基于机器视觉识别技术的工业机器人物料分拣

机器视觉识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，识别过程包括图像预处理、图像分割、特征提取和判断匹配。借助机器视觉识别技术，让机器人更加智能的运行。随着机器视觉识别技术的不断进步，越来越多的科技公司开始涉及机器视觉识别领域，将引领我们进入更加智能的未来。 在人工智能时代，机器视觉迅猛发展。机器视觉是用计算机来模拟人的视觉功能，也就是把客观的事物的图像信息提取、处理并理解，最终用于实际检测、测量和控制。机器视觉在工件识别率方面，通过智能化的算法，可以将精准提高到99%，甚至100%。

在目前传统制造业普遍依赖人工进行产品质量检测的大环境下，基于人工智能的机器视觉技术应用于制造行业的市场前景非常广阔。 机器视觉算法有很多种，包括传统的图像处理方法以及近些年的深度学习方法。在深度学习出现以前，传统的图像处理和机器学习方法并不能很好地完成一个简单的分类任务。由于深度学习技术的发展、计算能力的提升和视觉数据的增长，视觉智能计算技术在不少应用当中都取得了令人瞩目的成绩。 机器视觉技术可以快速获取大量信息，并进行自动处理。在自动化生产过程中，人们将机器视觉系统广泛应用于工业瑕疵诊断、工况监视和质量控制等领域。工业瑕疵诊断是指利用传感器将工业产品内外部的瑕疵进行成像，通过机器学习技术对这些瑕疵图片进行识别，确定瑕疵的种类、位置，甚至对瑕疵产生的原因进行分析的一项技术。随着制造业向智能化、无人化方向发展，以及人工成本的逐年上升，广泛存在于制造业的产品外观检测迫切需要通过机器视觉技术替代人工外检人员。 一方面图像外检技术可以运用到一些危险环境和人工视觉难以满足要求的场合；另一方面，更重要的是，人工检测面临检测速度慢、检测准确率不稳定（随着人眼检测时间的增加，检测准确率明显下降）、不同质检员的检测水平不一致的情况，同时，质检员的责任心、状态也会影响检测水平，这些都会直接影响产品的品质。而图像外检技术可以大大提高生产效率、速度和生产的自动化程度，降低人工成本。 创想智控研发出了一种基于视觉传感器的自动识别技术，可以准确的识别出工件位置，进行抓取。应用于物料分拣等领域。该系统集成到工业机器人当中，使机器人具有人眼的功能，通过视觉引导使工业机器人完成工件的识别和定位,并准确的抓取工件。让机器人完成对多目标，工件的形状、尺寸和摆放位置不确定的分拣任务。