CN115417140A - 一种基于机器人的电池壳清洗线上下料控制系统及方法 - Google Patents
一种基于机器人的电池壳清洗线上下料控制系统及方法 Download PDFInfo
- Publication number
- CN115417140A CN115417140A CN202211069374.XA CN202211069374A CN115417140A CN 115417140 A CN115417140 A CN 115417140A CN 202211069374 A CN202211069374 A CN 202211069374A CN 115417140 A CN115417140 A CN 115417140A
- Authority
- CN
- China
- Prior art keywords
- cleaned
- unit
- battery case
- grabbing
- battery
- 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
Links
Images
Classifications
-
- 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
- B65G47/74—Feeding, transfer, or discharging devices of particular kinds or types
- B65G47/90—Devices for picking-up and depositing articles or materials
- B65G47/905—Control arrangements
-
- 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
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
-
- 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
- B65G47/26—Devices influencing the relative position or the attitude of articles during transit by conveyors arranging the articles, e.g. varying spacing between individual articles
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Sorting Of Articles (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种基于机器人的电池壳清洗线上下料控制系统及方法,系统包括:上料模块和下料模块,上料模块包括多料识别单元、多料抓取单元、角度调整单元和多料送入单元,下料模块包括类别整理单元、出料识别单元、第二多料抓取单元、第二角度调整单元和多料输出单元,本发明用于解决当待清洗电池壳类别多但待清洗电池壳总量较少的情况下,采用单一类别的电池壳清洗线上下料控制方法极大的提高了加工生产成本的问题。
Description
技术领域
本发明涉及电池壳清洗线上下料控制技术领域,尤其涉及一种基于机器人的电池壳清洗线上下料控制系统及方法。
背景技术
目前,电池壳清洗线上下料控制通常由机器人或机器臂完成,待清洗电池壳在进入清洗线前,为提高清洗效率,上料时通常会在进入清洗线前对不同类别的待清洗电池壳进行相对应角度的翻转,保证清洗线的既定清洗工序能对待清洗电池壳完成清洗,在通过清洗线后,下料时通常会将已清洗电池壳根据对应类别进行相对应角度的翻转后放入下料输送带,便于后续设备对已清洗电池壳的直接加工,但现有的电池壳清洗线上下料控制只能对同一类别的电池壳进行清洗线上下料操作,当存在多种类别的电池壳时往往是通过增加清洗线的方式对多种类别电池壳进行清洗线上下料控制,但该方法在面对待清洗电池壳类别多但待清洗电池壳总量较少的情况下,极大的提高了加工生产成本,因此,亟需一种基于机器人的电池壳清洗线上下料控制系统及方法,用于解决当待清洗电池壳类别多但待清洗电池壳总量较少的情况下,采用单一类别的电池壳清洗线上下料控制方法极大的提高了加工生产成本的问题。
发明内容
针对现有技术的不足,本发明提供一种基于机器人的电池壳清洗线上下料控制系统及方法,用于解决当待清洗电池壳类别多但待清洗电池壳总量较少的情况下,采用单一类别的电池壳清洗线上下料控制方法极大的提高了加工生产成本的问题。
一种基于机器人的电池壳清洗线上下料控制系统,包括:上料模块和下料模块,上料模块包括多料识别单元、多料抓取单元、角度调整单元和多料送入单元,下料模块包括类别整理单元、出料识别单元、第二多料抓取单元、第二角度调整单元和多料输出单元。
作为本发明的一种实施例,多料识别单元,用于识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,并对识别后的电池壳进行类别标记;多料抓取单元,用于同时抓取多个具有相同类别标记的待清洗电池壳;角度调整单元,用于根据当前抓取的待清洗电池壳的类别标记,确定翻转角度,并基于翻转角度对待清洗电池壳的角度进行调整;多料送入单元,用于将翻转后的待清洗电池壳移至清洗线上料固定位置。
作为本发明的一种实施例,类别整理单元,用于获取多料抓取单元抓取的待清洗电池壳的类别标记抓取顺序,构建下料类别顺序集;出料识别单元,用于识别清洗线下料固定位置是否存在已清洗电池壳,并输出识别结果;第二多料抓取单元,用于当识别结果为存在时,同时抓取清洗线下料固定位置上的多个已清洗电池壳;第二角度调整单元,用于根据下料类别顺序集确定当前抓取的已清洗电池壳的类别,并基于已清洗电池壳的类别确定第二翻转角度,再根据第二翻转角度对已清洗电池壳的角度进行对应调整;多料输出单元,用于将翻转后的已清洗电池壳移至下料输送带。
作为本发明的一种实施例,识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,包括:获取待清洗电池壳的第一图像和待清洗电池壳在当前上料输送带上的第一垂直加速度数据;其中,第一垂直加速度数据包括垂直加速度的TimeDomain信号、垂直加速度的FrequencyDomain信号和垂直加速度的PSD信号;将第一图像输入至已训练完成的图像深度特征获取模型中,得到第一图像的图像深度特征;获取第一垂直加速度数据的统计学特征;对图像深度特征与统计学特征进行特征融合操作,得到唯一特征;将唯一特征输入至已训练完成的待清洗电池壳类别识别模型中,得到当前待清洗电池壳的类别识别结果;
作为本发明的一种实施例,图像深度特征获取模型的训练过程包括:获取若干包括所有种类的待清洗电池壳的第一图像,构建第二图像集;基于轻量化卷积神经网络框架,根据TransferLearning法建立第一卷积模型;利用第二图像集对第一卷积模型进行训练与测试,得到第二卷积模型;基于第二卷积模型生成图像深度特征获取模型;
