基于机器视觉的不规则烟包码垛校对技术及应用研究
发布时间:2023-03-11 16:29
面向特定行业的工业机器人研发与应用是当前机器人推动制造业实现产业转型升级的重要研究内容。本论文针对传统烟草物流行业中不规则烟包的人工组合码垛存在的易出错和效率低的问题,对不规则烟包的组合码垛以及视觉校对技术的进行了研究与应用,具有重要的理论意义和实际应用价值。首先,分析了烟草物流中不规则烟包码垛的特性和流程,结合机器视觉技术,完成了系统总体方案设计,并对其中视觉校对的控制方案和硬件设备进行了分析和选定,将研究重点确定为组合码垛的控制系统和视觉校对算法。在组合码垛控制系统研究中,完成了组合码垛控制系统的设计,将控制功能模块化并设计了对应的硬件设备,随后完成了底层PLC程序和上位机控制程序的编写,构建了控制系统研究平台。针对烟包组合匹配问题,提出了一种改进的时间最优预排程匹配算法,通过增加多种匹配方式,减少缓冲区烟包堆积数和码垛机器人码放路径数,获得最优匹配方式。实验表明,该方法有效地减少了码垛时间,提升了码垛效率。在视觉校对算法研究中,针对码垛烟包与上位机数据库中的烟包信息的一致性校对问题,提出一种基于改进的ORB-SURF和RANSAC算法完成烟包的识别校对。该算法利用ORB-SURF...
【文章页数】:68 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 码垛机器人国内外研究现状
1.2.2 机器视觉国内外研究现状
1.2.3 技术难点分析
1.3 主要研究内容
1.4 章节安排
1.5 本章小结
第2章 不规则烟包码垛校对系统方案设计
2.1 码垛需求分析
2.2 系统总体方案设计
2.3 视觉校对方案设计
2.3.1 视觉控制方案的选择
2.3.2 图像采集模块的组成与选定
2.4 本章小结
第3章 基于改进预排程算法的组合码垛控制系统的设计
3.1 组合码垛控制系统的硬件设计
3.2 组合码垛控制系统软件程序的设计
3.2.1 PLC程序设计
3.2.2 上位机软件的设计
3.3 改进的时间最优预排程匹配算法
3.3.1 预排程匹配分析
3.3.2 改进预排程算法实现
3.3.3 结果对比
3.4 本章小结
第4章 基于改进ORB-SURF和 RANSAC算法的烟包视觉校对
4.1 图像预处理
4.1.1 灰度值变换
4.1.2 图像平滑处理
4.2 SURF算法特征点检测
4.3 改进的ORB-SURF算法
4.4 改进的RANSAC算法去除误匹配点
4.5 算法验证与分析
4.5.1 阈值t的确定
4.5.2 目标图像匹配
4.5.3 鲁棒性测试
4.6 本章小结
第5章 码垛系统的实现及分析
5.1 实验平台实现
5.2 系统实验
5.2.1不规则烟包的识别实验
5.2.2 组合码垛实验
5.3 本章小结
第6章 工作总结与展望
6.1 论文工作总结
6.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
本文编号:3759854
【文章页数】:68 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 码垛机器人国内外研究现状
1.2.2 机器视觉国内外研究现状
1.2.3 技术难点分析
1.3 主要研究内容
1.4 章节安排
1.5 本章小结
第2章 不规则烟包码垛校对系统方案设计
2.1 码垛需求分析
2.2 系统总体方案设计
2.3 视觉校对方案设计
2.3.1 视觉控制方案的选择
2.3.2 图像采集模块的组成与选定
2.4 本章小结
第3章 基于改进预排程算法的组合码垛控制系统的设计
3.1 组合码垛控制系统的硬件设计
3.2 组合码垛控制系统软件程序的设计
3.2.1 PLC程序设计
3.2.2 上位机软件的设计
3.3 改进的时间最优预排程匹配算法
3.3.1 预排程匹配分析
3.3.2 改进预排程算法实现
3.3.3 结果对比
3.4 本章小结
第4章 基于改进ORB-SURF和 RANSAC算法的烟包视觉校对
4.1 图像预处理
4.1.1 灰度值变换
4.1.2 图像平滑处理
4.2 SURF算法特征点检测
4.3 改进的ORB-SURF算法
4.4 改进的RANSAC算法去除误匹配点
4.5 算法验证与分析
4.5.1 阈值t的确定
4.5.2 目标图像匹配
4.5.3 鲁棒性测试
4.6 本章小结
第5章 码垛系统的实现及分析
5.1 实验平台实现
5.2 系统实验
5.2.1不规则烟包的识别实验
5.2.2 组合码垛实验
5.3 本章小结
第6章 工作总结与展望
6.1 论文工作总结
6.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
本文编号:3759854
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3759854.html
最近更新
教材专著