CN117900166B - 一种智能ai分拣装备 - Google Patents
一种智能ai分拣装备 Download PDFInfo
- Publication number
- CN117900166B CN117900166B CN202410309000.3A CN202410309000A CN117900166B CN 117900166 B CN117900166 B CN 117900166B CN 202410309000 A CN202410309000 A CN 202410309000A CN 117900166 B CN117900166 B CN 117900166B
- Authority
- CN
- China
- Prior art keywords
- suction
- garbage
- suction nozzle
- nozzle
- coordinates
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 15
- 239000013585 weight reducing agent Substances 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion
Landscapes
- Sorting Of Articles (AREA)
Abstract
本申请涉及再生资源分拣的技术领域,尤其是涉及一种智能AI分拣装备,其包括:视频获取模块,用于获取对分拣平台中各个垃圾进行拍摄以得到的垃圾图像;AI算法模块,用于获取垃圾图像,并基于预设的AI识别算法对垃圾图像中的瓶子种类进行识别以获取种类信息,并根据种类信息生成垃圾相应的样本参数;样本参数处理模块,用于获取样本参数,并基于样本参数生成相应的吸取调节方案,吸取调节方案包括吸嘴调用方案和吸力调档方案;吸嘴协同模块,用于获取吸取调节方案,并基于吸取调节方案对相应位置上的待分拣垃圾通过相应的吸力进行吸取。本申请具有提高对不同大小、重量的垃圾的分拣吸取的效果。
Description
技术领域
本申请涉及再生资源分拣的技术领域,尤其是涉及一种智能AI分拣装备。
背景技术
在环保行业中,对再生资源的分拣工作是较为重要的一个环节,当前技术中的再生资源分拣方案,往往采用光选机和机械臂挑拣的组合方案。通过光选机对垃圾进行智能识别以对垃圾进行筛选,然后采用机械臂上设置的吸嘴对筛选出的垃圾进行吸取分拣。
但目前存在的问题是对再生资源的分拣时,各个垃圾的种类不同,导致各个垃圾之间的重量、大小都有明显差别,当前光选机普遍只能通过AI算法识别出哪些需要分拣,哪些无需分拣,但是对各个需要分拣的垃圾无法进行准确的识别,面对饮料瓶、洗衣液瓶这些大小、重量存在明显差别的垃圾,极容易出现吸取不牢、吸取后掉落的问题。
发明内容
本申请的目的是提高对不同大小、重量的垃圾的分拣吸取效果。
本申请提供的一种智能AI分拣装备,采用如下的技术方案:
一种智能AI分拣装备,包括:
视频获取模块,用于获取对分拣平台中各个垃圾进行拍摄以得到的垃圾图像,每个所述垃圾图像中包含一个完整垃圾轮廓;
AI算法模块,用于获取所述垃圾图像,并基于预设的AI识别算法对所述垃圾图像中的瓶子种类进行识别以获取种类信息,并根据所述种类信息生成所述垃圾相应的样本参数,所述样本参数包括重量信息、尺寸信息、位置信息、形状信息;
样本参数处理模块,用于获取所述样本参数,并基于所述样本参数生成相应的吸取调节方案,所述吸取调节方案包括吸嘴调用方案和吸力调档方案,其中,所述吸嘴调用方案表征为用于调节工作状态的吸嘴的位置、数量,所述吸力调档方案表征为用于调节工作状态的吸嘴吸力大小;
吸嘴协同模块,用于获取所述吸取调节方案,并基于所述吸取调节方案对相应位置上的待分拣垃圾通过相应的吸力进行吸取
在另一些实施例中,所述AI算法模块包括训练模块,所述训练模块用于获取上传的若干训练样本图像和各所述训练样本图像所对应的种类信息及样本参数,并通过若干所述训练样本图像和相匹配的种类信息及样本参数进行训练以得到所述AI识别算法 。
在另一些实施例中,所述吸嘴协同模块包括吸嘴组件,所述吸嘴组件包括机械臂、驱动件、吸嘴盘、位于所述吸嘴盘中心的主吸嘴以及位于所述主吸嘴周围的若干辅吸嘴,所述主吸嘴和所述辅吸嘴皆连接有相应的吸气件,所述主吸嘴和所述辅吸嘴通过机械臂实现竖直方向上的移动,所述吸嘴盘通过所述驱动件实现水平方向上的移动。
在另一些实施例中,所述样本参数处理模块具体用于:
根据所述样本参数中的尺寸信息和位置信息计算出所述垃圾的垃圾边缘坐标和垃圾中心点坐标;
获取所述主吸嘴中心点坐标以及辅吸嘴中心点坐标集,所述辅吸嘴中心点坐标集中包含若干辅吸嘴中心点坐标,将所述垃圾中心点坐标和所述主吸嘴中心点坐标进行数值关联,以计算出以所述垃圾中心点坐标为原点的辅吸嘴相对坐标,判断各所述辅吸嘴相对坐标是否处于若干所述垃圾边缘坐标所构成的坐标范围内,并将处于所述坐标范围内的各所述辅吸嘴相对坐标整合为目标辅吸嘴坐标集;