作为本发明的一种实施例,待清洗电池壳类别识别模型的训练过程包括:获取第二图像集中每一第一图像对应的待清洗电池壳在不同输送速度下经过清洗线前的第一垂直加速度数据,构建第二垂直加速度数据集;基于图像深度特征获取模型获取每一第一图像的图像深度特征,作为第一识别特征;获取第二垂直加速度数据集中每一第一垂直加速度数据的统计学特征,作为第二识别特征;分别对每一第一图像相对应的第一识别特征和第二识别特征进行融合操作,得到若干初始类别特征;将若干初始类别特征分别与每一第一图像相对应的待清洗电池壳类别标签生成类别样本对;利用若干类别样本对训练和测试机器学习分类算法初始模型,得到待清洗电池壳类别识别模型。
作为本发明的一种实施例,上料模块还包括抓取数量修正单元;
抓取数量修正单元包括预启动阶段和正式启动阶段;
当抓取数量修正单元第一次启动或重置启动时,进入预启动阶段;
抓取数量修正单元预启动阶段执行包括如下操作:
步骤1、预设时间段内,采集上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息;其中,剩余信息包括剩余待清洗电池壳中离清洗线最近的待清洗电池壳的类别信息和对应类别信息的数量;
步骤2、对剩余信息根据采集时间进行排序并标记,得到若干第二剩余信息;
步骤3、以排序为一的第二剩余信息中的类别信息为基准,以排序为一的第二剩余信息中对应类别信息的数量为副基准;获取若干第二剩余信息中与基准和副基准均相同的第二剩余信息,建立第一逻辑信息集,同时剔除若干第二剩余信息中与第一逻辑信息集存在相同排序的第二剩余信息,建立第一剩余信息集;
步骤4、在第一剩余信息集中,以排序最前的第二剩余信息中的类别信息为二基准,以排序最前的第二剩余信息中对应类别信息的数量为二副基准;获取第一剩余信息集中与二基准和二副基准均相同的第二剩余信息,建立第二逻辑信息集,同时剔除第一剩余信息集中与第二逻辑信息集存在相同排序的第二剩余信息,建立新的第一剩余信息集;
步骤5、将新的第一剩余信息集代替第一剩余信息集,重复步骤4,直至新的第一剩余信息集中不存在任何第二剩余信息,得到若干逻辑信息集;
步骤6、根据若干逻辑信息集,完成预启动阶段。
作为本发明的一种实施例,步骤6具体包括:
步骤61、获取每一逻辑信息集中所有第二剩余信息上的排序标记的排序间隔,生成若干排序间隔集;
步骤62、将所有排序间隔集中第二剩余信息上的排序标记按相同等差比例进行区分,得到若干具有相同等差比例的排序间隔大集;其中,每个排序间隔大集中包括若干具有相同等差比例的排序间隔集;
步骤63、将排序间隔大集中的第二剩余信息根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤64,若满足,转至步骤65;
步骤64:判断重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序阈值,若满足,转至步骤65,若不满足,丢弃当前重新排序的排序间隔大集;
步骤65、将所有满足条件的重新排序的排序间隔大集再次根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤66,若满足,转至步骤67;
步骤66、判断再次重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序总阈值,若满足,转至步骤67,若不满足,再次采集预设时间段内上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息,并将重新采集的剩余信息和上一预设时间段内采集的剩余信息合并为新的剩余信息后,转至步骤2;
步骤67、获取满足条件的再次重新排序的排序间隔大集中第一个循环的第二剩余信息前的所有第二剩余信息,完成预启动阶段;
作为本发明的一种实施例,当抓取数量修正单元的预启动阶段完成时,进入正式启动阶段;
抓取数量修正单元正式启动阶段执行包括如下操作:
步骤01:获取预启动阶段步骤67中的所有第二剩余信息,当抓取数量修正单元预启动阶段完成后,最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息与任一第二剩余信息中离清洗线最近的待清洗电池壳的类别信息相同时,抓取数量修正单元正式启动;
步骤02、根据所有第二剩余信息的排序标记和最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息,确定所有第二剩余信息对应的类别信息的数量的输出顺序;
步骤03、根据输出顺序发出对应控制指令用于控制多料抓取单元每次抓取的抓取数量;
步骤04、实时监测在多料抓取单元每次抓取前,离清洗线最近的待清洗电池壳的类别信息是否与步骤03中对应的输出顺序对应的类别信息相同,得到监测结果;
步骤05、若根据输出顺序完成一次循环后,所有监测结果中为否的概率大于预设重置阈值时,发出重置信号使得抓取数量修正单元重置启动。
一种基于机器人的电池壳清洗线上下料控制方法,包括:
S1、通过上料模块中的多料识别单元、多料抓取单元、角度调整单元和多料送入单元,对上料输送带上的待清洗电池壳进行识别、抓取、角度调整和送入清洗线;
S2、通过下料模块中的类别整理单元、出料识别单元、第二多料抓取单元、第二角度调整单元和多料输出单元,对已清洗电池壳进行整理、识别、抓取、角度调整和送入下料输送带。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于机器人的电池壳清洗线上下料控制系统及方法的系统模块示意图;
图2为本发明实施例中一种基于机器人的电池壳清洗线上下料控制系统及方法的方法流程图;
图3为本发明实施例中一种基于机器人的电池壳清洗线上下料控制系统及方法中S1的详细流程图;
图4为本发明实施例中一种基于机器人的电池壳清洗线上下料控制系统及方法中S2的详细流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明实施例提供了一种基于机器人的电池壳清洗线上下料控制系统,包括:
上料模块1和下料模块2,上料模块1包括多料识别单元101、多料抓取单元102、角度调整单元103和多料送入单元104,下料模块2包括类别整理单元201、出料识别单元202、第二多料抓取单元203、第二角度调整单元204和多料输出单元205;
