[實用新型]一種基于深度學習的AI視覺控制自動切換機器人系統

有效

• 申請號: 202022773652.2
• 申請日: 2020-11-26
• 公開（公告）號: CN213890029U
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 劉林山
• 申請（專利權）人: 吉林電子信息職業技術學院
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 吉林新發惠利知識產權代理事務所(普通合伙) 22216
• 代理人: 紀尚

本實用新型公開了一種基于深度學習的AI視覺控制自動切換機器人系統，包括：自動上下料機械手模塊、深度學習算法模塊、AI視覺引導控制系統、AI云處理平臺模塊、工裝夾具控制模塊、視覺與通信交互模塊等，本實用新型在自動上下料、自動切換裝置的機器人上應用3D傳感器采集視覺信息，并結合基于深度卷積神經網絡的AI人工智能技術實現視覺檢測、識別、定位以及視覺引導控制切換軌跡規劃，同時以電動缸替代氣缸，具有有效提高不同種類汽車模具、零部件等選型切換靈活性、效率、智能化的特點。

技術領域

本實用新型屬于機器人視覺識別及控制技術領域，具體地，涉及一種基于深度學習的AI視覺控制自動切換機器人系統。

背景技術

隨著機器視覺以及機器人技術的快速發展，機器人代替人力已應用于汽車行業多品種柔性模具、零部件選型切換等場合。可是，常規切換系統仍存在目標檢測、識別、夾具定位不準確，采用氣缸噪音大、速度慢等問題，其根本原因在于未能準確、可靠地檢測、識別和定位夾具的相對位置以及優化切換軌跡。為滿足汽車生產過程的模具、零部件自動選型切換要求，研究快速檢測、正確識別目標、夾具準確定位的機器人視覺識別及控制技術具有重要意義。

機器視覺涉及的目標檢測技術有2D相機和3D相機兩種方法，2D相機能夠發現物體位置，但缺乏3D信息；利用3D傳感器技術的3D相機能夠獲得一個更加更加豐富的三維立體信息；機器視覺涉及的目標識別技術有兩種，一種是通過圖像模板匹配技術，選取圖像模板與待搜索的圖像中的子圖的相似度匹配完成目標識別，但針對自動切換系統對目標識別速度、精度高要求的效果較差；另一種是深度學習的技術，但目前的卷積神經網絡無法同時兼顧識別速度高和識別精度高的要求；相機、被檢測目標、光源三者之間的位置關系是機器視覺系統成像定位的重要因素，在上述不同工件切換過程中的還不能精確測量定位，也存在影響到機器人軌跡規劃的問題。

因此，亟需一種基于深度學習的AI視覺控制自動切換機器人系統，能夠對3D視覺系統結構設計，檢測、識別和定位控制，電缸閉環控制系統進行結構優化，以推動汽車行業機器人技術的發展及應用。

實用新型內容

為克服上述現有技術的不足，本實用新型提供了一種基于深度學習的AI視覺控制自動切換機器人系統，相比于現有技術，通過基于深度學習、設計獨特的3D視覺系統檢測、識別和定位以及軌跡優化，通過電缸閉環控制系統可以實現對不同種類的汽車模具、零部件更加迅速、準確的自動切換的效果。

為了實現上述目的，本實用新型采用的技術方案是：

一種基于深度學習的AI視覺控制自動切換機器人系統，包括：

整合AI視覺技術的實體機器人系統的機器人本體模塊；

能夠完成不同種類汽車模具、零部件自動上下料的自動上下料機械手模塊；

處理目標檢測、識別、定位以及引導控制的新型深度卷積神經網絡學習算法的深度學習算法模塊；

包含AI Engine智能引擎負責對目標數據進行檢測、識別以及定位分析的AI云處理平臺模塊；

用于提供優化的控制策略以獲得切換軌跡的AI視覺引導控制系統；

能夠執行不同種類汽車模具或零部件的定位的工裝夾具模塊；

實現視覺系統與控制系統通訊的視覺與通信交互模塊；

根據軌跡優化路徑進行迅速、準確的自動切換的電缸閉環控制系統；