CN117709641A - 钢板废料边框切割分拣方法和系统 - Google Patents
钢板废料边框切割分拣方法和系统 Download PDFInfo
- Publication number
- CN117709641A CN117709641A CN202311712076.2A CN202311712076A CN117709641A CN 117709641 A CN117709641 A CN 117709641A CN 202311712076 A CN202311712076 A CN 202311712076A CN 117709641 A CN117709641 A CN 117709641A
- Authority
- CN
- China
- Prior art keywords
- cutting
- cutting line
- mechanical arm
- information
- steel plate
- 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.)
- Pending
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 466
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 133
- 239000010959 steel Substances 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000002699 waste material Substances 0.000 title claims abstract description 22
- 238000004590 computer program Methods 0.000 claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000003698 laser cutting Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 9
- 239000012636 effector Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Laser Beam Processing (AREA)
Abstract
本申请涉及一种钢板废料边框切割分拣方法、系统、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。通过在零件之间增加切割线,在零件抓取之前先将零件边框进行切割,从而避免在零件抓取时出现卡料扯带等现象,提高实际产线中零件分拣抓取的成功率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种钢板废料边框切割分拣方法、系统、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着人工智能和图像处理技术的快速发展,在物料的产线上,平面切割机在完成物料的切割后,智能分拣下料产线的自动化率、分拣成功率和智能化程度越来越高。而现有的钢板废料边框切割分拣下料产线中,由于切割过程中热变形导致切割完后的零件与零件之间存在边框卡住的情况,导致存在机械臂进行抓取时发生扯带无法完成抓取分拣动作的情况。在现有的产线中若出现分拣时零件卡料或者扯带的现象,要么直接不进行该零件的分拣,要么直接系统报出异常,更或者需要人工参与解决,导致产线工作效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种高效的钢板废料边框切割分拣方法、系统、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种钢板废料边框切割分拣方法。应用于分拣控制器,分拣控制器用于控制机械臂的运行,机械臂末端集成图像采集设备、激光切割头和分拣端拾器,图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,激光切割头用于对待分拣钢板中的废料边框进行切割,分拣端拾器用于对待分拣钢板进行分拣抓取;方法包括:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
在其中一个实施例中,零件信息包括零件的轮廓数据,切割线信息包括切割线位置;相应地,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息,包括:
对套料图纸进行轮廓分析,确定待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于连接关系确定相邻零件之间的切割线位置。
在其中一个实施例中,切割线信息包括切割线位置;相应地,基于初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割,包括:
基于初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
根据检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。
在其中一个实施例中,方法还包括:
对于任一切割线,在任一切割线不满足切割条件的情况下,根据任一切割线信息生成切割报错记录,并将切割报错记录发送至产线管理系统;
