CN107804514A - 一种基于图像识别的牙刷分拣方法 - Google Patents

一种基于图像识别的牙刷分拣方法 Download PDF

Info

Publication number
CN107804514A
CN107804514A CN201710990966.8A CN201710990966A CN107804514A CN 107804514 A CN107804514 A CN 107804514A CN 201710990966 A CN201710990966 A CN 201710990966A CN 107804514 A CN107804514 A CN 107804514A
Authority
CN
China
Prior art keywords
toothbrush
image
region
sorting based
image recognition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710990966.8A
Other languages
English (en)
Other versions
CN107804514B (zh
Inventor
王化明
王斌
沈玮
李凯
郭交通
王熹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Isaac Robot Ltd By Share Ltd
Original Assignee
Jiangsu Isaac Robot Ltd By Share Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Isaac Robot Ltd By Share Ltd filed Critical Jiangsu Isaac Robot Ltd By Share Ltd
Priority to CN201710990966.8A priority Critical patent/CN107804514B/zh
Publication of CN107804514A publication Critical patent/CN107804514A/zh
Application granted granted Critical
Publication of CN107804514B publication Critical patent/CN107804514B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B35/00—Supplying, feeding, arranging or orientating articles to be packaged
    • B65B35/30—Arranging and feeding articles in groups
    • B65B35/44—Arranging and feeding articles in groups by endless belts or chains
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B35/00—Supplying, feeding, arranging or orientating articles to be packaged
    • B65B35/56—Orientating, i.e. changing the attitude of, articles, e.g. of non-uniform cross-section
    • B65B35/58—Turning articles by positively-acting means, e.g. to present labelled portions in uppermost position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • B65B57/10—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged
    • B65B57/14—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged and operating to control, or stop, the feed of articles or material to be packaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
    • B65G47/22—Devices influencing the relative position or the attitude of articles during transit by conveyors
    • B65G47/24—Devices influencing the relative position or the attitude of articles during transit by conveyors orientating the articles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
    • B65G2201/02—Articles
    • B65G2201/0214—Articles of special size, shape or weigh
    • B65G2201/0217—Elongated

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)
  • Sorting Of Articles (AREA)

Abstract

一种基于图像识别的牙刷分拣方法。涉及牙刷加工领域。提供了一种提高工作效率，降低成本，能够实现快速定位的基于图像识别的牙刷分拣方法。包括以下步骤:S1：将牙刷放入爬坡上料输送机上，送入水平传送带中；S2：在水平传送带的初始位置处将牙刷依次分开；S3：当水平传输带上的光电传感器检测到有牙刷通过后，通过发送信号给工业计算机触发工业相机完成图像采集；S4：工业计算机通过对采集到的图像进行图像处理分析，计算出牙刷的位姿信息；S5：最后，机械手根据计算位姿信息抓取牙刷，并且对牙刷位姿进行校正然后传递至下一道工序，完成。本发明可提高牙刷包装机的自动化程度，避免因牙刷品种繁杂工作量大的缺点。