根据所述目标辅吸嘴坐标集确定相应的吸嘴调用方案,其中,处于所述目标辅吸嘴坐标集内的所述辅吸嘴处于工作状态,不处于所述目标辅吸嘴坐标集内的所述辅吸嘴处于非工作状态。
在另一些实施例中,所述样本参数处理模块具体用于:
根据所述样本参数中的重量信息在所述预设的数据库中获取匹配的吸力档位,其中,所述预设的数据库中存储有若干重量比对集合,每个所述重量比对集合皆对应于一个吸力档位;
根据所述吸力档位确定相应的吸力调档方案,其中,所述吸力调档方案皆对应于处于工作状态下的所述主吸嘴和所述辅吸嘴。
在另一些实施例中,还包括吸取监控模块,其用于计算获取竖直吸取时间和水平移动时间,并获取在所述竖直吸取时间和所述水平移动时间内各所述吸嘴对应的重量检测数据,判断在所述竖直吸取时间和/或所述水平移动时间内所述重量检测数据是否发生变化以获取相应的失败事件检测集,其中,所述竖直吸取时间表征为所述吸嘴抓取所述垃圾并竖直抬升时所需要的时间,所述水平移动时间表征为所述吸嘴带动所述垃圾移动至分拣目标位置所需要的时间。
在另一些实施例中,所述吸取监控模块具体用于:
获取所述机械臂长度L以及所述机械臂在竖直方向上的伸缩速度v1,根据t1=L/v1计算出所述竖直吸取时间,其中,t1表征为所述竖直吸取时间;
获取若干吸嘴对所述垃圾进行吸取时所述主吸嘴中心点坐标至所述分拣目标位置之间的距离S以及所述机械臂在水平方向上的移动速度v2,根据t2=S/v2计算出所述水平移动时间,其中,t2表征为所述水平移动时间。
在另一些实施例中,所述失败事件检测集包括吸取失败检测集和脱落检测集,所述吸取监控模块具体用于:
判断所述竖直吸取时间内,若干所述吸嘴上的重量检测数据是否出现变化,若无变化,则记录为吸取失败,并在所述吸取失败检测集中添加一次失败事件以及当前时间对应的时间戳;
判断所述水平移动时间和所述竖直吸取时间内,若干所述吸嘴上的重量检测数据是否出现减重变化,若出现减重变化,且减重重量大于预设重量,则记录为脱落,并在所述脱落检测集中添加一次失败事件以及当前时间对应的时间戳。
在另一些实施例中,所述吸取监控模块还用于获取吸取总数,并根据所述吸取失败检测集和所述吸取总数计算出吸取失败概率,根据所述脱落检测集和吸取总数计算出脱落概率。
在另一些实施例中,所述吸取失败概率包括单一种类吸取失败概率以及总体吸取失败概率,所述脱落概率包括单一种类脱落概率以及总体脱落概率。
综上所述,本申请包括以下至少一种有益技术效果:
区别当前技术中只能判断哪些垃圾需要分拣的方法,本申请可以对每个垃圾进行图像识别,不仅可以判断哪些是需要分拣的垃圾,也可以识别出该垃圾具体的种类以得到其相应的参数信息,结合垃圾当前的位置坐标和重量信息可以生成具体定制化的吸取方案,减少面对不同种类垃圾出现的吸取不牢、吸取后掉落的问题。
附图说明
图1是本申请部分实施例中智能AI分拣装备的整体模块示意图;
图2是本申请部分实施例中智能AI分拣装备的整体模块示意图;
图3是本申请实施例中吸嘴组件的平面示意图;
图4是本申请实施例中主吸嘴和辅吸嘴使用时的简易示意图;
图5是本申请实施例中只存在一个吸嘴时的简易示意图;
图中,1、视频获取模块;2、AI算法模块;21、训练模块;3、样本参数处理模块;4、吸嘴协同模块;41、吸嘴组件;411、吸嘴盘;412、主吸嘴;413、辅吸嘴;5、吸取监控模块。
具体实施方式
以下结合附图1-附图5,对本申请作进一步详细说明。
如图1所示,本申请公开了一种智能AI分拣装备,包括:
视频获取模块1,用于获取对分拣平台中各个垃圾进行拍摄以得到的垃圾图像,每个垃圾图像中包含一个完整垃圾轮廓。
分拣平台表征为用于将若干种类垃圾进行运输、传递的运送分拣平台,若干种类的垃圾中包含需要分拣但未被分拣的垃圾,也包括不需要进行分拣的垃圾。分拣平台可以根据实际需求设置为圆盘形、直线形等等。
对垃圾进行拍摄可以选用俯向、正向等角度进行拍摄的摄像头,为了便于进行后续各类瓶子垃圾的完整成像以及位置定位,可以优选为俯向拍摄。完整垃圾轮廓表征为一个垃圾被摄像头拍摄后的成像中其对应的不被遮挡的完整图像,若其被其他垃圾遮挡或未完整进入摄像头拍摄范围内,皆认为其不是完整图像。
其中,一些情况中,多个垃圾相距距离接近,会导致在进行拍摄时出现成像中存在多个垃圾轮廓的情况,这时若存在一个完整轮廓和一个不完整轮廓,后续在进行识别时,只对存在完整轮廓的垃圾进行图像识别。
AI算法模块2,用于获取垃圾图像,并基于预设的AI识别算法对垃圾图像中的瓶子种类进行识别以获取种类信息,并根据种类信息生成垃圾相应的样本参数。
样本参数包括重量信息、尺寸信息、位置信息、形状信息。还可以包括该垃圾对应的备注信息、描述信息、web地址信息等等。
经过充分的样本训练后,AI算法模块2可以对各类瓶子的具体种类进行识别判断,例如农夫山泉瓶、可口可乐瓶等。
识别出种类信息后,便可以直接输出该种类对应的形状、尺寸、重量等信息。
样本参数处理模块3,用于获取样本参数,并基于样本参数生成相应的吸取调节方案。