确定任一切割线对应的目标相邻零件,根据目标相邻零件的零件信息更新任一切割线的切割线信息,并基于更新后的切割线信息控制机械臂完成在任一切割线处的切割。
在其中一个实施例中,方法还包括:
获取机械臂的预设标定拍照位置,根据预设标定拍照位置确定每一切割线的目标切割位置;
控制机械臂运动至每一切割线的目标切割位置处并完成切割。
在其中一个实施例中,零件信息包括图纸图像;相应地,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件,包括:
根据初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
控制机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
基于初始定位图像以及零件种类,将每一零件的零件位置转换为机械臂坐标系下的抓取位置,控制机械臂运动至每一零件的抓取位置进行抓取。
第二方面,本申请还提供一种钢板废料边框切割分拣系统,所述系统包括分拣控制器和机械臂;
其中,机械臂末端集成图像采集设备、激光切割头和分拣端拾器,图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,激光切割头用于对待分拣钢板进行切割,分拣端拾器用于对待分拣钢板进行分拣抓取;
分拣控制器用于控制机械臂的运行,具体用于执行上述任一项方法中的步骤。
第三方面,本申请还提供了一种钢板废料边框切割分拣装置,应用于分拣控制器,所述分拣控制器用于控制机械臂的运行,机械臂末端集成图像采集设备、激光切割头和分拣端拾器,图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,激光切割头用于对待分拣钢板中的废料边框进行切割,分拣端拾器用于对待分拣钢板进行分拣抓取;所述装置包括:
信息获取模块,用于获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
切割模块,用于控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
分拣模块,用于在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
第四方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
第五方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
第六方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
上述钢板废料边框切割分拣方法、系统、装置、计算机设备、存储介质和计算机程序产品,获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。通过在零件之间增加切割线,在零件抓取之前先将零件边框进行切割,从而避免在零件抓取时出现卡料扯带等现象,提高实际产线中零件分拣抓取的成功率。
附图说明
图1为一个实施例中钢板废料边框切割分拣方法的应用环境图;
图2为一个实施例中钢板废料边框切割分拣方法的流程示意图;
图3为一个实施例中零件以及角点区域示意图;
图4为另一个实施例中钢板废料边框切割分拣方法的流程示意图;
图5为又一个实施例中钢板废料边框切割分拣方法的流程示意图;
图6为一个实施例中钢板废料边框切割分拣装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的钢板废料边框切割分拣方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种钢板废料边框切割分拣方法,应用于分拣控制器,分拣控制器用于控制机械臂的运行,机械臂末端集成图像采集设备、激光切割头和分拣端拾器,图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,激光切割头用于对待分拣钢板进行切割,分拣端拾器用于对待分拣钢板进行分拣抓取;方法包括:
步骤202,获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
其中,待分拣钢板是指已经完成零件分割的钢板。在产线系统中,会相对钢板中的各个零件进行分割,然后再通过机器抓取得到每一零件。套料图纸是指钢板的图纸信息,其中会包括钢板中所包括的每一零件,以及每一零件的位置和参数等信息。待分拣钢板的套料图纸在钢板进行切割以及分拣之前,会导入至产线系统中,钢板的切割和分拣均需要基于套料图纸进行。
零件信息包括零件的标识、形状、尺寸、作用等信息。在零件生产过程中,一张完整的钢板中通常包括多个零件,而零件在钢板中的分布在钢板设计之初,也即钢板的套料图纸中会记载。因此,在分拣控制器检测到分拣工位上存在待分拣钢板时,可以通过获取待分拣钢板的套料图纸,对套料图纸进行识别分析,可以得到待分拣钢板中包括的每一零件的零件信息。需要说明的是,待分拣钢板的套料图纸会伴随着带分拣钢板达到分拣工位,由产线系统中的切割控制器下发至分拣控制器。
切割线是指对零件的边框进行切割的线,切割线信息包括切割线的位置、切割对象等信息。在一个实施例中,切割线信息还包括所有切割线的切割顺序。在分拣控制器接收到待分拣钢板的套料图纸后,通过智能算法结合轮廓分析,识别出待分拣钢板中的零件以及可能发生形变或卡料的角点区域,然后在该角点区域自动添加切割线。需要说明的是,角点区域可以理解为零件的边框区域,角点区域是待分拣钢板中除零件以外的“废料”,在零件分割时,角点区域可能发生形变,该形变可能会导致后续机器对零件抓取失败。
