• 基于机器视觉的生活垃圾智能分拣系统


    系统总体设计方案

    1. 目标识别单元设计
      • 软件构成
        • 人工辅助模块
        • 深度学习网络
          • 目标检测方法
          • 目标分类识别算法设计和改进
        • 中间结果综合处理单元
      • 硬件构成
    2. 分拣控制单元设计
      • 运动学分析
      • 协同控制
      • 硬件设计选型

    项目说明

    该系统的使用环境为智能化的生活垃圾分拣车间,垃圾传送带上进行对目标的识别、抓捕和分拣操作;同时根据环保行业的相关政策和利润分析,玻璃瓶和塑料瓶一方面不利于自然分解,且难以利用磁吸、震动筛选等方法拣出,另一方面对瓶子破裂后对后续分拣回收造成不利影响,因此以玻璃瓶和塑料瓶作为本文的抓捕目标进行系统设计。

    结合基于机器视觉的智能生活垃圾分拣系统的整体解决方案,通过总体目标需求分析,可描绘出本系统的使用规划,参考工业4.0智慧工厂、云计算、智能车间等信息化厂房布局和规划,可将本系统总体分为云计算管理层、工厂级中央监控层、车间及设备综合管理层、系统及智能控制器层、设备级智能控制器层和车间执行设备层等六层结构。

    在生活垃圾分拣子系统部分,分别由自动分拣控制平台(网络PC机)、机械臂控制柜、工业机械臂、视觉处理器、光学检测设备、传送带控制器和传送带等设备组成。


    本项目主要研究的关键技术

    1. 基于视觉识别的分类检测技术
    2. 垃圾物的抓取执行器的机构设计与控制技术
    3. 垃圾抓取机械臂的在线轨迹规划技术
    4. 多机械臂协同控制方法

    目标识别单元设计


    形态学识别模块

    基于深度学习的目标检测技术

    • 区域卷积神经网络R-CNN
    • FastR-CNN

    目标分类识别算法设计和改进

    • Faster-RCNN模型

      • RPN网络(采用全卷积网络设计方式,卷积层采用VGG-16模型,并与后续的分类网络共享卷积,减少重复计算)

      • VGG-16网络

        采用交替训练的方法来交替优化训练共享特征

    • Hyper-Column方案

      对原始的VGG-16进行了改进

    深度学习网络

    • 对输入的图像分层卷积和池化
    • 分类器

    人工辅助处理模块

    中间结果综合处理单元

    目标识别单元构成

    • 采样相机选型
    • 工业计算机选型

    分拣控制单元设计

    • 分拣机器人运动学分析
      • 机械臂正逆云顶学模型分析
    • 多机械手控制设计
    • 硬件设计选型
      • 工业机器人的选型
      • 工业机器人控制器选型
      • 综合控制器选型
      • 末端执行器的设计
  • 相关阅读:
    ubuntu 13.04 root权限设置方法详解
    观锁和乐观锁——《POJOs in Action》
    观锁与悲观锁(Hibernate)
    关于python的环境变量问题
    vs2010 调试快捷键
    VIM7.3中文手册
    Java最全文件操作实例汇总
    response letter模板
    数据库字段类型
    Tomcat系列之Java技术详解
  • 原文地址:https://www.cnblogs.com/Weber-security/p/12583209.html
Copyright © 2020-2023  润新知