一种应用于传送带分拣的目标物体动态适配方法组成比例

本发明专利技术公开了一种应用于传送带分拣的目标物体动态适配方法，至少包括以下步骤：步骤S1：在分拣控制系统中设置机器视觉单元并实时获取传送带上目标物体的图像信息；步骤S2：将图像信息输入至神经网络中与预先训练好的识别模型匹配并实时识别目标物体的类别和位置信息；步骤S3：根据目标物体的类别和位置信息控制机器臂以使其根据目标物体的实际状态自适应调整运动规划。与现有技术相比，本发明专利技术采用机器视觉和机器臂控制相结合，预先采用深度神经网络训练模型，从而能够根据机器视觉所获取的图像信息控制机械臂使其能根据目标物体的实际情况自适应调整行程轨迹以实现目标物体的分拣，实现目标物体模型动态嵌入式和自适应。

【技术实现步骤摘要】
一种应用于传送带分拣的目标物体动态适配方法
本专利技术涉及工业自动化
，尤其涉及一种应用于传送带分拣的目标物体动态适配方法。
技术介绍
近年，机器臂已经广泛地应用于工业中，但工业上运用的机器臂基本是按照预先编排的程序运行的，具有高度的定制化，比如搬运，喷漆，电焊等重复的工作。然而这些对于机器臂的运用是有固定时序要求的，若在过程中发生与固定轨迹的偏离或者产品类别变更，机器臂控制系统还是按照原先程序执行动作，不能做出自适应改变。故，针对现有技术的缺陷，实有必要提出一种技术方案以解决现有技术存在的技术问题。
技术实现思路
有鉴于此，确有必要提供一种应用于传送带分拣的目标物体动态适配方法，采用机器视觉和机器臂控制相结合，以传送带上的目标物体分拣为载体，预先训练深度神经网络模型，该模型根据机器视觉所获取的图像信息控制机械臂使其能根据目标物体的实际情况自适应调整行程轨迹以实现目标物体的分拣，从而实现目标物体模型动态嵌入式和自适应方法。为了解决现有技术存在的技术问题，本专利技术的技术方案如下：一种应用于传送带分拣的目标物体动态适配方法，至少包括以下步骤：步骤S1：在分拣控制系统中设置机器视觉单元并实时获取传送带上目标物体的图像信息；步骤S2：将图像信息输入至神经网络与预先训练好的识别模型匹配并实时识别目标物体的类别和位置信息；步骤S3：根据目标物体的类别和位置信息控制机器臂以使其根据目标物体的实际状态自适应调整运动规划；其中，在所述步骤S2中，预先采用标记的图像信息训练识别模型，进一步包括：步骤S201：在分拣控制系统中建立统一的坐标系并对机器视觉单元和机器臂进行标定，其中，标定机器视觉单元时建立机器视觉坐标系，标定机器臂时建立机器臂坐标系，并计算得到两个坐标系间的坐标转换矩阵；步骤S202：对待分拣的目标物体在不同场景下拍摄得到大量的图片，采集到大量的样本图片。步骤S203：采用采集的样本图片对识别目标进行训练并获得能识别目标物体的模型文件。作为进一步的改进方案，在所述步骤S3中，将训练得到的目标物体的模型文件嵌入到工控机中以用于待分拣目标物体的识别。作为进一步的改进方案，所述机器视觉单元为设置在特定位置的多个工业相机。作为进一步的改进方案，工业相机对传送带上的目标物体进行定时的同步拍摄，将拍摄到的图片即时传输至工控机中；工控机执行识别模型并识别出该目标物体在图片中的二维坐标并通过坐标转换矩阵得到统一坐标系下的三维坐标，以此作为目的位置用于机械臂运动规划。作为进一步的改进方案，设置信号装置，所述信号装置用于产生同步信号以使多个工业相机同步获取图片。作为进一步的改进方案，通过传送带周边安装的多对工业相机采集目标物体在传送带上传输的整个过程的图片，工控机以此计算得到一个有时间顺序的目标物体运动序列。作为进一步的改进方案，所述识别模型采用深度神经网络。与现有技术相比较，本专利技术通过将分拣目标物体模型动态导入到分拣控制系统中实现分拣目标物体的替换，并应用目标物体模型对工业相机拍摄的图片进行即时识别得到目标物体及其位置信息，并利用这些信息实现机器臂自适应控制用以抓取目标物体，实现分拣目的。附图说明图1为应用于传送带分拣的目标物体动态适配方法的流程框图。图2为实现本专利技术方法的系统框图。图3为本专利技术中统一坐标系标定的流程框图。图4为本专利技术中识别模型训练的流程框图。图5为本专利技术中识别模型执行的流程框图。图6为本专利技术中模型执行的信息示意图。如下具体实施例将结合上述附图进一步说明本专利技术。具体实施方式以下将结合附图对本专利技术提供的技术方案作进一步说明。参见图1，所示为本专利技术一种应用于传送带分拣的目标物体动态适配方法的流程框图，至少包括以下步骤：步骤S1：在分拣控制系统中设置机器视觉单元并实时获取传送带上目标物体的图像信息；步骤S2：将图像信息输入至神经网络与预先训练好的识别模型匹配并实时识别目标物体的类别和位置信息；步骤S3：根据目标物体的类别和位置信息控制机器臂以使其根据目标物体的实际状态自适应调整运动规划；其中，在所述步骤S2中，预先采用标记的图像信息训练识别模型，进一步包括：步骤S201：在分拣控制系统中建立统一的坐标系并对机器视觉单元和机器臂进行标定，标定机器视觉单元时建立机器视觉坐标系，标定机器臂时建立机器臂坐标系，并计算得到两个坐标系间的坐标转换矩阵；步骤S202：对待分拣的目标物体在不同场景下拍摄得到大量的图片，采集到大量的样本图片。步骤S203：采用采集的样本图片对识别目标进行训练并获得能识别目标物体的模型文件。参见图2，所示为为本专利技术的系统框图，包括若干传送带、若干工业相机、一个工控机、一个信号装置、一个机器臂和许多物体。其中，传送带(1)、(2)上放着随传送带运动的物体，工控机(7)发送信号给信号装置(8)，信号装置(8)再将同步触发信号发送给同组的工业相机，工控机每发送一次信号工业相机拍摄一次图片；工业相机(3)、(4)、(5)、(6)拍摄图片传送回工控机(7)，且工业相机的拍摄范围覆盖整个传送带；工控机(7)发送命令给机器臂(9)使之运动到指定位置并对物体进行抓取。在上述技术方案中，将传送带上物体的识别方式从分拣控制系统中分离，将待分拣目标物体在不同场景下拍摄得到的图片输入到人工神经网络中进行离线学习，得到目标物体的模型文件，然后将模型文件嵌入到分拣控制系统的工控机中。在嵌入待分拣目标的模型文件后，分拣控制系统通过工业相机定时拍摄待分拣物体在传送带传输时的图片，然后将图片即时输入到工控机与分拣目标模型文件进行特征匹配，识别出待分拣目标物体及其位置信息,该位置信息可以被用做机械臂运动控制的目标位置。分拣控制系统包括：工业相机，工控机，信号装置，机器臂和传送带。具体过程如下：首先，在分拣控制系统中建立统一的坐标系。对工业相机和机器臂进行标定，标定工业相机时建立机器视觉坐标系，标定机器臂时建立机器臂坐标系，并计算得到两个坐标系间的坐标转换矩阵。通过坐标转换矩阵和矩阵计算，从工业相机计算得到的目标物体的视觉坐标被转换得到机器臂坐标。目标物体的识别通过人工神经网络技术，对待分拣的目标物体在不同场景下拍摄得到大量的图片，然后在个人电脑上利用这些图片进行训练，训练完成后得到能识别目标物体的模型文件。随后，将训练得到的目标物体模型文件嵌入到工控机中用于待分拣目标物体的识别。分拣控制系统用工业相机对传送带上的目标物体进行定时的同步拍摄，将拍摄到的图片即时传输至工控机中；工控机执行人工神经网络，使用目标物体模型文件识别图片中待分拣的目标物体，同时识别出该目标物体在图片中的二维坐标；通过前面步骤建立的坐标转换矩阵，工控机计算得到统一坐标系下的三维坐标，作为目的位置用于机械臂运动规划。最后，通过传送带周边安装的多对工业相机采集目标物体在传送带上传输的整个过程的图片，工控机可以计算得到一个有时间顺序的目标物体运动序列；该运动序列可以被分拣控制系统用于运动轨迹拟合、轨迹预判等目的，并将传输的最终位置信息输出给机器臂，由机器臂抓取目标物体，实现分拣功能。以下再通过实例详述本专利技术构思的具体实现过程。参见图3，所示为本专利技术中统一坐标系标定的流程框图，准备一张黑白方格相间的标定板，固定好相机后，拍摄n(n>＝9)张在空间中不同位置的标定本文档来自技高网...