步骤204,控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
其中,初始位置为预先设定的一个初始拍照位置,用于对分拣工位上的待分拣钢板初定位。具体地,通过控制机械臂运动至初始位置,获取待分拣钢板的初始定位图像,通过对初始定位图像进行图像分析,能够确定图像坐标系与机械臂坐标系之间的相对关系,通过两个坐标系之间的相对关系,能够将图像坐标系中的切割线位置,转换为机械臂坐标系下的位置,进而控制机械臂到达此位置对切割线进行切割。
另外,在机械臂运动至每一切割线的位置后,还需要根据切割线信息,例如切割线的起点、路线以及终点,确定激光切割头的切割起点、路线以及终点,才能够完成切割。具体地,可以通过再拍照的方式对切割线进行精准识别所确定。
需要说明的是,在具有多条切割线的情况下,切割线的切割顺序按照切割线信息中包括的切割顺序进行切割,而在切割线信息中不包括切割顺序时,则可以预先设定切割规律,例如从待分拣钢板的左上角开始,控制机械臂按照“S”路线依次对经过的切割线进行切割。
步骤206,在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
在机械臂在每一切割线完成切割后,需要判断是否完成所有切割,具体地可以通过切割线的数量进行判断,还可以通过拍照方式获取切割后的待分拣钢板的实时图像,对实时图像进行识别判断是否存在切割线未完成切割。初始定位信息能够确定图像坐标系与机械臂坐标系之间的相对关系,因此,在确定所有切割线处的切割均完成后,通过初始定位信息确定每一零件在机械臂坐标系下的位置坐标,然后控制机械臂到达该位置坐标抓取每一零件。
上述实施例提供的方法中,获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。通过在零件之间增加切割线,在零件抓取之前先将零件边框进行切割,从而避免在零件抓取时出现卡料扯带等现象,提高实际产线中零件分拣抓取的成功率。
在其中一个实施例中,零件信息包括零件的轮廓数据,切割线信息包括切割线位置;相应地,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息,包括:
对套料图纸进行轮廓分析,确定待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于连接关系确定相邻零件之间的切割线位置。
其中,本实施例中的轮廓分析是基于图像完成的,在本实施例中可以采用基于连通性的轮廓识别算法完成待分拣钢板中零件的轮廓分析,还可以采用基于边缘检测的轮廓识别算法,还可以采用基于分割的轮廓识别算法。
轮廓数据是用于描述每一零件的轮廓的数据,可以包括每一零件的图片数据、轮廓形状、轮廓大小等数据。相邻零件的轮廓数据之间的连接关系用于指示相邻零件之间的“废料”的大小形状,例如3中的零件A、零件B和零件C之间的废料D。在废料D的区域(角点区域)内,设置一条切割线,通过该切割线将废料D切割开,断开零件A、零件B和零件C之间的连接。切割线的设置可以是随机的,也可以基于废料D的大小和形状选择最优的切割位置。
上述实施例提供的方法中,通过对零件轮廓进行识别,基于相邻零件的轮廓之间的连接关系,增加切割线,能够快速准确的确定每一切割线位置,提高分拣效率。
在其中一个实施例中,如图4所示,切割线信息包括切割线位置;相应地,基于初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割,包括:
步骤402,基于初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
步骤404,控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
步骤406,根据检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。
其中,每一切割线在机械臂坐标系下的相对位置是通过切割线在套料图纸中的位置,经过坐标转换得到的。切割条件用于对切割线进行检测,判断能否在该切割线处切割。切割条件可以包括对切割线长度、是否翘起、缝宽等的判断。
可以理解的是,通过套料图纸只能够确定切割线在待分割钢板中的位置,而机械臂对切割线进行切割时是以机械臂坐标系进行定位的。因此,需要通过初始定位图像确定图像坐标系与机械坐标系之间的相对关系,进而将每一切割线位置转换为在机械臂坐标系下的相对位置。
每一切割线的拍照位置是指机械臂在对切割先进行切割之前,需要先对切割线进行拍照识别,以便确定机械臂在该切割线处的详细切割位置。同时,通过在每一切割线处的再拍照,能够对该切割线进行检测,如识别是否有翘起等情况,确定是否需要调整具体切割位置。因此,控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像。需要说明的是,在一个待分拣钢板中可能存在多条切割线,而每一切割线的目标切割位置的确定,可以具有同一预设标定拍照位置进行确定,无需对每一切割线的拍照位置均设置预设标定拍照位置进行调整。
例如在一个实施例中,通过以下步骤确定每一切割线的目标切割位置:
获取机械臂的预设标定拍照位置,根据预设标定拍照位置确定每一切割线的目标切割位置;
控制机械臂运动至每一切割线的目标切割位置处并完成切割。