上述技术方案的工作原理为:当上料输送带开始运行时,上料模块1同时启动,一段时间后,当上料输送带上的待清洗电池壳进入多料识别单元101的识别范围后,多料识别单元101开始对识别范围内的待清洗电池壳进行类别识别,优选为先对第一个进入识别范围内的待清洗电池壳进行识别并进行类别标记,并将识别内容按顺序存储在预先建立好的类别集中,当第一个进入识别范围内的待清洗电池壳达到预设抓取范围段时,或当前识别范围内与第一个进入识别范围内的待清洗电池壳类别相同的待清洗电池壳数量达到预设阈值时,将该第一个进入识别范围内的待清洗电池壳的类别作为标准,并根据该标准获取类别集中与标准类别相同的其他的待清洗电池壳的顺序,该顺序即在上料输送带上的排列顺序,通常以靠近清洗线方向为顺序起始,然后多料识别单元101将获取的顺序发送至多料抓取单元102,同时将该次抓取的类别和数量发送至类别整理单元201,当然的,在多料识别单元101在类别集中获取相应内容后,该部分内容将在类别集中被删除,同时类别集中的数据将根据最新顺序进行重新排序,即类别集中存在的识别内容存在隐藏的预定上限,更进一步地,当预定上限被打破时发出故障预警;多料抓取单元102根据多料识别单元101发出的顺序对上料输送带上的待清洗电池壳进行对应抓取,并由多料送入单元104发出指令将抓取的待清洗电池壳送入清洗线,同时,在多料抓取单元102抓取后并收到指多料送入指令由上料输送带移至清洗线的过程中,角度调整单元103对抓取的待清洗电池壳根据对应类别筛选预设数据库得到相应的翻转角度,根据该翻转角度控制待清洗电池壳进行对应翻转;同时,当上料模块1启动后,下料模块2伴随启动,首先是类别整理单元201接收到多料识别单元101发送的进入清洗线的待清洗电池壳的类别,并根据接收到的顺序对所有接收到的类别进行排序,建立下料类别顺序集,更进一步地,用上料时抓取的数量对该次类别进行标记;同时出料识别单元202始终监测着预设识别范围是否出现目标物体,即已清洗电池壳,当出料识别单元202监测到预设识别范围出现目标物体时,发送对应信号至第二多料抓取单元203和类别整理单元201,第二多料抓取单元203在接收到信号后开始对清洗线下料固定位置进行已清洗电池壳的抓取操作,更进一步地,类别整理单元201可以在接收到信号后发送当前下料位置出现的已清洗电池壳的数量至第二多料抓取单元203,使得第二多料抓取单元203可以提前进行多料抓取准备;当第二多料抓取单元203进行抓取操作后,多料输出单元205发出指令使得被抓取的已清洗电池壳由清洗线移至下料输送带,同时,在转移过程中,第二角度调整单元204接收由类别整理单元201发送的当前已清洗电池壳的类别信息,根据该类别信息筛选预设数据库得到对应第二翻转角度,并在转移过程中以第二翻转角度对已清洗电池壳进行对应翻转,最后多料输出单元205将翻转完成的已清洗电池壳移至下料输送带完成下料;当然的,当类别整理单元201将下料类别顺序集中的任一数据发送至第二角度调整单元204后,下料类别顺序集中该对应的数据将被删除;
上述技术方案的有益效果为:通过上述方案解决了当厂内待清洗电池壳类别多但待清洗电池壳总量较少的情况下,采用单一类别的电池壳清洗线上下料控制方法极大的提高了加工生产成本的问题,通过获取同类别待清洗电池壳进行统一翻转,有益于提高上下料速率,同时采用上述方案对不同类别的电池壳进行分类上下料相较于多开清洗线上下料生产线有益于减少生产成本。
在一个实施例中,多料识别单元101,用于识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,并对识别后的电池壳进行类别标记;多料抓取单元102,用于同时抓取多个具有相同类别标记的待清洗电池壳;角度调整单元103,用于根据当前抓取的待清洗电池壳的类别标记,确定翻转角度,并基于翻转角度对待清洗电池壳的角度进行调整;多料送入单元104,用于将翻转后的待清洗电池壳移至清洗线上料固定位置;
上述技术方案的工作原理为:多料识别单元101,优选包括图像采集器、图像处理器和存储器等设备,且优选为固定面向上料输送带对应位置,用于识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,并对识别后的电池壳进行类别标记;多料抓取单元102,优选包括处理器、机械臂和机械抓手等设备,且机械臂可以进行旋转,用于当多料识别单元101发出对应信号后,根据发出的信号内容同时抓取多个具有相同类别标记的待清洗电池壳;角度调整单元103,优选包括机械抓手旋转控制模块和与多料抓取单元102共用的处理器等设备,用于根据当前抓取的待清洗电池壳的类别标记,在预设的数据库中筛选得到对应的翻转角度,并基于该翻转角度控制机械抓手对待清洗电池壳的角度进行对应调整,优选的,该翻转过程在多料抓取单元102完成抓取过程后便开始翻转;多料送入单元104,优选包括与多料抓取单元102共用的处理器,用于发出固定转移指令,控制机械臂将待清洗电池壳移至清洗线上料固定位置并控制机械抓手放下待清洗电池壳;
上述技术方案的有益效果为:上述技术方案能对同一条上料输送带中的不同类别的待清洗电池壳进行区别并实现同类别抓取,同时同步完成对同类别待清洗电池壳的翻转操作并送入清洗线,相较于对每类待清洗电池壳设置专门的输送带和上料控制系统有益于减少成本,相较于不区分类别进行多料抓取并进行对应翻转有益于减少翻转时的出错率,并有益于减少翻转时处理器的处理量,从而有益于提高上料控制系统的使用寿命。
在一个实施例中,类别整理单元201,用于获取多料抓取单元102抓取的待清洗电池壳的类别标记抓取顺序,构建下料类别顺序集;出料识别单元202,用于识别清洗线下料固定位置是否存在已清洗电池壳,并输出识别结果;第二多料抓取单元203,用于当识别结果为存在时,同时抓取清洗线下料固定位置上的多个已清洗电池壳;第二角度调整单元204,用于根据下料类别顺序集确定当前抓取的已清洗电池壳的类别,并基于已清洗电池壳的类别确定第二翻转角度,再根据第二翻转角度对已清洗电池壳的角度进行对应调整;多料输出单元205,用于将翻转后的已清洗电池壳移至下料输送带;
上述技术方案的工作原理为:类别整理单元201,优选包括处理器和存储器等设备,类别整理单元201与多料识别单元101优选通过网络进行连接,用于接收多料识别单元101发送的多料抓取单元102抓取的待清洗电池壳的类别标记抓取顺序,用于构建下料类别顺序集,更进一步地,同时获取对应的抓取数量对下料类别顺序集中的类别进行标记;出料识别单元202,优选包括图像采集器和图像处理器等设备,优选为固定面向清洗线下料位置,用于识别清洗线下料固定位置是否存在已清洗电池壳,并输出识别结果;第二多料抓取单元203,优选包括机器臂、机械抓手和处理器等设备,用于接收出料识别单元202发送的识别结果,并当识别结果为存在时,同时抓取清洗线下料固定位置上的多个已清洗电池壳,更进一步地,同时接收类别整理单元201发送的当前已清洗电池壳的数量,提前为抓取做好准备;第二角度调整单元204,优选包括机械抓手旋转控制模块和与类别整理单元201共用的处理器等设备,用于根据下料类别顺序集确定当前抓取的已清洗电池壳的类别,并基于已清洗电池壳的类别从预设数据库中筛选确定第二翻转角度,再根据第二翻转角度对已清洗电池壳的角度进行对应调整,优选的,该翻转过程在第二多料抓取单元203完成抓取过程后便开始翻转;多料输出单元205,优选包括与类别整理单元201共用的处理器等设备,用于发出固定转移指令,控制机械臂将已清洗电池壳移至下料输送带固定位置并控制机械抓手放下已清洗电池壳,完成下料操作;
上述技术方案的有益效果为:上述技术方案能对清洗线清洗后的已清洗电池壳进行统一翻转下料,通过与上料模块进行数据互通的方式,提前掌握清洗线即将清洗完成的已清洗电池壳的类别,相较于对每类待清洗电池壳设置专门的输送带和下料控制系统有益于减少成本,相较于不区分类别进行多料抓取并进行对应翻转有益于减少翻转时的出错率,并有益于减少翻转时处理器的处理量,从而有益于提高下料控制系统的使用寿命,相较于清洗完成后再对类别进行识别从而进行后续指令的输出有益于提高下料速度。