【技术保护点】
1.一种应用于传送带分拣的目标物体动态适配方法，其特征在于，至少包括以下步骤：步骤S1：在分拣控制系统中设置机器视觉单元并实时获取传送带上目标物体的图像信息；步骤S2：将图像信息输入至神经网络与预先训练好的识别模型匹配并实时识别目标物体的类别和位置信息；步骤S3：根据目标物体的类别和位置信息控制机器臂以使其根据目标物体的实际状态自适应调整运动规划；其中，在所述步骤S2中，预先采用标记的图像信息训练识别模型，进一步包括：步骤S201：在分拣控制系统中建立统一的坐标系并对机器视觉单元和机器臂进行标定，其中，标定机器视觉单元时建立机器视觉坐标系，标定机器臂时建立机器臂坐标系，并计算得到两个坐标系间的坐标转换矩阵；步骤S202：对待分拣的目标物体在不同场景下拍摄得到大量的图片；步骤S203：采用采集的样本图片对识别目标进行训练并获得能识别目标物体的模型文件。

【技术特征摘要】
1.一种应用于传送带分拣的目标物体动态适配方法，其特征在于，至少包括以下步骤：步骤S1：在分拣控制系统中设置机器视觉单元并实时获取传送带上目标物体的图像信息；步骤S2：将图像信息输入至神经网络与预先训练好的识别模型匹配并实时识别目标物体的类别和位置信息；步骤S3：根据目标物体的类别和位置信息控制机器臂以使其根据目标物体的实际状态自适应调整运动规划；其中，在所述步骤S2中，预先采用标记的图像信息训练识别模型，进一步包括：步骤S201：在分拣控制系统中建立统一的坐标系并对机器视觉单元和机器臂进行标定，其中，标定机器视觉单元时建立机器视觉坐标系，标定机器臂时建立机器臂坐标系，并计算得到两个坐标系间的坐标转换矩阵；步骤S202：对待分拣的目标物体在不同场景下拍摄得到大量的图片；步骤S203：采用采集的样本图片对识别目标进行训练并获得能识别目标物体的模型文件。2.根据权利要求1所述的应用于传送带分拣的目标物体动态适配方法，其特征在于，在所述步骤S3中，将训练得到的目标物体的模型文件嵌入到工控机中以用...

【专利技术属性】
技术研发人员：蔡修秀，曾静，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33