吸取调节方案包括吸嘴调节方案和吸力调档方案,其中,吸嘴调用方案表征为用于调节工作状态的吸嘴的位置、数量,吸力调档方案表征为用于调节工作状态的吸嘴吸力大小。
样本参数处理模块3通过对样本参数进行识别处理,可以根据垃圾瓶子对应的位置、尺寸、重量等信息等成相应的吸取方案,面对不同重量的瓶子选择不同的吸力大小,面对不同尺寸、不同位置的瓶子选择需要调节为工作状态的吸嘴的数量和位置,例如若瓶子尺寸较大,则增加工作模式的吸嘴的数量,若瓶子重量较大,则提高吸嘴对应的吸力。
吸嘴协同模块4,用于获取吸取调节方案,并基于吸取调节方案对相应位置上的待分拣垃圾通过相应的吸力进行吸取。
吸嘴协同模块4主要用于根据具体的吸取调节方案进行相应的移动、吸取以带动需要分拣的垃圾移动至相应的位置以完成分拣。
通过上述方法,区别当前技术中只能判断哪些垃圾需要分拣的方法,本申请可以对每个垃圾进行图像识别,不仅可以判断哪些是需要分拣的垃圾,也可以识别出该垃圾具体的种类以得到其相应的参数信息,结合垃圾当前的位置坐标和重量信息可以生成具体定制化的吸取方案,减少面对不同种类垃圾出现的吸取不牢、吸取后掉落的问题。
如图2所示,在另一些实施例中,AI算法模块2包括训练模块21,训练模块21用于获取上传的若干训练样本图像和各样本训练图像所对应的种类信息及样本参数,并通过若干训练样本图像和相匹配的种类信息及样本参数进行训练以得到AI识别算法。
训练样本图像表征为待分拣的各类垃圾瓶子的图像,通过将样本训练图像和对应的种类信息及样本参数进行上传训练,通过充分的样本训练后便可以得到相应的AI识别算法。
如图3和图4所示,在另一些实施例中,吸嘴协同模块4包括吸嘴组件41,吸嘴组件41包括机械臂、驱动件、吸嘴盘411、位于吸嘴盘411中心的主吸嘴412以及位于主吸嘴412周围的若干辅吸嘴413,主吸嘴412和辅吸嘴413皆连接有相应的吸气件,主吸嘴412和辅吸嘴413通过机械臂实现竖直方向上的移动,吸嘴盘411通过驱动件实现水平方向上的移动。
吸嘴组件41用于对需要进行分拣的瓶子进行吸取,机械臂用于带动吸嘴在竖直方向上上下移动,驱动件用于带动吸嘴盘411在水平方向上水平移动,以此完成以下动作:驱动件带动吸嘴盘411水平移动至待吸取的垃圾上方,机械臂带动吸嘴向下移动,当吸嘴吸取垃圾后,机械臂再带动吸嘴向上移动,驱动件带动吸嘴盘411水平移动至目标位置。
且不同于相关技术中的吸嘴,本申请中吸嘴盘411为圆盘或多边形状孔洞结构,在中心位置保留一个孔洞对应于主吸嘴412,而以主吸嘴412为中心点,吸嘴盘411的周围间隔排列有若干孔洞对应于辅吸嘴413,且各个辅吸嘴413对应的孔洞与主吸嘴412的距离、位置都可以根据需求进行调整。在固定好相应的位置后,需要建立每个辅吸嘴413与主吸嘴412之间的相对坐标,并维护在配置文件内。
吸气件可以选用气泵等常用的吸气动力装置。
如图5所示,在另一些实施例中,吸嘴数量可以只设置有一个吸嘴,这时吸嘴的调用只对应于吸力调档方案以及吸嘴调用方案中的吸嘴位置,而吸嘴调用方案中的数量无需进行统计计算。
如图2所示,在另一些实施例中,样本参数处理模块3具体用于:
根据样本参数中的尺寸信息和位置信息计算出垃圾边缘坐标和垃圾中心点坐标。
当获取到尺寸信息和位置信息后便可以获取垃圾边缘的若干边缘点坐标,同时还可以计算出该垃圾的垃圾中心点坐标,例如垃圾中心点坐标为(Xc,Yc)。
获取主吸嘴中心点坐标以及辅吸嘴中心点坐标集,辅吸嘴中心点坐标集包含若干辅吸嘴中心点坐标,将垃圾中心点坐标和主吸嘴中心点坐标进行数值关联,以计算出垃圾中心点坐标为原点的辅吸嘴相对坐标,判断各辅吸嘴相对坐标是否处于若干垃圾边缘坐标所构成的坐标范围内,并将处于坐标范围内的各辅吸嘴相对坐标整合为目标辅吸嘴坐标集。
获取主吸嘴412的中心点Ca的坐标,再根据获取由所有辅吸嘴中心点坐标所构成的辅吸嘴中心点坐标集Pb。同时,将辅吸嘴中心点坐标集Pb中的坐标皆转换至以垃圾中心点坐标Ca为原点的相对坐标系,也就是辅吸嘴相对坐标Pb’,其中Pb’=Pb-Ca,遍历所有的辅吸嘴相对坐标Pb’,使用射线法判断各个辅吸嘴相对坐标Pb’是否处于若干垃圾边缘坐标所构成的坐标范围内,并将该坐标范围内的各个辅吸嘴相对坐标Pb’整合为目标辅吸嘴坐标集Pb_i。
根据目标辅吸嘴坐标集确定相应的吸嘴调用方案,其中,处于目标辅吸嘴坐标集内的辅吸嘴413处于工作状态,不处于目标辅坐标集内的辅吸嘴413处于非工作状态。
目标辅吸嘴坐标集Pb_i中的辅吸嘴413表征为在分拣该垃圾瓶子时,处于该垃圾的轮廓范围内可以进行使用的辅吸嘴413,面对不同的垃圾,其对应的目标辅吸嘴坐标集Pb_i中的辅吸嘴413都是会变化的,而处于该集合内的辅吸嘴413表征这次分拣任务中需要的辅吸嘴413,那么其就会在该次分拣任务中对应的吸嘴调用方案中处于工作状态。
通过主吸嘴412和辅吸嘴413共同作业实现多点灵活抓取样本的功能,大大降低了失败概率和垃圾脱落概率。
若目标辅吸嘴坐标集Pb_i中为空,那么表明只需要主吸嘴412就可以抓起该垃圾,那么只需要调用主吸嘴412;若目标辅吸嘴坐标集Pb_i中不为空,则表明需要同时调用主吸嘴412和部分辅吸嘴413才能对该垃圾进行吸取,而其余不处于目标辅吸嘴坐标集Pb_i中的辅吸嘴413不需要进行吸取。