在一个实施例中,识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,包括:
获取待清洗电池壳的第一图像和待清洗电池壳在当前上料输送带上的第一垂直加速度数据;其中,第一垂直加速度数据包括垂直加速度的TimeDomain信号、垂直加速度的FrequencyDomain信号和垂直加速度的PSD信号;
将第一图像输入至已训练完成的图像深度特征获取模型中,得到第一图像的图像深度特征;
获取第一垂直加速度数据的统计学特征;
对图像深度特征与统计学特征进行特征融合操作,得到唯一特征;
将唯一特征输入至已训练完成的待清洗电池壳类别识别模型中,得到当前待清洗电池壳的类别识别结果;
其中,图像深度特征获取模型的训练过程如下:
获取若干包括所有种类的待清洗电池壳的第一图像,构建第二图像集;
基于轻量化卷积神经网络框架,根据TransferLearning法建立第一卷积模型;
利用第二图像集对第一卷积模型进行训练与测试,得到第二卷积模型;
基于第二卷积模型生成图像深度特征获取模型;
待清洗电池壳类别识别模型的训练过程如下:
获取第二图像集中每一第一图像对应的待清洗电池壳在不同输送速度下经过清洗线前的第一垂直加速度数据,构建第二垂直加速度数据集;
基于图像深度特征获取模型获取每一第一图像的图像深度特征,作为第一识别特征;
获取第二垂直加速度数据集中每一第一垂直加速度数据的统计学特征,作为第二识别特征;
分别对每一第一图像相对应的第一识别特征和第二识别特征进行融合操作,得到若干初始类别特征;
将若干初始类别特征分别与每一第一图像相对应的待清洗电池壳类别标签生成类别样本对;
利用若干类别样本对训练和测试机器学习分类算法初始模型,得到待清洗电池壳类别识别模型;
上述技术方案的工作原理为:由于部分电池壳在外形上存在类似的原因,仅仅通过外形特征进行类别识别的方式容易导致识别出错,从而影响清洗线上料效果,导致后续清洗不到位出现瑕疵,而电池壳与电池壳之间除了外形特征外,还包括电池壳在输送带上的垂向加速度特征,采用结合特征的方式使得识别更精准,具体如下:首先,多料识别单元101在运行时,通过图像采集器获取待清洗电池壳的第一图像,并通过多料识别单元101中的垂向加速度传感器等设备获取待清洗电池壳在当前上料输送带上的第一垂直加速度数据,其中,该第一垂直加速度数据包括有垂直加速度的TimeDomain(时域)信号、FrequencyDomain(频域)信号和PSD(功率谱密度)信号;然后,将获取到的第一图像输入至已经训练完成并存储在多料识别单元101中的图像深度特征获取模型中,输出得到第一图像的图像深度特征,优选的,该图像深度特征获取模型的训练过程包括如下操作:步骤1、获取若干包括所有种类的待清洗电池壳的第一图像,用于构建第二图像集;其中,第二图像集中包含的同一种类的待清洗电池壳的第一图像不止一幅;步骤2、基于轻量化卷积神经网络框架,根据TransferLearning(迁移学习)的方法建立第一卷积模型;步骤3、利用第二图像集中的所有第一图像和预设条件对第一卷积模型进行训练与测试,得到第二卷积模型;步骤4、对第二卷积模型进行处理得到图像深度特征获取模型;其中,处理过程优选将第二卷积模型中的和softmax层连接的全连接层以及输出层去除;同时分析得到第一垂直加速度数据的统计学特征,该统计学特征包括但不限于均值特征、标准差特征、均方根植特征、最大绝对值特征、偏斜度特征、峰度特征等统计学类特征;将获得的图像深度特征与该统计学特征进行特征融合,得到唯一特征,再将该唯一特征输入至已训练完成的待清洗电池壳类别识别模型中,输出得到当前待清洗电池壳的类别识别结果,其中,待清洗电池壳类别识别模型的训练过程如下:步骤1、获取第二图像集中每一幅第一图像对应的待清洗电池壳在不同输送带的输送速度下经过清洗线前的第一垂直加速度数据,用于消除误差,构建得到第二垂直加速度数据集;步骤2、通过已训练完成的图像深度特征获取模型,输入所有第一图像获取得到每一幅第一图像对应的图像深度特征,作为第一识别特征;步骤3、分析得到第二垂直加速度数据集中每一第一垂直加速度数据的统计学特征作为第二识别特征;步骤4、分别对每一幅第一图像相对应的第一识别特征和相对应的第二识别特征进行融合操作,得到若干初始类别特征;步骤5、将若干初始类别特征分别与每一幅第一图像相对应的待清洗电池壳类别标签生成若干类别样本对;其中,该类别样本对中包含相同类别标签的不同类别样本对;步骤6、利用若干类别样本对训练和测试机器学习分类算法初始模型,得到待清洗电池壳类别识别模型;
上述技术方案的有益效果为:通过上述技术方案,采用两种不同的类型特征同时对当前待清洗电池壳的类别进行判断,有益于提高类别判断精准度,防止由于部分电池壳在外形上存在类似的原因,仅仅通过外形特征进行类别识别的方式容易导致识别出错,从而影响清洗线上料效果,导致后续清洗不到位出现瑕疵的问题出现。
在一个实施例中,上料模块1还包括抓取数量修正单元;
抓取数量修正单元包括预启动阶段和正式启动阶段;
当抓取数量修正单元第一次启动或重置启动时,进入预启动阶段;
抓取数量修正单元预启动阶段执行包括如下操作:
步骤1、预设时间段内,采集上料输送带上多料识别单元101识别范围内每次抓取后剩余待清洗电池壳的剩余信息;其中,剩余信息包括剩余待清洗电池壳中离清洗线最近的待清洗电池壳的类别信息和对应类别信息的数量;
步骤2、对剩余信息根据采集时间进行排序并标记,得到若干第二剩余信息;
步骤3、以排序为一的第二剩余信息中的类别信息为基准,以排序为一的第二剩余信息中对应类别信息的数量为副基准;获取若干第二剩余信息中与基准和副基准均相同的第二剩余信息,建立第一逻辑信息集,同时剔除若干第二剩余信息中与第一逻辑信息集存在相同排序的第二剩余信息,建立第一剩余信息集;
步骤4、在第一剩余信息集中,以排序最前的第二剩余信息中的类别信息为二基准,以排序最前的第二剩余信息中对应类别信息的数量为二副基准;获取第一剩余信息集中与二基准和二副基准均相同的第二剩余信息,建立第二逻辑信息集,同时剔除第一剩余信息集中与第二逻辑信息集存在相同排序的第二剩余信息,建立新的第一剩余信息集;
步骤5、将新的第一剩余信息集代替第一剩余信息集,重复步骤4,直至新的第一剩余信息集中不存在任何第二剩余信息,得到若干逻辑信息集;
步骤6、根据若干逻辑信息集,完成预启动阶段;
步骤6具体包括:
步骤61、获取每一逻辑信息集中所有第二剩余信息上的排序标记的排序间隔,生成若干排序间隔集;
步骤62、将所有排序间隔集中第二剩余信息上的排序标记按相同等差比例进行区分,得到若干具有相同等差比例的排序间隔大集;其中,每个排序间隔大集中包括若干具有相同等差比例的排序间隔集;
步骤63、将排序间隔大集中的第二剩余信息根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤64,若满足,转至步骤65;
步骤64:判断重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序阈值,若满足,转至步骤65,若不满足,丢弃当前重新排序的排序间隔大集;
