将工业机器人技术、视觉传感器技术、PLC控制技术、Profibus-DP、modbus工业网络技术有效结合,开发智能识别算法,提高视觉传感器识别率,完成了传统汽车企业的汽车离合器压盘装配生产线的改造,改造后的生产线由机械手与自动工装取放工件,能完成成品瑕疵检验、装配、自动存储、自动打标等工序。实际应用表明:改造后的生产线能够较好解决人工检测中检测效率较低、误检率大等问题,具有较高的可靠性和实用性。

随着制造业能力的不断提升,产品生产过程的自动化程度越来越高。对于传统的视觉识别算法,需要拥有大量工程技术和专业领域知识的人才能对视觉识别进行建模,并且设计的算法只能适应单一工况不具有通用性;而深度学习算法是一种通用的学习算法,通过训练可以识别不同种类的不同目标。基于此,针对某企业曳引轴加工过程中轴端编号的识别,设计了可进行端到端训练的识别算法。系统通过高精度工业相机获取目标图像,获得的原始RGB图像不需要进行预处理便可输入到网络当中,由深度学习算法对目标进行识别。实验表明所设计算法鲁棒性好且准确率高。

汽车总装线中大量的物料需要通过转载平台实现不同输送线之间的精密快速转载。现采用视觉定位方法代替传统的激光定位方法,实现对输送装备的精确定位。通过安装双色同心圆标识,采用点霍夫变换圆检测法实现对标识的识别。提出的基于视觉伺服的精密转载平台的闭环控制方法,满足了汽车总装线物料精确转载的需求。最后,通过转载平台原型机证明了所提精密转载平台视觉定位技术的可行性和有效性。