摘要：为解决条盒填充机在人工供应硬质空条盒过程中存在自动化水平低、劳动强度大等问题,基于高精度视觉相机设计了一种硬质空条盒机器人拆垛系统。通过在YOLO v8模型中添加混合注意力机制模块(CBAM)和动态卷积模块(C2fDynamic),建立了YOLO v8-CBAM-C2fDynamic模型;利用视觉相机自带的模板匹配模型识别出拆垛工位托盘上有待转移空条盒后,由YOLO v8-CBAM-C2fDynamic模型对空条盒放置方向及位置进行识别,指导机器人准确抓取一组空条盒并将其转移至套膜去除工位,待套膜去除后经皮带输送至条盒填充机。以武汉卷烟厂生产的“黄鹤楼1916”牌卷烟所使用的空条盒为对象进行测试,结果表明:(1)YOLO v8-CBAM-C2fDynamic模型可准确、快速地识别出空条盒放置方向及位置,mAP为0.904,FPS达到约120帧/s;(2)与人工供应方式相比,基于模板匹配+YOLO v8-CBAM-C2fDynamic模型的拆垛系统可减少人工3人/班次;(3)相比模板匹配模型,加入YOLO v8-CBAM-C2fDynamic模型后的拆垛系统拆垛成功率由67%提高至100%,拆垛效率由40条/min提高至64条/min,满足了条盒填充机的供料需求。该技术可为提高硬质条盒卷烟自动化生产水平提供支持。

摘要：针对耐火材料行业中烧制完成的堆垛因形变和运输导致物料码放位置移动、难以实现自动化拆卸的问题,设计了一套结合机器视觉、超声波传感器和LVDT位移传感器的机器人拆垛系统。以耐火材料堆垛为研究对象,研制了能够搭载多种传感器、适合抓取多型号物料的吸盘夹具;开发发那科机器人的拆垛运动程序执行数据采集和拆垛作业;采用OpenCV中轮廓寻找和轮廓拟合算子处理图像并通过轮廓的矩计算偏移数据;通过西门子PLC对超声波测距和LVDT位移传感器数据进行处理。经过实际拆垛试验,物料拆卸成功率达到97.3%,单次拆卸作业平均耗时为12.79 s,满足拆垛工序在精度与效率上的要求。

摘要：拆垛系统是汽车冲压生产线的重要组成部分,它能确保输送的钢板单张进入压力机,避免多张进入造成生产线损伤甚至整线停机。实际拆垛过程中经常会有长时间保持垛料高度的需求,这样能避免拆垛机器人重新示教确定位置,减少非冲压时间的消耗,提高生产效率。为满足这一需求,对拆垛系统中的气缸和电磁阀进行优化,确定了无杆气缸和三位五通中压阀的使用。