具体地,将每一切割线位置转换为在机械臂坐标系下的相对位置,并确定每一切割线的拍照位置;控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;基于每一切割线的检测图像判断该切割线处能够切割,在能切割的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。目标切割位置是指通过再次对切割线拍照,通过获取的拍照图像识别出的切割线的更加准确的切割位置。例如,在判断该切割线满足切割条件后,控制相机对该切割线进行拍照,由于是对该切割线进行局部拍照,则所得图像中包括切割线更具体的信息,能够分析出该切割线更加准确的目标切割位置。
上述实施例提供的方法中,通过增加切割条件对每一切割线的切割进行判断,从而确定更加准确的切割线位置,避免切割错误导致的钢板废弃。
在其中一个实施例中,方法还包括:
对于任一切割线,在任一切割线不满足切割条件的情况下,根据任一切割线信息生成切割报错记录,并将切割报错记录发送至产线管理系统;
确定任一切割线对应的目标相邻零件,根据目标相邻零件的零件信息更新任一切割线的切割线信息,并基于更新后的切割线信息控制机械臂完成在任一切割线处的切割。
其中,切割报错记录用于记录不符合切割条件的切割线的信息,切割报错记录中不仅记录有切割线信息,还包括该切割线切割失败的原因,例如,切割线长度较短、切割线处有翘起等。将切割报错记录发送至产线管理系统,用于记录并提醒工人关注切割线切割失败的情况。
在切割线无法完成切割时,需要对该角点区域的切割线位置进行调整,基于切割线的生成原理,可以根据该切割线对应的目标相邻零件,重新规划切割线。需要说明的是,此时可以参考切割报错记录中的失败原因重新生成切割线,然后对新的切割线进行切割,若新的切割线还是不能够满足切割条件,则根据目标相邻零件再次更新切割线,直至能够完成切割或者更新次数大于预设次数,停止该处切割。
上述实施例提供的方法中,提供了切割失败后的处理方案,完善了钢板废料边框切割分拣方法,能够灵活应对钢板废料边框切割分拣中遇到的各种情况,提高分拣效率。
在其中一个实施例中,如图5所示,零件信息包括图纸图像;相应地,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件,包括:
步骤502,根据初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
步骤504,控制机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
步骤506,将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
步骤508,基于初始定位图像以及零件种类,将每一零件的零件位置转换为机械臂坐标系下的抓取位置,控制机械臂运动至每一零件的抓取位置进行抓取。
其中,每一零件的拍照位置是根据每一零件在套料图纸的零件位置,经过坐标转换所确定的机械臂拍照位置。具体地,通过初始定位图像能够确定图像坐标系与机械臂坐标系之间的相对关系,然后通过此相对关系能够确定每一零件在机械臂坐标系中的相对位置,基于每一零件的相对位置,选择对其拍照的最佳位置作为拍照位置,以便于机械臂在每一零件的拍照位置,获取每一零件的原始图像。
图纸图像是指在套料图纸中零件的图像,可以通过对套料图纸的图像进行裁剪得到。然后在对每一零件进行抓取之前,需要将原始图像与图纸图像作比较,以确保抓取正确。具体地,先通过识别的零件种类等信息对待抓取的零件进行核验,在核验通过的情况下,将每一零件在套料图纸中的零件位置转换为机械臂坐标系下的抓取位置,然后控制机械臂运动进行抓取。
在当前零件抓取成功的情况下,对下一零件进行抓取;若当前零件抓取失败,则停止零件抓取,一方面发送异常信号至产线管理系统,提醒工人分拣零件,另一方面控制机械臂将待分拣钢板移至特定位置,等待人工分拣。
上述实施例提供的方法中,在完成分拣前的边框切割后,控制机械臂依次抓取每一零件,并在抓取过程中对被抓取的零件进行核验,提高零件分拣效率和准确率。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种钢板废料边框切割分拣系统,系统包括分拣控制器和机械臂;
其中,机械臂末端集成图像采集设备、激光切割头和分拣端拾器,图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,激光切割头用于对待分拣钢板进行切割,分拣端拾器用于对待分拣钢板进行分拣抓取;
分拣控制器用于控制机械臂的运行,具体用于执行上述所涉及的钢板废料边框切割分拣方法中的步骤。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的钢板废料边框切割分拣方法的钢板废料边框切割分拣装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个钢板废料边框切割分拣装置实施例中的具体限定可以参见上文中对于钢板废料边框切割分拣方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种钢板废料边框切割分拣装置,应用于分拣控制器,分拣控制器用于控制机械臂的运行,机械臂末端集成图像采集设备、激光切割头和分拣端拾器,图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,激光切割头用于对待分拣钢板进行切割,分拣端拾器用于对待分拣钢板进行分拣抓取;装置包括信息获取模块601、切割模块602和分拣模块603:
信息获取模块601,用于获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
切割模块602,用于控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
分拣模块603,用于在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
在其中一个实施例中,信息获取模块601还用于:
对套料图纸进行轮廓分析,确定待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于连接关系确定相邻零件之间的切割线位置。
在其中一个实施例中,切割模块602还用于:
基于初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
根据检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。
在其中一个实施例中,切割模块602还用于:
对于任一切割线,在任一切割线不满足切割条件的情况下,根据任一切割线信息生成切割报错记录,并将切割报错记录发送至产线管理系统;
确定任一切割线对应的目标相邻零件,根据目标相邻零件的零件信息更新任一切割线的切割线信息,并基于更新后的切割线信息控制机械臂完成在任一切割线处的切割。
在其中一个实施例中,切割模块602还用于:
获取机械臂的预设标定拍照位置,根据预设标定拍照位置确定每一切割线的目标切割位置;
控制机械臂运动至每一切割线的目标切割位置处并完成切割。
在其中一个实施例中,分拣模块603还用于:
根据初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
控制机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
基于初始定位图像以及零件种类,将每一零件的零件位置转换为机械臂坐标系下的抓取位置,控制机械臂运动至每一零件的抓取位置进行抓取。
上述钢板废料边框切割分拣装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种钢板废料边框切割分拣方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对套料图纸进行轮廓分析,确定待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于连接关系确定相邻零件之间的切割线位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
根据检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对于任一切割线,在任一切割线不满足切割条件的情况下,根据任一切割线信息生成切割报错记录,并将切割报错记录发送至产线管理系统;
确定任一切割线对应的目标相邻零件,根据目标相邻零件的零件信息更新任一切割线的切割线信息,并基于更新后的切割线信息控制机械臂完成在任一切割线处的切割。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取机械臂的预设标定拍照位置,根据预设标定拍照位置确定每一切割线的目标切割位置;
控制机械臂运动至每一切割线的目标切割位置处并完成切割。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
控制机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
基于初始定位图像以及零件种类,将每一零件的零件位置转换为机械臂坐标系下的抓取位置,控制机械臂运动至每一零件的抓取位置进行抓取。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对套料图纸进行轮廓分析,确定待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于连接关系确定相邻零件之间的切割线位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
根据检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对于任一切割线,在任一切割线不满足切割条件的情况下,根据任一切割线信息生成切割报错记录,并将切割报错记录发送至产线管理系统;
确定任一切割线对应的目标相邻零件,根据目标相邻零件的零件信息更新任一切割线的切割线信息,并基于更新后的切割线信息控制机械臂完成在任一切割线处的切割。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取机械臂的预设标定拍照位置,根据预设标定拍照位置确定每一切割线的目标切割位置;
控制机械臂运动至每一切割线的目标切割位置处并完成切割。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
控制机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