步骤65、将所有满足条件的重新排序的排序间隔大集再次根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤66,若满足,转至步骤67;
步骤66、判断再次重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序总阈值,若满足,转至步骤67,若不满足,再次采集预设时间段内上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息,并将重新采集的剩余信息和上一预设时间段内采集的剩余信息合并为新的剩余信息后,转至步骤2;
步骤67、获取满足条件的再次重新排序的排序间隔大集中第一个循环的第二剩余信息前的所有第二剩余信息,完成预启动阶段;
当抓取数量修正单元的预启动阶段完成时,进入正式启动阶段;
抓取数量修正单元正式启动阶段执行包括如下操作:
步骤01:获取预启动阶段步骤67中的所有第二剩余信息,当抓取数量修正单元预启动阶段完成后,最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息与任一第二剩余信息中离清洗线最近的待清洗电池壳的类别信息相同时,抓取数量修正单元正式启动;
步骤02、根据所有第二剩余信息的排序标记和最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息,确定所有第二剩余信息对应的类别信息的数量的输出顺序;
步骤03、根据输出顺序发出对应控制指令用于控制多料抓取单元每次抓取的抓取数量;
步骤04、实时监测在多料抓取单元每次抓取前,离清洗线最近的待清洗电池壳的类别信息是否与步骤03中对应的输出顺序对应的类别信息相同,得到监测结果;
步骤05、若根据输出顺序完成一次循环后,所有监测结果中为否的概率大于预设重置阈值时,发出重置信号使得抓取数量修正单元重置启动;
上述技术方案的工作原理为:由于同一条上料输送带上的待清洗电池壳的类别不确定性,若每次仅通过,当第一个进入识别范围内的待清洗电池壳达到预设抓取范围段时,或当前识别范围内与第一个进入识别范围内的待清洗电池壳类别相同的待清洗电池壳数量达到预设阈值时,将该第一个进入识别范围内的待清洗电池壳的类别作为标准,并根据该标准获取类别集中与标准类别相同的其他的待清洗电池壳的顺序,并以此为依据对上料输送带上的待清洗电池壳进行抓取,则有可能存在某次抓取的数量过多或过少致使后续上料过程上料时等待抓取时间较长导致上料出现不连贯现象影响上料效率或上料时留余时间较少导致未及时抓取待清洗电池壳出现待清洗电池壳已出抓取范围等现象,为防止这种现象的出现,本发明还提供了下列技术方案,用于根据实际采样情况规律化每次抓取的数量,从而提高抓取连贯性与抓取效率;方案如下:上料模块还包括抓取数量修正单元;抓取数量修正单元包括预启动阶段和正式启动阶段;当抓取数量修正单元第一次启动或重置启动时,进入预启动阶段;抓取数量修正单元预启动阶段执行包括如下操作;预设时间段内,采集上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息;其中,剩余信息包括剩余待清洗电池壳中离清洗线最近的待清洗电池壳的类别信息和对应类别信息的数量;优选的,预设时间段内的抓取方式沿用当第一个进入识别范围内的待清洗电池壳达到预设抓取范围段时,或当前识别范围内与第一个进入识别范围内的待清洗电池壳类别相同的待清洗电池壳数量达到预设阈值时,将该第一个进入识别范围内的待清洗电池壳的类别作为标准,并根据该标准获取类别集中与标准类别相同的其他的待清洗电池壳的顺序,并以此为依据对上料输送带上的待清洗电池壳进行抓取的方式;对剩余信息根据采集时间进行排序并标记,得到若干第二剩余信息;其中,每个第二剩余信息中包含一个唯一的排序标记;以排序为一的第二剩余信息中的类别信息为基准,以排序为一的第二剩余信息中对应类别信息的数量为副基准;获取若干第二剩余信息中与基准和副基准均相同的第二剩余信息,建立第一逻辑信息集,同时剔除若干第二剩余信息中与第一逻辑信息集存在相同排序的第二剩余信息,建立第一剩余信息集;在第一剩余信息集中,以排序最前的第二剩余信息中的类别信息为二基准,以排序最前的第二剩余信息中对应类别信息的数量为二副基准;获取第一剩余信息集中与二基准和二副基准均相同的第二剩余信息,建立第二逻辑信息集,同时剔除第一剩余信息集中与第二逻辑信息集存在相同排序的第二剩余信息,建立新的第一剩余信息集;将新的第一剩余信息集代替第一剩余信息集,重复前述步骤,直至新的第一剩余信息集中不存在任何第二剩余信息,得到若干逻辑信息集;步骤61、获取每一逻辑信息集中所有第二剩余信息上的排序标记的排序间隔,生成若干排序间隔集;步骤62、将所有排序间隔集中第二剩余信息上的排序标记按相同等差比例进行区分,得到若干具有相同等差比例的排序间隔大集;其中,每个排序间隔大集中包括若干具有相同等差比例的排序间隔集;等差比例的判断方法优选为:D=xb+1-xb,其中,D为等差比例,xb+1为排序间隔集中第b+1位排序标记,xb为排序间隔集中第b位排序标记,b初始为1,上限为对应排序间隔集中所有第二剩余信息数量;当任一排序间隔集中的所有排序标记均满足上述公式时,D则为该排序间隔集的等差比例;将所有排序间隔集中第二剩余信息上的排序标记按相同等差比例进行区分还包括:若存在任一排序间隔集中第二剩余信息上的排序标记为1、9、13、17、25,则将其中排序标记为13的第二剩余信息剔除,得到排序标记为1、9、17、25这等差比例为8的排序间隔集,有益于提高筛选精度;步骤63、将排序间隔大集中的第二剩余信息根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤64,若满足,转至步骤65;步骤64、判断重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序阈值,若满足,转至步骤65,若不满足,丢弃当前重新排序的排序间隔大集;步骤65、将所有满足条件的重新排序的排序间隔大集再次根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤66,若满足,转至步骤67;步骤66、判断再次重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序总阈值,若满足,转至步骤67,若不满足,再次采集预设时间段内上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息,并将重新采集的剩余信息和上一预设时间段内采集的剩余信息合并为新的剩余信息后,转至步骤2;步骤67、获取满足条件的再次重新排序的排序间隔大集中第一个循环的第二剩余信息前的所有第二剩余信息,完成预启动阶段;当抓取数量修正单元的预启动阶段完成时,进入正式启动阶段;抓取数量修正单元正式启动阶段执行包括如下操作:步骤01:获取预启动阶段步骤67中的所有第二剩余信息,当抓取数量修正单元预启动阶段完成后,最近一次的多料抓取单元102完成抓取后离清洗线最近的待清洗电池壳的类别信息与任一第二剩余信息中离清洗线最近的待清洗电池壳的类别信息相同时,抓取数量修正单元正式启动;步骤02、根据所有第二剩余信息的排序标记和最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息,确定所有第二剩余信息对应的类别信息的数量的输出顺序;且该输出顺序采用循环使用的方式进行输出,即第一次输出3,输出后则将3列入输出顺序的最后;步骤03、根据输出顺序发出对应控制指令用于控制多料抓取单元每次抓取的抓取数量;步骤04、实时监测在多料抓取单元每次抓取前,离清洗线最近的待清洗电池壳的类别信息是否与步骤03中对应的输出顺序对应的类别信息相同,得到监测结果;步骤05、若根据输出顺序完成一次循环后,所有监测结果中为否的概率大于预设重置阈值时,发出重置信号使得抓取数量修正单元重置启动;