在另一些实施例中,样本参数处理模块3具体用于:
根据样本参数中的重量信息在预设的数据库中获取匹配的吸力档位,其中,预设的数据库中存储有若干重量比对集合,每个重量比对集合皆对应于一个吸力档位。
预设的数据库中维护有每种标签,也就是每种瓶子种类对应的物体重量,同时还存储有不同的重量范围对应的吸力档位。在本申请实施例中,吸力档位存在3个,分别为高档位Dp_h、中档位Dp_m、低档位Dp_l,每一个档位对应的重量比对集合,也就是重量范围分别为:
Dp_l:[0,0.5],
Dp_m:[0.5,1.5],
Dp_h:[1.5,∞]。
根据吸力档位确定相应的吸力调档方案,其中,吸力调档方案皆对应于处于工作状态下的主吸嘴412和辅吸嘴413。
例如,若一个垃圾经过识别后发现为种类a,种类a对应的重量为0.115kg,那么其处于[0,0.5]范围内,故其匹配于低档位Dp_l。
其中,若部分种类的垃圾未维护在预设的数据库中,那么则默认使用中档位Dp_m。
在另一些实施例中,还包括吸取监控模块5,其用于计算获取竖直吸取时间和水平移动时间,并获取在竖直吸取时间和水平移动时间内各吸嘴对应的重量检测数据,判断在竖直吸取时间和/或水平移动时间内重量检测数据是否发生变化以获取相应的失败时间检测集。
其中,竖直吸取时间表征为吸嘴抓取垃圾并竖直抬升时所需要的时间,水平移动时间表征为吸嘴带动垃圾移动至分拣目标位置所需要的时间。
本申请中,各个吸嘴和机械臂之间的连接部位配置有重量感知装置,其可以使用当前技术中任意符合装配要求的重量检测设备,其可以检测吸嘴的重量变化。
在竖直吸取时间内,机械臂带动吸嘴带着垃圾向竖直方向移动,而在水平移动时间内为驱动件带动垃圾移动至分拣目标位置。
在竖直吸取时间和水平移动时间内,根据重量感知装置上检测到的重量变化来判断垃圾的状态,例如是否出现脱落、是否已经被吸取。以此对垃圾被吸取的动作进行监控,以计算出吸取失败的次数和概率,方便后续对吸嘴的相应参数进行调整。
在另一些实施例中,吸取监控模块5具体用于:
获取机械臂长度L以及机械臂在竖直方向上的伸缩速度v1,根据t1=L/v1计算出竖直吸取时间,其中,t1表征为竖直吸取时间。
获取若干吸嘴对垃圾进行吸取时主吸嘴中心点坐标至分拣目标位置之间的距离S以及吸嘴盘411在水平方向上的移动速度v2,根据t2=S/v2计算出水平移动时间,其中,t2表征为水平移动时间。
由于机械臂长度l、机械臂的伸缩速度v1皆恒定,那么根据t1=L/v1就可以计算出机械臂带动吸嘴将垃圾吸取到预设高度所需要的时间。
同时,因为吸嘴盘411在水平方向的移动速度v2也恒定,那么当将垃圾吸取上来后,只需要获取到主吸嘴中心点坐标至固定的分拣目标位置之间的距离S,便可以通过t2=S/v2计算出水平移动时间。
在另一些实施例中,失败事件检测集包括吸取失败检测集和脱落检测集,吸取监控模块5具体用于:
判断竖直吸取时间内,若干吸嘴上的重量检测数据是否出现变化,若无变化,则记录为吸取失败,并在吸取失败检测集中添加一次失败事件以及当前时间对应的时间戳。
在竖直吸取时间内,可能存在的问题是因吸力大小不匹配或吸收位置偏移导致吸嘴并没有将垃圾吸取上来,那么这时在整个竖直吸取时间内检测到的重量检测数据都不会发生变化,并认为这次吸取动作失败。
吸取失败检测集中便会添加一次失败事件,并记录本次事件对应的时间戳。该条异常记录后停止,并重新记录下一条数据。
判断水平移动时间和竖直吸取时间内,若干吸嘴上的重量检测数据是否出现减重变化,若出现减重变化,且减重重量大于预设重量,则记录为脱落,并在脱落检测集中添加一次失败事件以及当前时间对应的时间戳。
还存在一种情况为在整个吸取过程中垃圾出现脱落,而这类情况在水平移动时间和竖直吸取时间中都会存在,那么在t1+t2的时间内都对这类情况进行检测。
而垃圾脱落在重量上的表现为:吸嘴上的重量检测数据出现了一定数值的减重变化,减重可能对应两类情况,一种是由于驱动件在驱动吸嘴盘411移动过程中由于晃动而导致的重量变化,另一种则就是出现了脱落。两种情况的区别在于减重变化的大小,在本申请实施例中,若减重重量超过预设重量,则认为出现了脱落,例如减重重量超过了其垃圾自身重量的一半,则认为存在脱落情况。
需要注意的是,由于检测脱落时间是为了后续对吸嘴的调教,那么部分脱落一定程度上也表明当前的吸嘴位置、吸嘴数量、吸力大小存在一定的问题,故部分脱落的情况与完全脱落一样都记为脱落时间。
在另一些实施例中,吸取监控模块5还用于获取吸取总数,并根据吸取失败检测集和吸取总数计算出吸取失败概率,根据脱落检测集和吸取总数计算出脱落概率。
吸取监控模块5还用于获取吸取动作的总数x,并根据吸取失败检测集中吸取失败的总数y,并根据y/x*100%来计算出吸取失败概率,根据脱落检测机集中脱落时间的总数z,并根据z/x*100%来计算脱落概率。
通过吸取失败概率和脱落概率便可以直观的看出分拣过程中的吸取动作成功率,以此判断吸嘴、吸嘴对应的调教参数是否满足分拣需求。
