基于機(jī)器視覺(jué)的工件自動(dòng)分揀系統(tǒng)研究.pdf

1、工件分揀是工業(yè)化生產(chǎn)的重要內(nèi)容之一，分揀效率的高低直接影響到企業(yè)的效益。本課題結(jié)合上海市高校創(chuàng)新計(jì)劃項(xiàng)目《基于機(jī)器視覺(jué)的多軸分揀系統(tǒng)開(kāi)發(fā)》（課題編號(hào)20131006），對(duì)機(jī)器視覺(jué)測(cè)量的關(guān)鍵技術(shù)進(jìn)行了系統(tǒng)研究。以工業(yè)流水線現(xiàn)場(chǎng)工件分揀為背景，介紹了機(jī)器視覺(jué)技術(shù)在工件識(shí)別中的應(yīng)用以及主要圖像處理算法。采用機(jī)器示教方法建立待處理零件的特征庫(kù)，通過(guò)圖像預(yù)處理、閾值分割、邊緣和輪廓提取算法等獲取零件圖像的特征并與標(biāo)準(zhǔn)模板比較，從而判別待測(cè)零件的種

2、類(lèi)。為解決零件擺放的位姿偏差，提出了采用邊緣檢測(cè)和輪廓跟蹤算法確定工件形心位置和旋轉(zhuǎn)角度，根據(jù)與模板零件的相似性測(cè)度判斷工件的特性，為自動(dòng)分揀提供決策支持。實(shí)驗(yàn)驗(yàn)證了本算法的有效性。
　　本課題的主要內(nèi)容如下：
　?。?）在機(jī)器視覺(jué)圖像處理算法方面，研究了圖像濾波、二值化、預(yù)處理、圖像分割等關(guān)鍵算法，以邊緣檢測(cè)和輪廓跟蹤算法得到待測(cè)物形心位置和旋轉(zhuǎn)角度，此算法解決了零件擺放的隨意性，研究結(jié)果可應(yīng)用到自動(dòng)分揀系統(tǒng)。
　　

3、（2）在機(jī)器視覺(jué)圖像識(shí)別方面，建立了標(biāo)準(zhǔn)工件模板，通過(guò)對(duì)待測(cè)工件的平移和旋轉(zhuǎn)變換，和標(biāo)準(zhǔn)模板進(jìn)行相似性比較，從而判斷是否為同類(lèi)零件。
　　（3）在工件自動(dòng)分揀機(jī)器視覺(jué)系統(tǒng)硬件平臺(tái)設(shè)計(jì)方面，介紹了基于機(jī)器視覺(jué)的零件分類(lèi)識(shí)別系統(tǒng)的組成，結(jié)合工業(yè)流水線生產(chǎn)現(xiàn)場(chǎng)的品質(zhì)管理需要，分析了工業(yè)CCD相機(jī)、圖像采集卡、電機(jī)、氣爪等硬件的選型依據(jù)，并進(jìn)行了多通道照明光源結(jié)構(gòu)的設(shè)計(jì)，通過(guò)實(shí)物成像和測(cè)試分析，驗(yàn)證了光源的成像質(zhì)量的可靠性。
　?。?/p>