基于初始定位图像以及零件种类,将每一零件的零件位置转换为机械臂坐标系下的抓取位置,控制机械臂运动至每一零件的抓取位置进行抓取。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待分拣钢板的套料图纸,基于套料图纸,确定待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制机械臂运动至初始位置,基于图像采集设备获取待分拣钢板的初始定位图像,根据初始定位图像以及每一切割线信息,控制机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于初始定位信息以及每一零件信息,控制机械臂抓取每一零件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对套料图纸进行轮廓分析,确定待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于连接关系确定相邻零件之间的切割线位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
控制机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
根据检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制机械臂运动至相应切割线的相对位置处并完成切割。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对于任一切割线,在任一切割线不满足切割条件的情况下,根据任一切割线信息生成切割报错记录,并将切割报错记录发送至产线管理系统;
确定任一切割线对应的目标相邻零件,根据目标相邻零件的零件信息更新任一切割线的切割线信息,并基于更新后的切割线信息控制机械臂完成在任一切割线处的切割。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取机械臂的预设标定拍照位置,根据预设标定拍照位置确定每一切割线的目标切割位置;
控制机械臂运动至每一切割线的目标切割位置处并完成切割。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
控制机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
基于初始定位图像以及零件种类,将每一零件的零件位置转换为机械臂坐标系下的抓取位置,控制机械臂运动至每一零件的抓取位置进行抓取。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种钢板废料边框切割分拣方法,其特征在于,应用于分拣控制器,所述分拣控制器用于控制机械臂的运行,所述机械臂末端集成图像采集设备、激光切割头和分拣端拾器,所述图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,所述激光切割头用于对所述待分拣钢板中的废料边框进行切割,所述分拣端拾器用于对所述待分拣钢板进行分拣抓取;所述方法包括:
获取所述待分拣钢板的套料图纸,基于所述套料图纸,确定所述待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息;
控制所述机械臂运动至初始位置,基于所述图像采集设备获取所述待分拣钢板的初始定位图像,根据所述初始定位图像以及每一切割线信息,控制所述机械臂在每一切割线处完成切割;
在所有切割线处的切割均完成的情况下,基于所述初始定位信息以及每一零件信息,控制所述机械臂抓取每一零件。
2.根据权利要求1所述的方法,其特征在于,所述零件信息包括零件的轮廓数据,所述切割线信息包括切割线位置;相应地,所述基于所述套料图纸,确定所述待分拣钢板中每一零件的零件信息,以及相邻零件之间的切割线信息,包括:
对所述套料图纸进行轮廓分析,确定所述待分拣钢板中的每一零件,并提取每一零件的轮廓数据;
获取相邻零件的轮廓数据之间的连接关系,基于所述连接关系确定相邻零件之间的切割线位置。
3.根据权利要求1所述的方法,其特征在于,所述切割线信息包括切割线位置;相应地,所述基于所述初始定位图像以及每一切割线信息,控制所述机械臂在每一切割线处完成切割,包括:
基于所述初始定位图像和每一切割线位置,确定每一切割线在机械臂坐标系下的相对位置以及每一切割线的拍照位置;
控制所述机械臂运动至每一切割线的拍照位置,获取每一切割线的检测图像;
根据所述检测图像判断每一切割线是否满足切割条件,在存在切割线满足切割条件的情况下,控制所述机械臂运动至相应切割线的相对位置处并完成切割。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
对于任一切割线,在所述任一切割线不满足切割条件的情况下,根据所述任一切割线信息生成切割报错记录,并将所述切割报错记录发送至产线管理系统;
确定所述任一切割线对应的目标相邻零件,根据所述目标相邻零件的零件信息更新所述任一切割线的切割线信息,并基于更新后的切割线信息控制所述机械臂完成在所述任一切割线处的切割。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取所述机械臂的预设标定拍照位置,根据所述预设标定拍照位置确定每一切割线的目标切割位置;
控制所述机械臂运动至每一切割线的目标切割位置处并完成切割。
6.根据权利要求1所述的方法,其特征在于,所述零件信息包括图纸图像;相应地,所述基于所述初始定位信息以及每一零件信息,控制所述机械臂抓取每一零件,包括:
根据所述初始定位图像,确定每一零件在机械臂坐标系下的拍照位置;
控制所述机械臂运动至每一零件的拍照位置,获取每一零件的原始图像;
将每一零件的原始图像与图纸图像进行比较,确定每一零件的零件种类以及在套料图纸中的零件位置;