Description

一种基于图像识别的牙刷分拣方法
技术领域
本发明涉及牙刷加工领域，尤其涉及一种基于图像识别的牙刷分拣方法。
背景技术
近几年随着我国工业自动化水平的不断提高，机器视觉定位分拣技术越来越应用到各种工业产品分拣的生产线中。目前牙刷在生产线上的分拣主要通过复杂的机械系统来实现，虽然能够满足正常的生产需要，但是具有通用性差、占地面积大等缺点。而且，目前的机械系统无法实现有刷毛情况下的牙刷分拣，因此在牙刷包装环节主要通过人工分拣各种牙刷放入包装机中，完成牙刷包装，人工操作，易疲劳、成本高，这样导致牙刷包装设备自动化程度较低，所以急需开发出一种高效方便且成本较低的牙刷定位方法。
发明内容
本发明针对以上问题，提供了一种提高工作效率，降低成本，能够实现快速定位的基于图像识别的牙刷分拣方法。
本发明的技术方案是：包括以下步骤:
S1：将牙刷放入爬坡上料输送机上，送入水平传送带中；
S2：在水平传送带的初始位置处将牙刷依次分开；
S3：当水平传输带上的光电传感器检测到有牙刷通过后，通过发送信号给工业计算机触发工业相机完成图像采集；
S4：工业计算机通过对采集到的图像进行图像处理分析，计算出牙刷的位姿信息；
S5：最后，机械手根据计算位姿信息抓取牙刷，并且对牙刷位姿进行校正然后传递至下一道工序，完成。
S4包括以下步骤为：
S4.1：建立背景模型，连续采集十张空水平传送带背景图像，计算每个对应位置的像素平均值，合成一副新的图像作为背景图像；
S4.2：采集各种姿态下的牙刷图像若干作为训练样本集，将样本进行图像处理后得到牙刷区域，计算样本的区域特征向量，将特征向量作为训练样本添加到机器学习分类器中进行训练得到分类器；
S4.3：采集当前图像，并将当前图像与背景图像相减并取绝对值，然后做全局固定阈值处理得到二值图，最后对图像做形态学开操作平滑区域轮廓同时去除较小及较大的连通区域，获取牙刷在图像中的区域；
S4.4：计算区域中所有像素的行和列坐标的平均值作为区域中心点，通过工业相机标定得到的距离-像素比系数，将图像坐标系中的区域中心点转换到世界坐标系中作为牙刷的定位中心；然后计算区域最小二阶矩轴的方向角度及与中心最大距离的轮廓上的点，如果该点列坐标小于中心的列坐标，则增加180°到该角度，以该角度作为牙刷的旋转方向；
S4.5：计算区域特征向量，将特征向量带入分类器中，获得牙刷姿态。
S4.2中样本的特征包括：牙刷区域面积、牙刷区域矩形度、牙刷区域与其最小外接矩形右边界围成的孔洞区域面积及区域灰度均值；
其中，区域面积为区域内所有像素数量的累加值；区域矩形度为区域面积与区域的最小外接矩形面积的比值。
S4.2中的机器学习分类器为支持向量机、BP神经网络或贝叶斯分类器。
S4.2中机器学习分类器为支持向量机时，其类型为C_SVC类型。
S4.4中工业相机标定求距离-像素比系数的步骤为：
S4.4.1在工业相机视野中放入实际面积已知的正方形标定物，并通过图像处理计算该物体在图像中所占的像素面积；
S4.4.2实际面积除以像素面积后取平方根的值即为所求的距离-像素比系数。
牙刷的位姿信息包含牙刷的位置中心、牙刷的旋转方向以及牙刷的姿态；
牙刷姿态具有刷毛朝上、刷毛朝下、刷毛朝左及刷毛朝右四种姿态。
机械手为并联机械手或直角坐标机械手。
本发明的有益效果是：(1)本发明方法相比于目前使用的定位分拣方法，不需要复杂的机械结构，仅仅需要工业相机等组成的简易视觉系统，实际应用中可以节约生产空间及生产成本。此外本方法可解决带刷毛牙刷的定位分拣问题，如应用于牙刷包装机中，可大大提高牙刷包装机的自动化程度。
(2)本发明方法利用背景差分法分割牙刷区域，能够适应不同牙刷品种的分割，具有较好的通用性及推广性。同时利用机器学习分类牙刷姿态，避免了因牙刷品种繁杂人工选取特征及判断条件工作量大、易受干扰等缺点。
