针对分拣过程中视觉系统识别复杂物体时速度慢、对环境变化适应性不足的问题，提出一种基于轻量型卷积神经网络的机械臂快速分拣方法。该方法首先使用基于轻量型卷积神经网络的MobileNet-SSD算法对图像中的目标物体进行检测，获取目标类别和位置信息；然后根据检测输出结果对图像进行预处理和边缘检测，最终得到校正后的定位结果。在PROBOT Anno机械臂平台上进行分拣实验，实验结果表明，相比于传统的图像处理方法，提出的方法能对复杂目标物体实现快速的检测和定位，对于目标形态和环境的多样性来说具有更好的鲁棒性。
2021-07-28 16:41:19
9.15MB
1
为硕博士论文。
运动目标物体检测是现今计算机视觉研究的热点问题之一。对该问题虽然研究数量众多,但一些复杂的问题,例如环境光照变化、目标物体半/全遮挡、目标物体刚性/非刚性形变等,仍然极具挑战并且严重阻碍运动目标检测效果的进一步提高。本论文主要提出了一种具有普适性,能适用于不同环境或背景下检测运动目标物体的框架。该框架以增量学习理论为基础,将模式识别理论中的多模态模型(包括经典的分类模型、新颖的聚类模型等)无缝运用在运动目标物体检测问题的求解。具体来说,本论文采用的增量学习思想主要基于视频相邻帧在空间和时间上的高度相关性;在每个测试帧的相邻帧上抽取训练数据进行模型的学习与更新。因此,随着视频的推演,模型学习的结果也在不停自动更新。为了验证本论文提出框架的有效性,超过1000帧的视频数据被用来组成本论文的实验数据库。在此数据库中,本论文通过大量的实验,验证了提出检测框架中所有方法在不同环境或复杂背景下的检测效果,并采用统计学中的方差分析和多重对比实
2021-07-22 15:27:05
5.08MB
1
工业机器人之发那科---视觉分拣之双机协同E型B型码垛！
是这个仿真项目的压缩文件RGX格式文件！
可以直接做一个毕业设计！毕业设计！毕业设计！
下载后用ROBOGUIDE解压缩，打开就可以仿真！
仿真视频看下面：
https://live.csdn.net/v/167593
2021-07-03 17:02:08
103.5MB
现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高，而基于密度的分拣方法适用于井下初选，成本较高。针对上述问题，设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台，在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络，建立端到端可训练图像检测模型，并利用智能摄像机获取的图像数据训练模型；通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系，控制机械臂进行矸石追踪和分拣。实验结果表明，该系统矸石识别准确率稳定保持在95%以上，机械臂跟踪时间小于30 ms，执行误差为1 mm左右，可以满足煤矸分拣工艺要求。
2021-06-27 11:56:19
780KB
1
分拣机器人设计及机器人运动学仿真（版本四）（带matlab程序+word报告）.rar
2021-06-25 19:06:14
6.89MB