在另一些实施例中,吸取失败概率包括单一种类吸取失败概率以及总体吸取失败概率,脱落概率包括单一种类脱落概率以及总体脱落概率。
吸取失败概率可以仅计算出某一种类对应的吸取失败概率,也可以计算出分拣过程中的总吸取失败概率,脱落概率也同样可以仅计算出某一种类对应的吸取失败概率。
例如种类B对应的脱落概率和吸取失败概率皆较高,而其他种类的脱落概率和吸取失败概率则都相对偏低,那么就说明种类B对应的吸嘴调动方案和吸力调档方案皆存在一定的参数调教错误,则可以针对于某一种类进行相应的调整。
本申请实施例的实施原理为:
区别当前技术中只能判断哪些垃圾需要分拣的方法,本申请可以对每个垃圾进行图像识别,不仅可以判断哪些是需要分拣的垃圾,也可以识别出该垃圾具体的种类以得到其相应的参数信息,结合垃圾当前的位置坐标和重量信息可以生成具体定制化的吸取方案,减少面对不同种类垃圾出现的吸取不牢、吸取后掉落的问题。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,其中相同的零部件用相同的附图标记表示。故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (7)
1.一种智能AI分拣装备,其特征在于,包括:
视频获取模块(1),用于获取对分拣平台中各个垃圾进行拍摄以得到的垃圾图像,每个所述垃圾图像中包含一个完整垃圾轮廓;
AI算法模块(2),用于获取所述垃圾图像,并基于预设的AI识别算法对所述垃圾图像中的瓶子种类进行识别以获取种类信息,并根据所述种类信息生成所述垃圾相应的样本参数,所述样本参数包括重量信息、尺寸信息、位置信息、形状信息;
样本参数处理模块(3),用于获取所述样本参数,并基于所述样本参数生成相应的吸取调节方案,所述吸取调节方案包括吸嘴调用方案和吸力调档方案,其中,所述吸嘴调用方案表征为用于调节工作状态的吸嘴的位置、数量,所述吸力调档方案表征为用于调节工作状态的吸嘴吸力大小;
吸嘴协同模块(4),用于获取所述吸取调节方案,并基于所述吸取调节方案对相应位置上的待分拣垃圾通过相应的吸力进行吸取;
其中,所述吸嘴协同模块(4)包括吸嘴组件(41),所述吸嘴组件(41)包括机械臂、驱动件、吸嘴盘(411)、位于所述吸嘴盘(411)中心的主吸嘴(412)以及位于所述主吸嘴(412)周围的若干辅吸嘴(413),所述主吸嘴(412)和所述辅吸嘴(413)皆连接有相应的吸气件,所述主吸嘴(412)和所述辅吸嘴(413)通过机械臂实现竖直方向上的移动,所述吸嘴盘(411)通过所述驱动件实现水平方向上的移动;
所述样本参数处理模块(3)具体用于:
根据所述样本参数中的尺寸信息和位置信息计算出所述垃圾的垃圾边缘坐标和垃圾中心点坐标;
获取所述主吸嘴中心点坐标以及辅吸嘴中心点坐标集,所述辅吸嘴中心点坐标集中包含若干辅吸嘴中心点坐标,将所述垃圾中心点坐标和所述主吸嘴中心点坐标进行数值关联,以计算出以所述垃圾中心点坐标为原点的辅吸嘴相对坐标,判断各所述辅吸嘴相对坐标是否处于若干所述垃圾边缘坐标所构成的坐标范围内,并将处于所述坐标范围内的各所述辅吸嘴相对坐标整合为目标辅吸嘴坐标集;
根据所述目标辅吸嘴坐标集确定相应的吸嘴调用方案,其中,处于所述目标辅吸嘴坐标集内的所述辅吸嘴(413)处于工作状态,不处于所述目标辅吸嘴坐标集内的所述辅吸嘴(413)处于非工作状态;
根据所述样本参数中的重量信息在预设的数据库中获取匹配的吸力档位,其中,所述预设的数据库中存储有若干重量比对集合,每个所述重量比对集合皆对应于一个吸力档位;
根据所述吸力档位确定相应的吸力调档方案,其中,所述吸力调档方案皆对应于处于工作状态下的所述主吸嘴(412)和所述辅吸嘴(413)。
2.根据权利要求1所述的智能AI分拣装备,其特征在于,所述AI算法模块(2)包括训练模块(21),所述训练模块(21)用于获取上传的若干训练样本图像和各所述训练样本图像所对应的种类信息及样本参数,并通过若干所述训练样本图像和相匹配的种类信息及样本参数进行训练以得到所述AI识别算法。
3.根据权利要求1所述的智能AI分拣装备,其特征在于,还包括吸取监控模块(5),其用于计算获取竖直吸取时间和水平移动时间,并获取在所述竖直吸取时间和所述水平移动时间内各所述吸嘴对应的重量检测数据,判断在所述竖直吸取时间和/或所述水平移动时间内所述重量检测数据是否发生变化以获取相应的失败事件检测集,其中,所述竖直吸取时间表征为所述吸嘴抓取所述垃圾并竖直抬升时所需要的时间,所述水平移动时间表征为所述吸嘴带动所述垃圾移动至分拣目标位置所需要的时间。
4.根据权利要求3所述的智能AI分拣装备,其特征在于,所述吸取监控模块(5)具体用于:
获取所述机械臂长度L以及所述机械臂在竖直方向上的伸缩速度v1,根据t1=L/v1计算出所述竖直吸取时间,其中,t1表征为所述竖直吸取时间;
获取若干吸嘴对所述垃圾进行吸取时所述主吸嘴中心点坐标至所述分拣目标位置之间的距离S以及所述机械臂在水平方向上的移动速度v2,根据t2=S/v2计算出所述水平移动时间,其中,t2表征为所述水平移动时间。