附图说明
图1是本发明的结构示意图，
图2是本发明中图像处理流程图，
图3A是牙刷背景差分并灰度化后的图像，
图3B是阈值化后的图像，
图4是牙刷最终计算得到的位置中心及旋转方向；
图中1是爬坡上料输送机，2是水平输送带，3是分离机构，4是光电传感器，5是机器视觉硬件系统，6是机械手。
具体实施方式
本发明如图1-4所示，包括以下步骤:
S1：将牙刷放入爬坡上料输送机上，送入水平传送带中；
S2：在水平传送带的初始位置处通过分离机构将牙刷依次分开；设置分离机构，可将堆叠在一起的牙刷部分分开。
S3：当水平传输带上的光电传感器检测到有牙刷通过后，通过发送信号给工业计算机触发工业相机完成图像采集；
S4：工业计算机通过对采集到的图像进行图像处理分析，计算出牙刷的位姿信息；
S5：最后，机械手根据计算位姿信息抓取牙刷，并且对牙刷位姿进行校正然后传递至下一道工序，完成。
S4包括以下步骤为：
S4.1：平均背景法建立背景模型，连续采集十张空水平传送带背景图像，计算每个对应位置的像素平均值，合成一副新的图像作为背景图像；
S4.2：采集各种姿态下的牙刷图像若干作为训练样本集，将样本进行图像处理后得到牙刷区域，计算样本的区域特征向量，将特征向量作为训练样本添加到机器学习分类器中进行训练得到分类器；
S4.3：采集当前图像，并将当前图像与背景图像相减并取绝对值，然后做全局固定阈值处理得到二值图，最后对图像做形态学开操作平滑区域轮廓同时去除较小及较大的连通区域，获取牙刷在图像中的区域；
S4.4：计算区域中所有像素的行和列坐标的平均值作为区域中心点，通过工业相机标定得到的距离-像素比系数，将图像坐标系中的区域中心点转换到世界坐标系中作为牙刷的定位中心；然后计算区域最小二阶矩轴的方向角度及与中心最大距离的轮廓上的点，如果该点列坐标小于中心的列坐标，则增加180°到该角度，以该角度作为牙刷的旋转方向；
S4.5：计算区域特征向量，将特征向量带入分类器中，获得牙刷姿态。
应用中，S4.2中图像处理得到牙刷区域的方法与S4.3中得到牙刷区域的方法相同，均为当前图像与背景模型差分后采用全局阈值的方法进行二值化，得到牙刷区域。
S4.2中样本的特征包括：牙刷区域面积、牙刷区域矩形度、牙刷区域与其最小外接矩形右边界围成的孔洞区域面积及区域灰度均值；
其中，区域面积为区域内所有像素数量的累加值；区域矩形度为区域面积与区域的最小外接矩形面积的比值。
区域灰度均值的计算步骤为：
(1)以图像分割得到的牙刷区域作为掩膜,掩模图像是一幅二值图，在求取灰度均值前，掩膜与灰度图像相乘，掩膜中为1的区域与灰度图像相乘后得到感兴趣区域，灰度图像感兴趣区域内的像素取值保持不变，区外像素取值则置为0；
(2)计算图像所有像素点的累加值，将该值与图像分割得到的牙刷区域面积值相除得到区域灰度均值。
S4.2中的机器学习分类器为支持向量机、BP神经网络或贝叶斯分类器等，便于根据工作需要，进行选择。
S4.2中机器学习分类器为支持向量机时，其类型为C_SVC类型，该类型用于n类分类问题(n≥2)，核类型选择线性模型，表示分类不需要进行映射。
S4.4中工业相机标定求距离-像素比系数的步骤为：
S4.4.1在工业相机视野中放入实际面积已知的正方形标定物，并通过图像处理计算该物体在图像中所占的像素面积；
S4.4.2实际面积除以像素面积后取平方根的值即为所求的距离-像素比系数。
牙刷的位姿信息包含牙刷的位置中心、牙刷的旋转方向以及牙刷的姿态；牙刷姿态具有刷毛朝上、刷毛朝下、刷毛朝左及刷毛朝右四种姿态。牙刷的位姿信息包含牙刷的位置中心(x，y)，牙刷的旋转方向(θ)以及牙刷的姿态(ν)。牙刷姿态主要根据刷毛(孔)的朝向进行分类，主要可以分为刷毛(孔)朝上、刷毛(孔)朝下、刷毛(孔)朝左及刷毛(孔)朝右四种姿态。