上述技术方案的有益效果为:通过设置抓取数量修正单元,防止存在某次抓取的数量过多或过少致使后续上料过程上料时等待抓取时间较长导致上料出现不连贯现象影响上料效率或上料时留余时间较少导致未及时抓取待清洗电池壳出现待清洗电池壳已出抓取范围等现象,同时,抓取数量修正单元还拥有自我监测修正功能,实时根据生产人员对输送带上待清洗电池壳的改动对输出顺序予以修正,有益于提高抓取数量修正单元的适应性。
请参阅图2,本发明实施例提供了一种基于机器人的电池壳清洗线上下料控制方法,包括如下步骤:
S1、通过上料模块中的多料识别单元、多料抓取单元、角度调整单元和多料送入单元,对上料输送带上的待清洗电池壳进行识别、抓取、角度调整和送入清洗线;
S2、通过下料模块中的类别整理单元、出料识别单元、第二多料抓取单元、第二角度调整单元和多料输出单元,对已清洗电池壳进行整理、识别、抓取、角度调整和送入下料输送带。
请参阅图3,在一个实施例中,S1包括:
S101、通过多料识别单元,识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,并对识别后的电池壳进行类别标记;
S102、通过多料抓取单元,同时抓取多个具有相同类别标记的待清洗电池壳;
S103、通过角度调整单元,根据当前抓取的待清洗电池壳的类别标记,确定翻转角度,并基于翻转角度对待清洗电池壳的角度进行调整;
S104、通过多料送入单元,将翻转后的待清洗电池壳移至清洗线上料固定位置。
请参阅图4,在一个实施例中,S2包括:
S201、通过类别整理单元,获取多料抓取单元抓取的待清洗电池壳的类别标记抓取顺序,构建下料类别顺序集;
S202、通过出料识别单元,识别清洗线下料固定位置是否存在已清洗电池壳,并输出识别结果;
S203、通过第二多料抓取单元,当识别结果为存在时,同时抓取清洗线下料固定位置上的多个已清洗电池壳;
S204、通过第二角度调整单元,根据下料类别顺序集确定当前抓取的已清洗电池壳的类别,并基于已清洗电池壳的类别确定第二翻转角度,再根据第二翻转角度对已清洗电池壳的角度进行对应调整;
S205、通过多料输出单元,将翻转后的已清洗电池壳移至下料输送带。
在一个实施例中,识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,包括:
获取待清洗电池壳的第一图像和待清洗电池壳在当前上料输送带上的第一垂直加速度数据;其中,第一垂直加速度数据包括垂直加速度的TimeDomain信号、垂直加速度的FrequencyDomain信号和垂直加速度的PSD信号;
将第一图像输入至已训练完成的图像深度特征获取模型中,得到第一图像的图像深度特征;
获取第一垂直加速度数据的统计学特征;
对图像深度特征与统计学特征进行特征融合操作,得到唯一特征;
将唯一特征输入至已训练完成的待清洗电池壳类别识别模型中,得到当前待清洗电池壳的类别识别结果;
其中,图像深度特征获取模型的训练过程如下:
获取若干包括所有种类的待清洗电池壳的第一图像,构建第二图像集;
基于轻量化卷积神经网络框架,根据TransferLearning法建立第一卷积模型;
利用第二图像集对第一卷积模型进行训练与测试,得到第二卷积模型;
基于第二卷积模型生成图像深度特征获取模型;
待清洗电池壳类别识别模型的训练过程如下:
获取第二图像集中每一第一图像对应的待清洗电池壳在不同输送速度下经过清洗线前的第一垂直加速度数据,构建第二垂直加速度数据集;
基于图像深度特征获取模型获取每一第一图像的图像深度特征,作为第一识别特征;
获取第二垂直加速度数据集中每一第一垂直加速度数据的统计学特征,作为第二识别特征;
分别对每一第一图像相对应的第一识别特征和第二识别特征进行融合操作,得到若干初始类别特征;
将若干初始类别特征分别与每一第一图像相对应的待清洗电池壳类别标签生成类别样本对;
利用若干类别样本对训练和测试机器学习分类算法初始模型,得到待清洗电池壳类别识别模型。
在一个实施例中,S1还包括:
S105、通过上料模块中的抓取数量修正单元,对多料抓取单元每次抓取的数量进行修正;其中,抓取数量修正单元包括预启动阶段和正式启动阶段;
具体包括:
当抓取数量修正单元第一次启动或重置启动时,进入预启动阶段;
当抓取数量修正单元第一次启动或重置启动时,进入预启动阶段;
抓取数量修正单元预启动阶段执行包括如下操作:
步骤1、预设时间段内,采集上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息;其中,剩余信息包括剩余待清洗电池壳中离清洗线最近的待清洗电池壳的类别信息和对应类别信息的数量;
步骤2、对剩余信息根据采集时间进行排序并标记,得到若干第二剩余信息;
步骤3、以排序为一的第二剩余信息中的类别信息为基准,以排序为一的第二剩余信息中对应类别信息的数量为副基准;获取若干第二剩余信息中与基准和副基准均相同的第二剩余信息,建立第一逻辑信息集,同时剔除若干第二剩余信息中与第一逻辑信息集存在相同排序的第二剩余信息,建立第一剩余信息集;
步骤4、在第一剩余信息集中,以排序最前的第二剩余信息中的类别信息为二基准,以排序最前的第二剩余信息中对应类别信息的数量为二副基准;获取第一剩余信息集中与二基准和二副基准均相同的第二剩余信息,建立第二逻辑信息集,同时剔除第一剩余信息集中与第二逻辑信息集存在相同排序的第二剩余信息,建立新的第一剩余信息集;
步骤5、将新的第一剩余信息集代替第一剩余信息集,重复步骤4,直至新的第一剩余信息集中不存在任何第二剩余信息,得到若干逻辑信息集;
步骤6、根据若干逻辑信息集,完成预启动阶段。
作为本发明的一种实施例,步骤6具体包括:
步骤61、获取每一逻辑信息集中所有第二剩余信息上的排序标记的排序间隔,生成若干排序间隔集;
步骤62、将所有排序间隔集中第二剩余信息上的排序标记按相同等差比例进行区分,得到若干具有相同等差比例的排序间隔大集;其中,每个排序间隔大集中包括若干具有相同等差比例的排序间隔集;
步骤63、将排序间隔大集中的第二剩余信息根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤64,若满足,转至步骤65;
步骤64:判断重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序阈值,若满足,转至步骤65,若不满足,丢弃当前重新排序的排序间隔大集;
步骤65、将所有满足条件的重新排序的排序间隔大集再次根据排序标记重新排序,并判断重新排序的排序间隔大集中的所有第二剩余信息的排序标记是否再次满足等差比例;若不满足,转至步骤66,若满足,转至步骤67;