5.根据权利要求4所述的智能AI分拣装备,其特征在于,所述失败事件检测集包括吸取失败检测集和脱落检测集,所述吸取监控模块(5)具体用于:
判断所述竖直吸取时间内,若干所述吸嘴上的重量检测数据是否出现变化,若无变化,则记录为吸取失败,并在所述吸取失败检测集中添加一次失败事件以及当前时间对应的时间戳;
判断所述水平移动时间和所述竖直吸取时间内,若干所述吸嘴上的重量检测数据是否出现减重变化,若出现减重变化,且减重重量大于预设重量,则记录为脱落,并在所述脱落检测集中添加一次失败事件以及当前时间对应的时间戳。
6.根据权利要求5所述的智能AI分拣装备,其特征在于,所述吸取监控模块(5)还用于获取吸取总数,并根据所述吸取失败检测集和所述吸取总数计算出吸取失败概率,根据所述脱落检测集和吸取总数计算出脱落概率。
7.根据权利要求6所述的智能AI分拣装备,其特征在于,所述吸取失败概率包括单一种类吸取失败概率以及总体吸取失败概率,所述脱落概率包括单一种类脱落概率以及总体脱落概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410309000.3A CN117900166B (zh) | 2024-03-19 | 2024-03-19 | 一种智能ai分拣装备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410309000.3A CN117900166B (zh) | 2024-03-19 | 2024-03-19 | 一种智能ai分拣装备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117900166A CN117900166A (zh) | 2024-04-19 |
CN117900166B true CN117900166B (zh) | 2024-05-31 |
Family
ID=90685506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410309000.3A Active CN117900166B (zh) | 2024-03-19 | 2024-03-19 | 一种智能ai分拣装备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117900166B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08117692A (ja) * | 1994-10-20 | 1996-05-14 | Shinko Electric Co Ltd | 混合物選別分離装置 |
JP2011041986A (ja) * | 2009-08-19 | 2011-03-03 | Hitachi Computer Peripherals Co Ltd | ノズル吸引式の対象物の搬送装置、搬送方法及びこれらに用いられるプログラム |
CN103293984A (zh) * | 2013-06-20 | 2013-09-11 | 中联重科股份有限公司 | 清扫车吸嘴工作控制系统、方法、控制器及清扫车 |
CN104838738A (zh) * | 2012-12-07 | 2015-08-12 | 富士机械制造株式会社 | 安装数据生成装置、生成方法及基板生产系统 |
CN111760810A (zh) * | 2020-06-12 | 2020-10-13 | 华工法利莱切焊系统工程有限公司 | 一种不同规格平面激光切割件的自动分拣方法 |
CN111761575A (zh) * | 2020-06-01 | 2020-10-13 | 湖南视比特机器人有限公司 | 工件及其抓取方法和生产线 |
WO2020220674A1 (zh) * | 2019-04-28 | 2020-11-05 | 宿迁海沁节能科技有限公司 | 一种基于次卷积超相关的垃圾识别分类处理深度学习方法 |
WO2021022475A1 (zh) * | 2019-08-06 | 2021-02-11 | 中国长城科技集团股份有限公司 | 一种垃圾处理方法、装置及终端设备 |
CN212919442U (zh) * | 2020-07-22 | 2021-04-09 | 北京铮实环保工程有限公司 | 一种垃圾分拣机器人专用吸盘装置 |
CN113415629A (zh) * | 2021-08-24 | 2021-09-21 | 富泰锦(成都)科技有限公司 | 一种服装邮件分拣装置 |
CN113469264A (zh) * | 2021-07-14 | 2021-10-01 | 南通通琦自动化科技有限公司 | 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统 |