机械手为并联机械手或直角坐标机械手。
本发明实施中所涉及的器件包括爬坡上料输送机、分离机构、水平输送带、机器视觉系统和机械手；
其中，爬坡上料输送机1是牙刷产品的上料机构，主要是用来将牙刷产品依次上料；
水平输送带2是牙刷产品的输送机构，使牙刷产品依次通过光电传感器；
分离机构3是将堆叠在一起的牙刷产品部分分开；分离机构包括n形分离架，将分离架的两脚端置于水平传输带的两侧，使得堆叠的牙刷分离，这样，可逐只从分离架下穿过；
光电传感器4用于检测是否有牙刷产品通过；
机器视觉系统5主要包括工业计算机、工业光源、工业相机及镜头，工业光源是为工业相机提供稳定均匀的光照环境，可以有效提高图像质量，工业相机是图像的感应部件，通过采集可以得到高分辨率的图像；
机械手6根据工业计算机计算得到的位姿信息抓取并校正牙刷产品位姿。
工作时，工业相机采集到牙刷产品图像，在工业计算机中经过图像处理技术准确、快速提取产品在图像坐标系下的区域中心坐标、旋转方向及姿态，并根据坐标转换技术将图像坐标系下的中心坐标转换到世界坐标系下的坐标，最终完成图像定位的整个流程。
图像定位方法步骤如下：
第一步：平均背景法建立背景模型，首先采集水平传送带在空载情况下的图像十张，然后分别计算图像每个对应位置的像素平均值，合成一副新的图像作为背景图像；
第二步：采集各种姿态下的牙刷图像若干作为训练样本集，将样本进行图像处理后得到牙刷区域，计算样本的区域特征向量，部分数据如下表1所示，将特征向量作为训练样本添加到支持向量机中进行训练得到分类器；
表1为部分样本区域特征向量值
样本类别 区域面积 区域矩形度 围成孔洞面积 灰度均值
1(上) 8240 0.718 1459 25.101
1 8285 0.728 1551 24.704
2(下) 8253 0.725 1503 29.719
2 8160 0.724 1534 29.136
3(左) 7943 0.608 1960 26.254
3 8002 0.604 1918 26.103
4(右) 7907 0.596 2804 25.878
4 7951 0.602 2795 25.817
… … … … …
第三步：采集当前图像，并将当前图像与背景图像相减并取绝对值，取绝对值后的图像如图3A所示，然后做全局固定阈值处理得到二值图，最后对图像做形态学开操作平滑区域轮廓同时去除较小及较大的连通区域，获得的牙刷区域图像如图3B所示；
第四步：计算区域中所有像素的行和列坐标的平均值作为区域中心点，经计算区域中心点坐标值为(192.8，220.4)，通过相机标定计算得到的距离-像素比系数k为0.48(mm/像素)，将区域中心点坐标值乘以系数k得到世界坐标系下坐标值为(93.5,105.8)；
计算区域最小二阶矩轴的方向角度为-51.4°且距离区域中心最大距离的轮廓上的点列坐标大于中心的列坐标，则在该角度上增加180°为128.6°，最终牙刷的旋转方向为128.6°；第五步：计算区域特征向量，经计算该区域的特征向量值为(8125,0.721,1520，29.712)，将特征向量带入分类器中得到分类结果值为2，说明牙刷姿态为刷毛朝下。
本发明中基于图像识别的牙刷分拣方法通过图像处理及机器学习方法实现了对牙刷快速定位，获取牙刷在生产线上的位置中心、旋转方向及姿态。机器视觉定位参数可以根据不同牙刷品种自行设置，实现了方法对各品种牙刷定位的通用性。
本发明相比于传统定位分拣技术具有：检测效率高、准确率高、定位精度高及实时性好等诸多优点。因此通过机器视觉技术实现牙刷的定位，一方面可以提高定位速度与准确度，提高了企业生产效率，另一方面节省了企业的人力成本，提高企业综合效益。

