摘要：针对当前市场上视觉抓取装置操作复杂、移植难度大的问题,本文介绍了一款基于机器视觉的三轴机械臂分拣装置的设计方案。利用单目相机对运动状态下的物体进行图像数据采集,然后对物体图像数据进行处理,从而确定待检测物体的形状和位置,由运动控制模块控制三轴机械臂实现物体的分拣操作。系统基于.Net Framework平台进行软件开发,本装置的硬件部分基于STM32和FPGA设计运动控制模块、基于STM32设计抓取模块和传动模块、基于EmguCV库设计图像采集模块。该装置可在手动模式和自动模式下进行运动状态物体的准确抓取与分拣放置。最后,本文在装置自动模式下对不同运动速度、不同形状、不同颜色的物体进行分拣测试,平均成功率达到96%。结果表明,文中设计的方案具有可行性和有效性。

摘要：随着我国国民生活水平的提高,消费者对于蛋品的品质要求愈发提高。裂纹蛋的检测是蛋品在装箱出厂之前的重要环节。为解决人工分拣裂纹蛋品劳动强度高、工作量大等问题,设计了一种基于机器视觉与YOLO v5的裂纹蛋品分拣机器人。首先,通过逆运动学解算得到机械臂各舵机的转角并转换成PWM占空比,实现对三轴串联机械臂的控制;其次,利用高清120°广角摄像头作为图像采集核心,快速获取蛋品表面图像信息并对所采集的1000张图像进行数据标注;随后,分别训练不同梯度下降批次大小下的YOLO v5模型,其中梯度下降批次大小为8的模型拥有最高的mAP,其值为98.92%;最后,在机械臂上位机主板调用该模型,对正常蛋品与裂纹蛋品进行识别判断后,开启机械臂分拣行程;此外,蛋品分拣机器人的末端拣拾机构为气动吸盘,该吸盘挂载于机械臂上,以实现对蛋品的无损吸取。经测试,该机器人对裂纹蛋品和正常蛋品的识别准确率分别达到93.33%和99.17%,平均分拣成功率达94.34%,平均分拣速率为7.55 s/个,基本满足要求。研究成果可为裂纹蛋品的筛选工作提供技术支持,为蛋品的裂纹检测与分拣提供解决方案,具有较高的现实意义。

摘要：针对目前废弃线路板芯片回收设备在国内不能实现全自动切割以及无法适应多种规格的线路板和芯片尺寸的问题,设计了一种废弃线路板自动拆解设备,分析了该机构的组成及其工作步骤,编写了具体的识别系统,设计了控制系统的总体架构,并给出切割作业的控制流程。根据现场切割实验表明,该废弃线路板芯片回收设备实现了全自动化,可适应不同尺寸的线路板板型和不同大小的芯片等高值电子器件的自动化回收设备。达到了设计目标,满足国内的要求。