【技术实现步骤摘要】
一种使用机器手臂结合三维视觉的激光器打标方法
[0001]本专利技术涉及打标方法
，尤其涉及一种使用机器手臂结合三维视觉 的激光器打标方法。
技术介绍
[0002]以电解铝厂，铝锭生产线为例，铝锭在浇筑成型后为一块梯形的长条体， 然后在产线上经过纵横码垛八层后在最上层的横截面进行激光打标，现有的打 标方式有喷墨打标，激光、物理传感器探测打标，三维识别打标，这次申请的 就是三维识别后用机器手臂将识别的位置准确打标上，现有的技术如喷墨打印， 因为铝锭表面光滑喷墨容易不清晰，而且喷墨是消耗品，墨水也需要定期维护， 激光和物理传感器对不规则倾斜面打标效果不理想，后面的铝锭图片可以看到 码垛完的铝锭位置是不固定的倾斜的，所以打印角度是否不好准确找到合适的 位置，激光器的有效打印距离是几毫米范围内，如果有偏差就很难激光雕刻上。
技术实现思路
[0003]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种使用机器 手臂结合三维视觉的激光器打标方法。
[0004]为了实现上述目的，本专利技术采用了如下...
【技术保护点】
【技术特征摘要】
1.一种使用机器手臂结合三维视觉的激光器打标方法，其特征在于，包括以下步骤：步骤一：收集大量实验桌上安装的摄像机采集的不同视角的实验数据，对实验视频及图片数据集进行实验器材类别标注，采用深度学习方法进行检测模型训练；步骤二：根据实验步骤及内容，通过细分实验，将实验划分为不同阶段，并列举出每个阶段所有状态，将实验结合实验阶段及状态构建有向图评价模型，结合教学及考试大纲得分点要对评价模型赋予不同得分权值；步骤三：前端通过实验桌上多个视角的摄像头获取实验桌面及实验者操作过程的同步视频数字信号，对数字信号进行解码，得到图像帧，对图像帧进行预处理；步骤四：利用预先针对实验器材训练好的检测模型，通过深度学习目标检测算法，检测出实验桌上实验仪器，结合计算机视觉进行特定仪器状态的检测，检测实验人手部动作，结合手部动作及实验仪器状态等信息，识别出当前实验进度及状态，输入评价模型，通过评价模型给出实验最后得分，实现自动评分功能。2.根据权利要求1所述的使用机器手臂结合三维视觉的激光器打标方法，其特征在于：步骤二中，具体实验方法如下：定义实验起始阶段为start节点，第一阶段为Stage_1，第一阶段Stage_1中有{Status<1,1>，Status<1,2>
…
,Status<1,m1>}m1个状态；第二阶段Stage_2中有{Status<2,1>，Status<2,2>
…
,Status<2,m2>}m2个状态；依次类推，第n
‑
1阶段Stage_n
‑
1中有{Status<n
‑
1,1>，Status<n
‑
1,2>
…
,Status<n
‑
1,m
n
‑1>}m
n
‑1个状态，结束点为end节点，随后将第i阶段，第j状态节点标记为s
i,j
；定义由start到Stage_1的第m1个状态节点的奖励权重为其中s
0,0
为start节点，定义由start到Stage_1的奖励权重矩阵为：由Stage_1到Stage_2的各个状态节点的权重奖励矩阵为：在实际实验中，如果不存在从到的状态则为0；最后一层Stage_n
‑
1到end节点的权重奖励矩阵为：其中s
n,0
为end节点。3.根据权利要求1所述的使用机器手臂结合三维视觉的激光器打标方法，其特征在于：步骤三中，图像预处理包括对进行图像等比例缩放，图像归一化等操作。4.根据权利要求1所述的使用机器手臂结合三维视觉的激光器打标方法，其特征在于：步骤四中，具体实验方法如下：载入训练好的深度学习检测模型，对图像帧进行处理，得到实验桌上所有仪器的类别及位置信息，针对不同仪器特性及形态，采用一种基于多类别、多
优先级的非极大值抑制方式(muticlass
‑
level
‑
nms)进行目标过滤，定义目标类别数为N，检测目标集合G＝{g
1 g2…
g
N
}，对应的优先级分别为prior1，prior2…
prior
n
，类别为k的目标子集每个Obj
k,j
的坐标框及置信度分别为box
...
【专利技术属性】
技术研发人员：刘玉龙，张松，
申请(专利权)人：鼎耀保定智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。