Claims (8)

1.一种基于图像识别的牙刷分拣方法，其特征在于,包括以下步骤:
S1：将牙刷放入爬坡上料输送机上，送入水平传送带中；
S2：在水平传送带的初始位置处,将牙刷依次分开；
S3：当水平传输带上的光电传感器检测到有牙刷通过后，通过发送信号给工业计算机触发工业相机完成图像采集；
S4：工业计算机通过对采集到的图像进行图像处理分析，计算出牙刷的位姿信息；
S5：最后，机械手根据计算位姿信息抓取牙刷，并且对牙刷位姿进行校正然后传递至下一道工序，完成。
2.根据权利要求1所述的一种基于图像识别的牙刷分拣方法，其特征在于：S4包括以下步骤为：
S4.1：建立背景模型，连续采集十张空水平传送带背景图像，计算每个对应位置的像素平均值，合成一副新的图像作为背景图像；
S4.2：采集各种姿态下的牙刷图像若干作为训练样本集，将样本进行图像处理后得到牙刷区域，计算样本的区域特征向量，将特征向量作为训练样本添加到机器学习分类器中进行训练得到分类器；
S4.3：采集当前图像，并将当前图像与背景图像相减并取绝对值，然后做全局固定阈值处理得到二值图，最后对图像做形态学开操作平滑区域轮廓同时去除较小及较大的连通区域，获取牙刷在图像中的区域；
S4.4：计算区域中所有像素的行和列坐标的平均值作为区域中心点，通过工业相机标定得到的距离-像素比系数，将图像坐标系中的区域中心点转换到世界坐标系中作为牙刷的定位中心；然后计算区域最小二阶矩轴的方向角度及与中心最大距离的轮廓上的点，如果该点列坐标小于中心的列坐标，则增加180°到该角度，以该角度作为牙刷的旋转方向；
S4.5：计算区域特征向量，将特征向量带入分类器中，获得牙刷姿态。
3.根据权利要求2所述的一种基于图像识别的牙刷分拣方法，其特征在于：S4.2中样本的特征包括：牙刷区域面积、牙刷区域矩形度、牙刷区域与其最小外接矩形右边界围成的孔洞区域面积及区域灰度均值；
其中，区域面积为区域内所有像素数量的累加值；区域矩形度为区域面积与区域的最小外接矩形面积的比值。
4.根据权利要求2所述的一种基于图像识别的牙刷分拣方法，其特征在于：S4.2中的机器学习分类器为支持向量机、BP神经网络或贝叶斯分类器。
5.根据权利要求4所述的一种基于图像识别的牙刷分拣方法，其特征在于：S4.2中机器学习分类器为支持向量机时,其类型为C_SVC类型。
6.根据权利要求2所述的一种基于图像识别的牙刷分拣方法，其特征在于：S4.4中工业相机标定求距离-像素比系数的步骤为：
S4.4.1在工业相机视野中放入实际面积已知的正方形标定物，并通过图像处理计算该物体在图像中所占的像素面积；
S4.4.2实际面积除以像素面积后取平方根的值即为所求的距离-像素比系数。
7.根据权利要求1所述的一种基于图像识别的牙刷分拣方法，其特征在于：牙刷的位姿信息包含牙刷的位置中心、牙刷的旋转方向以及牙刷的姿态；
牙刷姿态具有刷毛朝上、刷毛朝下、刷毛朝左及刷毛朝右四种姿态。
8.根据权利要求1所述的一种基于图像识别的牙刷分拣方法，其特征在于：机械手为并联机械手或直角坐标机械手。
CN201710990966.8A 2017-10-23 2017-10-23 一种基于图像识别的牙刷分拣方法 Expired - Fee Related CN107804514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710990966.8A CN107804514B (zh) 2017-10-23 2017-10-23 一种基于图像识别的牙刷分拣方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710990966.8A CN107804514B (zh) 2017-10-23 2017-10-23 一种基于图像识别的牙刷分拣方法

Publications (2)

Publication Number Publication Date
CN107804514A true CN107804514A (zh) 2018-03-16
CN107804514B CN107804514B (zh) 2020-08-07

Family

ID=61585116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710990966.8A Expired - Fee Related CN107804514B (zh) 2017-10-23 2017-10-23 一种基于图像识别的牙刷分拣方法

Country Status (1)