基于所述初始定位图像以及零件种类,将每一零件的零件位置转换为所述机械臂坐标系下的抓取位置,控制所述机械臂运动至每一零件的抓取位置进行抓取。
7.一种钢板废料边框切割分拣系统,所述系统包括分拣控制器和机械臂;
其中,所述机械臂末端集成图像采集设备、激光切割头和分拣端拾器,所述图像采集设备用于获取处于分拣工位上的待分拣钢板的图像信息,所述激光切割头用于对所述待分拣钢板中的零件边框进行切割,所述分拣端拾器用于对所述待分拣钢板进行分拣抓取;
所述分拣控制器用于控制所述机械臂的运行,具体用于执行权利要求1至6中任一项所述的方法步骤。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311712076.2A CN117709641A (zh) | 2023-12-13 | 2023-12-13 | 钢板废料边框切割分拣方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311712076.2A CN117709641A (zh) | 2023-12-13 | 2023-12-13 | 钢板废料边框切割分拣方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709641A true CN117709641A (zh) | 2024-03-15 |
Family
ID=90160053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311712076.2A Pending CN117709641A (zh) | 2023-12-13 | 2023-12-13 | 钢板废料边框切割分拣方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709641A (zh) |
-
2023
- 2023-12-13 CN CN202311712076.2A patent/CN117709641A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jia et al. | An intelligent real-time vision system for surface defect detection | |
JP2020149673A (ja) | 輸送におけるaiベースの検査 | |
CN109741295B (zh) | 产品质量检测方法及装置 | |
JP2020042757A (ja) | 加工装置、加工方法、加工プログラム、及び検査装置 | |
CN116523474B (zh) | 一种基于物联网及边缘计算的款箱状态控制方法及系统 | |
CN115809982B (zh) | 电芯压伤检测方法、装置及系统 | |
CN115170580A (zh) | 板材加工控制方法、装置、计算机设备及存储介质 | |
CN115781673A (zh) | 一种零件抓取方法、装置、设备及介质 | |
CN117709641A (zh) | 钢板废料边框切割分拣方法和系统 | |
Trajkova et al. | Active learning for automated visual inspection of manufactured products | |
US20220366603A1 (en) | Learning data generation apparatus, learning data generation method, and recording medium | |
CN112668365A (zh) | 一种物料入库识别方法、装置、设备及存储介质 | |
Liu et al. | Machine Vision‐Based Object Detection Strategy for Weld Area | |
CN116030452A (zh) | 一种车牌识别方法、装置、设备及计算机存储介质 | |
CN115526859A (zh) | 生产缺陷识别的方法、分布式处理平台、设备及存储介质 | |
CN115890004A (zh) | 基于图像识别的激光打标方法及相关装置 | |
JP2024504734A (ja) | マルチモデルアーキテクチャを使用する人工知能ビジュアル検査のためのシステム、方法、およびコンピュータデバイス | |
CN113344949A (zh) | 一种基于rgb图像的包裹检测方法、系统、介质及终端 | |
CN113361811A (zh) | 运行状态预测方法、系统、设备及计算机可读存储介质 | |
JP2021105758A (ja) | 物品検査装置 | |
US11491650B2 (en) | Distributed inference multi-models for industrial applications | |
CN116664988B (zh) | 图片自动标注方法、装置、计算机设备和存储介质 | |
CN118135179A (zh) | 切割板件的级联识别方法、装置、计算机设备和存储介质 | |
CN115424095B (zh) | 基于废旧物资的质量分析方法及装置 | |
CN113743445B (zh) | 目标对象识别方法、装置、计算机设备和存储介质 |
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 |