步骤66、判断再次重新排序的排序间隔大集中是否存在部分第二剩余信息的排序标记满足等差比例,且部分第二剩余信息的数量大于预设排序总阈值,若满足,转至步骤67,若不满足,再次采集预设时间段内上料输送带上多料识别单元识别范围内每次抓取后剩余待清洗电池壳的剩余信息,并将重新采集的剩余信息和上一预设时间段内采集的剩余信息合并为新的剩余信息后,转至步骤2;
步骤67、获取满足条件的再次重新排序的排序间隔大集中第一个循环的第二剩余信息前的所有第二剩余信息,完成预启动阶段;
作为本发明的一种实施例,当抓取数量修正单元的预启动阶段完成时,进入正式启动阶段;
抓取数量修正单元正式启动阶段执行包括如下操作:
步骤01:获取预启动阶段步骤67中的所有第二剩余信息,当抓取数量修正单元预启动阶段完成后,最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息与任一第二剩余信息中离清洗线最近的待清洗电池壳的类别信息相同时,抓取数量修正单元正式启动;
步骤02、根据所有第二剩余信息的排序标记和最近一次的多料抓取单元完成抓取后离清洗线最近的待清洗电池壳的类别信息,确定所有第二剩余信息对应的类别信息的数量的输出顺序;
步骤03、根据输出顺序发出对应控制指令用于控制多料抓取单元每次抓取的抓取数量;
步骤04、实时监测在多料抓取单元每次抓取前,离清洗线最近的待清洗电池壳的类别信息是否与步骤03中对应的输出顺序对应的类别信息相同,得到监测结果;
步骤05、若根据输出顺序完成一次循环后,所有监测结果中为否的概率大于预设重置阈值时,发出重置信号使得抓取数量修正单元重置启动。
该一种基于机器人的电池壳清洗线上下料控制方法中不同步骤的工作原理和有益效果可参照上述关于一种基于机器人的电池壳清洗线上下料控制系统中对应提及的工作原理和有益效果,这里就不再做重复的累述了。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,包括:上料模块和下料模块,上料模块包括多料识别单元、多料抓取单元、角度调整单元和多料送入单元,下料模块包括类别整理单元、出料识别单元、第二多料抓取单元、第二角度调整单元和多料输出单元。
2.根据权利要求1所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于:多料识别单元,用于识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,并对识别后的电池壳进行类别标记;多料抓取单元,用于同时抓取多个具有相同类别标记的待清洗电池壳;角度调整单元,用于根据当前抓取的待清洗电池壳的类别标记,确定翻转角度,并基于翻转角度对待清洗电池壳的角度进行调整;多料送入单元,用于将翻转后的待清洗电池壳移至清洗线上料固定位置。
3.根据权利要求1所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于:类别整理单元,用于获取多料抓取单元抓取的待清洗电池壳的类别标记抓取顺序,构建下料类别顺序集;出料识别单元,用于识别清洗线下料固定位置是否存在已清洗电池壳,并输出识别结果;第二多料抓取单元,用于当识别结果为存在时,同时抓取清洗线下料固定位置上的多个已清洗电池壳;第二角度调整单元,用于根据下料类别顺序集确定当前抓取的已清洗电池壳的类别,并基于已清洗电池壳的类别确定第二翻转角度,再根据第二翻转角度对已清洗电池壳的角度进行对应调整;多料输出单元,用于将翻转后的已清洗电池壳移至下料输送带。
4.根据权利要求2所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,识别上料输送带上待清洗电池壳的唯一特征,确定当前电池壳的类别,包括:获取待清洗电池壳的第一图像和待清洗电池壳在当前上料输送带上的第一垂直加速度数据;其中,第一垂直加速度数据包括垂直加速度的TimeDomain信号、垂直加速度的FrequencyDomain信号和垂直加速度的PSD信号;将第一图像输入至已训练完成的图像深度特征获取模型中,得到第一图像的图像深度特征;获取第一垂直加速度数据的统计学特征;对图像深度特征与统计学特征进行特征融合操作,得到唯一特征;将唯一特征输入至已训练完成的待清洗电池壳类别识别模型中,得到当前待清洗电池壳的类别识别结果。
5.根据权利要求4所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,图像深度特征获取模型的训练过程包括:获取若干包括所有种类的待清洗电池壳的第一图像,构建第二图像集;基于轻量化卷积神经网络框架,根据TransferLearning法建立第一卷积模型;利用第二图像集对第一卷积模型进行训练与测试,得到第二卷积模型;基于第二卷积模型生成图像深度特征获取模型。
6.根据权利要求5所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,待清洗电池壳类别识别模型的训练过程包括:获取第二图像集中每一第一图像对应的待清洗电池壳在不同输送速度下经过清洗线前的第一垂直加速度数据,构建第二垂直加速度数据集;基于图像深度特征获取模型获取每一第一图像的图像深度特征,作为第一识别特征;获取第二垂直加速度数据集中每一第一垂直加速度数据的统计学特征,作为第二识别特征;分别对每一第一图像相对应的第一识别特征和第二识别特征进行融合操作,得到若干初始类别特征;将若干初始类别特征分别与每一第一图像相对应的待清洗电池壳类别标签生成类别样本对;利用若干类别样本对训练和测试机器学习分类算法初始模型,得到待清洗电池壳类别识别模型。
7.根据权利要求1所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,上料模块还包括抓取数量修正单元;抓取数量修正单元包括预启动阶段和正式启动阶段。
8.根据权利要求7所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,抓取数量修正单元在预启动阶段用于获取若干逻辑信息集完成预启动阶段。
9.根据权利要求8所述的一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,当抓取数量修正单元的预启动阶段完成时,进入正式启动阶段;抓取数量修正单元在正式启动阶段用于监测抓取数量并在抓取数量异常时发出重置信号使得抓取数量修正单元重置启动。