Country Link
CN (1) CN107804514B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108480227A (zh) * 2018-03-30 2018-09-04 烟台维度机器人有限公司 一种基于图像识别的苹果分拣方法及系统
CN109598715A (zh) * 2018-12-05 2019-04-09 山西镭谱光电科技有限公司 基于机器视觉的物料粒度在线检测方法
CN109614994A (zh) * 2018-11-27 2019-04-12 佛山市奥策科技有限公司 一种瓷砖分类识别方法及装置
CN109670513A (zh) * 2018-11-27 2019-04-23 西安交通大学 一种基于词袋模型和支持向量机的活塞姿态检测方法
CN109949362A (zh) * 2019-03-01 2019-06-28 广东九联科技股份有限公司 一种物料视觉检测方法
CN109941500A (zh) * 2019-03-28 2019-06-28 江苏食品药品职业技术学院 自动化包装产品输送装置
CN111038792A (zh) * 2019-12-23 2020-04-21 珠海格力智能装备有限公司 一种漆包线来料的称重控制方法和装置
CN111144426A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111144322A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111250409A (zh) * 2020-01-19 2020-06-09 上海发那科机器人有限公司 一种机器人胶塞自动分拣上料系统及其工作方法
CN113112541A (zh) * 2021-04-28 2021-07-13 西南大学 基于图像处理的蚕蛹蛹体位姿测算方法及系统
CN113247582A (zh) * 2021-07-01 2021-08-13 佛山市志必得机械设备有限公司 一种杆状产品全自动上料系统
CN113311452A (zh) * 2021-05-26 2021-08-27 上海新纪元机器人有限公司 一种基于多传感器的定位方法及其系统
CN113715012A (zh) * 2021-09-03 2021-11-30 西安建筑科技大学 一种遥控器零件自动装配方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6315103B1 (en) * 1998-08-24 2001-11-13 Firma G.B. Boucherie Nv Method and device for arranging toothbrush bodies and machine equipped with such device
CN202783856U (zh) * 2012-12-04 2013-03-13 上海优汉实业发展有限公司 条烟高速综合检测机
CN104156726A (zh) * 2014-08-19 2014-11-19 大连理工大学 一种基于几何形状特征的工件识别方法及装置
CN105690393A (zh) * 2016-04-19 2016-06-22 惠州先进制造产业技术研究中心有限公司 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法
CN105759720A (zh) * 2016-04-29 2016-07-13 中南大学 基于计算机视觉的机械手跟踪定位在线识别与纠偏方法
CN206358440U (zh) * 2016-12-30 2017-07-28 倍加洁集团股份有限公司 牙刷包装视觉检测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6315103B1 (en) * 1998-08-24 2001-11-13 Firma G.B. Boucherie Nv Method and device for arranging toothbrush bodies and machine equipped with such device
CN202783856U (zh) * 2012-12-04 2013-03-13 上海优汉实业发展有限公司 条烟高速综合检测机
CN104156726A (zh) * 2014-08-19 2014-11-19 大连理工大学 一种基于几何形状特征的工件识别方法及装置
CN105690393A (zh) * 2016-04-19 2016-06-22 惠州先进制造产业技术研究中心有限公司 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法
CN105759720A (zh) * 2016-04-29 2016-07-13 中南大学 基于计算机视觉的机械手跟踪定位在线识别与纠偏方法
CN206358440U (zh) * 2016-12-30 2017-07-28 倍加洁集团股份有限公司 牙刷包装视觉检测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙兴: "DSP在机器人视觉系统的应用于研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108480227A (zh) * 2018-03-30 2018-09-04 烟台维度机器人有限公司 一种基于图像识别的苹果分拣方法及系统
CN109614994A (zh) * 2018-11-27 2019-04-12 佛山市奥策科技有限公司 一种瓷砖分类识别方法及装置
CN109670513A (zh) * 2018-11-27 2019-04-23 西安交通大学 一种基于词袋模型和支持向量机的活塞姿态检测方法
CN109598715A (zh) * 2018-12-05 2019-04-09 山西镭谱光电科技有限公司 基于机器视觉的物料粒度在线检测方法
CN109598715B (zh) * 2018-12-05 2023-03-24 山西镭谱光电科技有限公司 基于机器视觉的物料粒度在线检测方法
CN109949362A (zh) * 2019-03-01 2019-06-28 广东九联科技股份有限公司 一种物料视觉检测方法
CN109949362B (zh) * 2019-03-01 2021-08-13 广东九联科技股份有限公司 一种物料视觉检测方法
CN109941500A (zh) * 2019-03-28 2019-06-28 江苏食品药品职业技术学院 自动化包装产品输送装置
CN111038792A (zh) * 2019-12-23 2020-04-21 珠海格力智能装备有限公司 一种漆包线来料的称重控制方法和装置
WO2021129528A1 (zh) * 2019-12-28 2021-07-01 广东拓斯达科技股份有限公司 分拣方法、装置、设备和存储介质
WO2021129527A1 (zh) * 2019-12-28 2021-07-01 广东拓斯达科技股份有限公司 分拣方法、装置、设备和存储介质
CN111144322A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111144426A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111250409A (zh) * 2020-01-19 2020-06-09 上海发那科机器人有限公司 一种机器人胶塞自动分拣上料系统及其工作方法
CN111250409B (zh) * 2020-01-19 2021-10-01 上海发那科机器人有限公司 一种机器人胶塞自动分拣上料系统及其工作方法
CN113112541A (zh) * 2021-04-28 2021-07-13 西南大学 基于图像处理的蚕蛹蛹体位姿测算方法及系统
CN113311452A (zh) * 2021-05-26 2021-08-27 上海新纪元机器人有限公司 一种基于多传感器的定位方法及其系统
CN113311452B (zh) * 2021-05-26 2022-12-30 上海新纪元机器人有限公司 一种基于多传感器的定位方法及其系统
CN113247582A (zh) * 2021-07-01 2021-08-13 佛山市志必得机械设备有限公司 一种杆状产品全自动上料系统
CN113247582B (zh) * 2021-07-01 2021-10-08 佛山市志必得机械设备有限公司 一种杆状产品全自动上料系统
CN113715012A (zh) * 2021-09-03 2021-11-30 西安建筑科技大学 一种遥控器零件自动装配方法和系统