CN113643280A (zh) * | 2021-08-30 | 2021-11-12 | 燕山大学 | 一种基于计算机视觉的板材分拣系统及方法 |
CN113688825A (zh) * | 2021-05-17 | 2021-11-23 | 海南师范大学 | 一种ai智能垃圾识别分类系统和方法 |
CN217369339U (zh) * | 2021-08-30 | 2022-09-06 | 浙江工业大学 | 多目标并行抓取垃圾自动分拣系统 |
CN115026015A (zh) * | 2022-06-10 | 2022-09-09 | 东北大学 | 一种基于图像处理的地面垃圾检测系统 |
CN115297711A (zh) * | 2022-08-08 | 2022-11-04 | 恩纳基智能科技无锡有限公司 | 一种基于拟合圆心高精度补偿方法 |
CN115447924A (zh) * | 2022-09-05 | 2022-12-09 | 广东交通职业技术学院 | 基于机器视觉的垃圾分类分拣方法、系统、装置及介质 |
CN115847116A (zh) * | 2022-11-21 | 2023-03-28 | 埃瑞泰克斯(上海)机械制造有限公司 | 一种设有负压吸附定位结构的夹具及其吸附定位结构 |
CN116342895A (zh) * | 2023-05-31 | 2023-06-27 | 浙江联运知慧科技有限公司 | 基于ai处理的提升再生资源分拣效率的方法及系统 |
CN116330319A (zh) * | 2023-05-26 | 2023-06-27 | 泓浒(苏州)半导体科技有限公司 | 一种搬运机械手状态监测系统及监测方法 |
CN116899910A (zh) * | 2023-08-29 | 2023-10-20 | 华侨大学 | 一种用于轻质垃圾回收的机器人分拣系统及分拣方法 |
-
2024
- 2024-03-19 CN CN202410309000.3A patent/CN117900166B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08117692A (ja) * | 1994-10-20 | 1996-05-14 | Shinko Electric Co Ltd | 混合物選別分離装置 |
JP2011041986A (ja) * | 2009-08-19 | 2011-03-03 | Hitachi Computer Peripherals Co Ltd | ノズル吸引式の対象物の搬送装置、搬送方法及びこれらに用いられるプログラム |
CN104838738A (zh) * | 2012-12-07 | 2015-08-12 | 富士机械制造株式会社 | 安装数据生成装置、生成方法及基板生产系统 |
CN103293984A (zh) * | 2013-06-20 | 2013-09-11 | 中联重科股份有限公司 | 清扫车吸嘴工作控制系统、方法、控制器及清扫车 |
WO2020220674A1 (zh) * | 2019-04-28 | 2020-11-05 | 宿迁海沁节能科技有限公司 | 一种基于次卷积超相关的垃圾识别分类处理深度学习方法 |
WO2021022475A1 (zh) * | 2019-08-06 | 2021-02-11 | 中国长城科技集团股份有限公司 | 一种垃圾处理方法、装置及终端设备 |
CN111761575A (zh) * | 2020-06-01 | 2020-10-13 | 湖南视比特机器人有限公司 | 工件及其抓取方法和生产线 |
CN111760810A (zh) * | 2020-06-12 | 2020-10-13 | 华工法利莱切焊系统工程有限公司 | 一种不同规格平面激光切割件的自动分拣方法 |
CN212919442U (zh) * | 2020-07-22 | 2021-04-09 | 北京铮实环保工程有限公司 | 一种垃圾分拣机器人专用吸盘装置 |
CN113688825A (zh) * | 2021-05-17 | 2021-11-23 | 海南师范大学 | 一种ai智能垃圾识别分类系统和方法 |
CN113469264A (zh) * | 2021-07-14 | 2021-10-01 | 南通通琦自动化科技有限公司 | 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统 |
CN113415629A (zh) * | 2021-08-24 | 2021-09-21 | 富泰锦(成都)科技有限公司 | 一种服装邮件分拣装置 |
CN113643280A (zh) * | 2021-08-30 | 2021-11-12 | 燕山大学 | 一种基于计算机视觉的板材分拣系统及方法 |
CN217369339U (zh) * | 2021-08-30 | 2022-09-06 | 浙江工业大学 | 多目标并行抓取垃圾自动分拣系统 |
