, Suresh S. Multi feature analysis of smoke in YUV color space for early forest fire detection[J]. Fire Technology, 2016, 52(5): 1319-1342.
                          [29]尹金鵬, 張同川, 戴金橋. 一種基于單目視覺的工業分揀機器人系統設計[J]. 產業與科技論壇, 2018, 17(17): 62-63.
                          [30]楊亞飛. 雙目視覺機械臂物流分揀系統[D]. 大連: 大連交通大學, 2018.
                          [31]劉斌. 分揀系統的機器狀態監控和故障診斷設計與研究[D]. 南京: 南京航空 航天大學, 2006.
                          [32]朱正偉. 基于單目視覺的目標位姿識別與機器人抓取引導[D]. 廣州: 華南理 工大學, 2015.
                          [33]張萌. 基于機器視覺的 SCARA 機器人應用研究[D]. 合肥: 合肥工業大學, 2016.
                          [34]Jun Xie, Hui Deng, Qi Zhi Yang, et al. Structural Optimization of Three Translational Parallel Sorting Robot[J]. Applied Mechanics and Materials. 2014 (552)
                          [35]Zeng, Song, Bai, et al. Analysis and Simulation of a Gripper for Fuel Handling on China Lead-Based Research Reactor[J]. Nuclear Technology, 2018, 204(2).
                          [36]林少丹, 傅高升, 李俊達, 等. 串并聯結構工業機器人 D-H 參數建立及算例 [J]. 三明學院學報, 2017, 34(2):35-41.
                          [37]Jamshed Iqbal, Raza ul Islam, Hamza Khan. Modeling and analysis of a 6-dof robotic arm manipulator[C]. Canadian Journal on Electrical and Electronics Engineering Vol. 3, No. 6, July 2012: 300-306.
                          [38]李玉齊. 六自由度機械臂軌跡規劃與協調仿真研究[J]. 電子測量技術, 2018, 41(2): 50-54.
                          [39]郭發勇, 梅濤, 趙江海. D-H 法建立連桿坐標系存在的問題及改進[J]. 中國機 械工程, 2014, 25(20): 2710-2714.
                          [40]李珺茹, 齊立群, 韓文波. 六自由度機械臂運動學分析與軌跡優化[J]. 長春 理工大學學報(自然科學版), 2019, 42(1): 68-73.
                          [41]李順治, 齊鵬, 王凱. 六自由度機械臂逆運動學求解[J]. 科技風, 2019(7): 16.
                          [42]Wong Guan Hao, Yap Yee Leck, Lim Chot Hun. 6-dof pc-based robotic arm(pc-roboarm) with efficient trajectory planning and speed control[C]. International Conference on Mechatronics.17-19 May 2011, Kuala Lumpur, Malaysia.IEEE Xplore, 2011.
                          [43]何澤強. 基于機器視覺的工業機器人分揀系統設計[D]. 哈爾濱: 哈爾濱工業大學, 2016.
                          [44]余樂, 李慶, 鄭力新, 等. 六自由度機械臂運動軌跡自動生成方法仿真與實 現[J].華僑大學學報(自然科學版), 2018, 39(3): 355-359.
                          [45]左富勇, 胡小平, 謝珂, 等. 基于 MATLAB Robotics 工具箱的 SCARA 機器人 軌跡規劃與仿真[J]. 湖南科技大學學報(自然科學版), 2012,27(2): 41-44.
                          [46]徐超. Delta 并聯機器人的優化設計與運動/視覺控制技術研究[D]. 武漢: 華 中科技大學, 2015.
                          [47]劉振宇, 李中生, 趙雪, 等. 基于機器視覺的工業機器人分揀技術研究[J]. 制 造業自動化, 2013, 35(17): 25-30.
                          [48]陳廣鋒, 管觀洋, 魏鑫. 基于機器視覺的沖壓件表面缺陷在線檢測研究[J]. 激光與光電子學進展, 2018, 55(1): 341-347.
                          [49]吳曉軍, 鄒廣華. 基于邊緣幾何特征的高性能模板匹配算法[J]. 儀器儀表學 報, 2013, 34(7): 23-30.
                          [50]柏長冰, 齊春, 楊瑩, 等. Hausdorff 匹配快速檢測 PCB 基準標記[J]. 光電 子·激光, 2006(4): 498-501.
                          [51]Peng LI. Multi-algorithm Fusion of RGB and HSV Color Spaces for Image Enhancement[A]. 中國自動化學會控制理論專業委員會. 第37屆中國控制會議論文集 (F)[C]. 中國自動化學會控制理論專業委員會:中國自動化學會控制理論專業委員會, 2018: 6.
                          [52]Kun Zhang, Haifeng Wang, Chong Shen, et al. Research on the Technology Used to Inspect the Visual Appearance of Tropical Fruit, based on Machine Vision Color Space[M]. Advances in intelligent systems and computing, 2018.
                          [53] 蘇 卡 . 用 色 彩 空 間 做 圖 像 處 理 讓 顏 色 提 取 更 高 效 [EB/OL], 2017-12-22.
                          [54]周軍, 郭俊先, 張靜, 等. 基于機器視覺的核桃仁動態分級研究[J]. 新疆農業 科學, 2018, 55(5): 901-911.
                          [55]Shao-Hu Peng, Deok-Hwan Kim, Seok-Lyong Lee, et al. A visual shape descriptor using sectors and shape context of contour lines[J]. Information Sciences, 2010, 180(16).
                          [56]張法全, 王國富, 曾慶寧, 等. 利用重心原理的圖像目標最小外接矩形快速算法[J]. 紅外與激光工程, 2013, 42(5): 1382-1387.
                          [57]賀超英, 張輝. 基于機器視覺的罐蓋質量檢測系統設計[J]. 儀表技術與傳感 器, 2011(2): 85-87+90.
                          [58]高煜妤, 王春芳. 基于歐氏距離圖的隨機 Hough 變換橢圓檢測方法[J]. 現代 電子技術, 2016, 39(21): 61-64+69.
                          [59]席志紅, 趙藍飛, 張馳, 等. 基于變分模型的梯度域色階映射算法[J]. 通信學 報, 2015, 36(1): 5-12.
                          [60]C. Lopez-Molina, B. De Baets, H. Bustince, et al. Barrenechea. Multiscale edge detection based on Gaussian smoothing and edge tracking[J]. Knowledge-Based Systems, 2013, 44.
                          [61]柴汝剛. 基于機器視覺的輪轂在線識別系統研究[D]. 秦皇島: 燕山大學, 2011.
                          [62]Fei Hao, Jinfei Shi, Zhisheng Zhang, et al. Canny edge detection enhancement by general auto-regression model and bi-dimensional maximum conditional entropy[J]. Optik - International Journal for Light and Electron Optics, 2014, 125(15).
                          [63]陳亞婷, 嚴泰來, 朱德海. 基于辛普森面積的多邊形凹凸性識別算法[J]. 地 理與地理信息科學, 2010, 26(6): 28-30+55.

                        相關內容
                        相關標簽:機械手畢業設計
                        好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                        所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                        如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
                        免费看男阳茎进女阳道视频