Also Published As

Publication number Publication date
CN107804514B (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN107804514A (zh) 一种基于图像识别的牙刷分拣方法
CN112170233B (zh) 基于深度学习的小型零件分拣方法及其分拣系统
CN104992449B (zh) 基于机器视觉的信息识别及表面缺陷在线检测方法
CN110580725A (zh) 一种基于rgb-d相机的箱体分拣方法及系统
CN106934813A (zh) 一种基于视觉定位的工业机器人工件抓取实现方法
CN107694962A (zh) 一种基于机器视觉与bp神经网络的水果自动分拣方法
CN111460903B (zh) 基于深度学习的田间西兰花长势监测系统及方法
CN108596880A (zh) 基于图像处理的焊接缺陷特征提取与焊接质量分析方法
CN106780537A (zh) 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN108846415A (zh) 工业分拣机器人的目标识别装置和方法
CN106824816A (zh) 一种基于机器视觉的pe瓶检测与分拣方法
CN111462058B (zh) 一种水稻有效穗快速检测方法
CN111311691A (zh) 拆垛机器人拆垛方法及系统
CN113177565A (zh) 一种基于深度学习的双目视觉位置测量系统及方法
Hu et al. Recognition and localization of strawberries from 3D binocular cameras for a strawberry picking robot using coupled YOLO/Mask R-CNN
CN113319013A (zh) 一种基于机器视觉的苹果智能分拣的方法
CN111353985A (zh) 一种基于深度相机的机场自助托运行李的检测方法
Jin et al. Detection method for table grape ears and stems based on a far-close-range combined vision system and hand-eye-coordinated picking test
CN105069745A (zh) 基于普通图像传感器及增强现实技术的带表情变脸系统及方法
CN107481244A (zh) 一种工业机器人视觉语义分割数据库制作方法
Qian et al. Real-time detection and localization using SSD method for oyster mushroom picking robot
WO2022241597A1 (zh) 一种ai智能垃圾识别分类系统和方法
CN117079125A (zh) 一种基于改进型YOLOv5的猕猴桃授粉花朵识别方法
CN115049860B (zh) 一种基于特征点识别的系统及抓取方法
Zhang et al. Intelligent sorting method for assembly line based on visual positioning and model predictive control of robotic arm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200807

Termination date: 20211023

CF01 Termination of patent right due to non-payment of annual fee