10.一种基于机器人的电池壳清洗线上下料控制方法,应用于一种基于机器人的电池壳清洗线上下料控制系统,其特征在于,包括如下步骤:S1、通过上料模块中的多料识别单元、多料抓取单元、角度调整单元和多料送入单元,对上料输送带上的待清洗电池壳进行识别、抓取、角度调整和送入清洗线;S2、通过下料模块中的类别整理单元、出料识别单元、第二多料抓取单元、第二角度调整单元和多料输出单元,对已清洗电池壳进行整理、识别、抓取、角度调整和送入下料输送带。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069374.XA CN115417140B (zh) | 2022-09-02 | 2022-09-02 | 一种基于机器人的电池壳清洗线上下料控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069374.XA CN115417140B (zh) | 2022-09-02 | 2022-09-02 | 一种基于机器人的电池壳清洗线上下料控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115417140A true CN115417140A (zh) | 2022-12-02 |
CN115417140B CN115417140B (zh) | 2023-06-06 |
Family
ID=84202482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211069374.XA Active CN115417140B (zh) | 2022-09-02 | 2022-09-02 | 一种基于机器人的电池壳清洗线上下料控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115417140B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105396801A (zh) * | 2015-12-11 | 2016-03-16 | 南京神源生智能科技有限公司 | 一种金属应变计自动检测、裁切、分选、包装系统 |
CN106926120A (zh) * | 2017-04-17 | 2017-07-07 | 安徽省巢湖铸造厂有限责任公司 | 打磨生产线的传输组 |
CN108067440A (zh) * | 2016-11-18 | 2018-05-25 | 广东工业大学 | 一种眼药水瓶分拣和装箱系统及方法 |
CN111331599A (zh) * | 2020-03-02 | 2020-06-26 | 上海媒智科技有限公司 | 一种基于机械臂的物品自动定向抓取方法及系统 |
CN114359877A (zh) * | 2022-03-22 | 2022-04-15 | 北京理工大学 | 基于融合特征的无人履带车辆道路类型识别方法和系统 |
CN114873253A (zh) * | 2022-06-07 | 2022-08-09 | 中迪机器人(盐城)有限公司 | 一种电池盒清洗用上下料设备 |
-
2022
- 2022-09-02 CN CN202211069374.XA patent/CN115417140B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105396801A (zh) * | 2015-12-11 | 2016-03-16 | 南京神源生智能科技有限公司 | 一种金属应变计自动检测、裁切、分选、包装系统 |
CN108067440A (zh) * | 2016-11-18 | 2018-05-25 | 广东工业大学 | 一种眼药水瓶分拣和装箱系统及方法 |
CN106926120A (zh) * | 2017-04-17 | 2017-07-07 | 安徽省巢湖铸造厂有限责任公司 | 打磨生产线的传输组 |
CN111331599A (zh) * | 2020-03-02 | 2020-06-26 | 上海媒智科技有限公司 | 一种基于机械臂的物品自动定向抓取方法及系统 |
CN114359877A (zh) * | 2022-03-22 | 2022-04-15 | 北京理工大学 | 基于融合特征的无人履带车辆道路类型识别方法和系统 |
CN114873253A (zh) * | 2022-06-07 | 2022-08-09 | 中迪机器人(盐城)有限公司 | 一种电池盒清洗用上下料设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115417140B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210287357A1 (en) | Systems and methods for optical material characterization of waste materials using machine learning | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
CN105817422A (zh) | 基于机器人的自动采集随机摆放快递包裹信息系统及其方法 | |
CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN112452801A (zh) | 一种高效率的玻璃瓶缺陷在线检测装置及其工作方法 | |
CN110302981B (zh) | 一种固废分拣在线抓取方法和系统 | |
CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN107264900A (zh) | 用于物流系统的工业机器人自动化处理方法及装置 | |
JPH06238584A (ja) | 部品供給方法およびその装置 | |
CN105964567A (zh) | 一种针对生活垃圾中的玻璃瓶分拣控制系统 | |
CN113289925A (zh) | 一种基于深度学习的煤中杂物智能分拣系统及其分拣方法 | |
CN108672316A (zh) | 一种基于卷积神经网络的微小零件质量检测系统 | |
CN110877019A (zh) | 中药材去杂质装置及方法 | |
CN113894055A (zh) | 基于机器视觉的五金件表面缺陷检测分类系统及方法 | |
CN115561471A (zh) | 全自动化水质检测实验室、水样的自动化输送方法 | |
CN116841270B (zh) | 一种基于物联网的智能生产线调度方法及系统 | |
CN109351655A (zh) | 一种红枣挑选机的改进装置 | |
CN114618788A (zh) | 基于视觉检测的手套分拣装置及方法 | |
CN115417140A (zh) | 一种基于机器人的电池壳清洗线上下料控制系统及方法 | |
CN117225728A (zh) | 一种工件的表面缺陷检测方法及系统 | |
CN104588325A (zh) | 一种中药配方颗粒药材自动化挑选装置及方法 | |
CN101322970A (zh) | 自动分拣装置、方法及系统 | |
CN202522527U (zh) | 一种玻璃药瓶缺陷的自动检测装置 | |
CN109051106B (zh) | 一种瓷砖分花色包装方法及系统 | |
CN107214108A (zh) | 一种高效智能化生产加工系统的工作方法 |
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 |