CN115026015A (zh) * | 2022-06-10 | 2022-09-09 | 东北大学 | 一种基于图像处理的地面垃圾检测系统 |
CN115297711A (zh) * | 2022-08-08 | 2022-11-04 | 恩纳基智能科技无锡有限公司 | 一种基于拟合圆心高精度补偿方法 |
CN115447924A (zh) * | 2022-09-05 | 2022-12-09 | 广东交通职业技术学院 | 基于机器视觉的垃圾分类分拣方法、系统、装置及介质 |
CN115847116A (zh) * | 2022-11-21 | 2023-03-28 | 埃瑞泰克斯(上海)机械制造有限公司 | 一种设有负压吸附定位结构的夹具及其吸附定位结构 |
CN116330319A (zh) * | 2023-05-26 | 2023-06-27 | 泓浒(苏州)半导体科技有限公司 | 一种搬运机械手状态监测系统及监测方法 |
CN116342895A (zh) * | 2023-05-31 | 2023-06-27 | 浙江联运知慧科技有限公司 | 基于ai处理的提升再生资源分拣效率的方法及系统 |
CN116899910A (zh) * | 2023-08-29 | 2023-10-20 | 华侨大学 | 一种用于轻质垃圾回收的机器人分拣系统及分拣方法 |
Non-Patent Citations (1)
Title |
---|
曾庆源等.智能移动垃圾分拣机器人设计与实现.电子制作.2019,(第23期),第26-27页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117900166A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106000904B (zh) | 一种生活垃圾自动分拣系统 | |
US11433429B2 (en) | Logistics sorting system and logistics sorting method | |
CN109255787B (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
CN105787407A (zh) | 融合机器视觉与激光扫描的快递条码自动识别方法及系统 | |
CN110302981B (zh) | 一种固废分拣在线抓取方法和系统 | |
US20210072734A1 (en) | Information processing apparatus and method, robot controlling apparatus and method, and non-transitory computer-readable storage medium | |
CN103776841A (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN114029243B (zh) | 一种用于分拣机器手的软物抓取识别方法 | |
CN108480239A (zh) | 基于立体视觉的工件快速分拣方法及装置 | |
CN113688825A (zh) | 一种ai智能垃圾识别分类系统和方法 | |
CN113927601B (zh) | 一种基于视觉识别实现机械臂精准挑拣的方法及系统 | |
CN117900166B (zh) | 一种智能ai分拣装备 | |
CN1766907A (zh) | 基于聚类遗传算法的多目标图像识别方法 | |
CN116494227A (zh) | 一种多形态机器人的控制系统 | |
US6633663B1 (en) | Method and system for determining component dimensional information | |
CN108332665A (zh) | 一种用于球泡灯芯柱位置检测的视觉检测系统及检测方法 | |
CN110672600B (zh) | 一种滤光片在线检测设备及方法 | |
CN116448780A (zh) | 芯片缺陷检测装置、方法及设备 | |
CN113751332A (zh) | 视觉检查系统和检查零件的方法 | |
CN114950977B (zh) | 一种包裹追溯方法、装置、系统和计算机可读存储介质 | |
CN110737205A (zh) | 一种基于工业机器人分拣工作站的仿真设计方法 | |
CN106054805A (zh) | 一种用于分拣机的纠偏控制系统 | |
CN112927170B (zh) | 半导体制造工艺中的自动缺陷去除方法 | |
CN211587581U (zh) | 一种智能筛选系统 | |
CN111278235B (zh) | 自动贴片机及自动贴片方法 |
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 |