深眸科技创新工业AI视觉系统,与机械臂协同工作实现视觉引导功能

2023-12-29 17:43:09

工业AI视觉系统:工业AI视觉系统能够在工业环境中进行缺陷检测、视觉分拣、物流供包、拆码垛、工业上料等应用。

随着国内工业企业不断进步和发展,传统机器视觉无法满足企业对复杂操作流程的需求,多数制造企业对于机器视觉系统的需求增长。而采用机器视觉系统代替人工,还能够完成拆码垛以及上下料等自动化作业,而这些应用的实现,都离不开视觉引导技术。

Q:什么是视觉引导?

A:视觉引导能够利用AI+机器视觉技术实现动态路径规划,并根据不同场景适配不同的算法模型,从而实时调整机械臂的路线轨迹,并完成抓取任务。

视觉引导技术发展 自动识别抓取能力凸显

机器视觉系统通过分析处理采集到的图像信息,能够获取工件的位置数据,从而引导工业机器视觉系统的机械臂进行抓取,使机械臂更具灵活性和精确性。

而随着工业机器视觉引导技术的进一步发展,具有视觉引导功能的机器视觉系统以自动识别和抓取工件的技术优势,使得自动化生产线布局发生巨大改变,大量机器视觉系统潜入柔性化、智能化的自动生产线中,大幅度提升生产线的效率。

机器视觉引导就是机器视觉报告工件的位置和方向,而需要引导的原因有很多,包括:

一、机器视觉系统可以准确定位工件的位置和方向,将工件与指定的公差进行比较,从而确保工件是否被正确组装。

二、通过视觉引导,可以将工件在2D或3D空间内的位置和方向报告给机器视觉系统,以便对齐工件。

三、与手动定位相比,机器视觉引导在许多任务重具备更高的速度和精度。

四、机器视觉引导可以与其他机器视觉工具配合使用,实现更多复杂功能。

工业AI视觉系统

在机器视觉领域深耕多年的深眸科技,以AI+机器视觉技术为核心,创新研发2000+AI行业模型,打造了工业AI视觉系统。

其技术优势包括:

1、深度学习算法,方案成熟,检出率高

· 1000+生产线部署的落地应用

· 击败少样本学习问题

· 随着检测缺陷的样本量增加检出率持续增高

2、高精度图像算法,AI视觉实战能力强

· 上千个图像处理算法模型

· 融合深度学习算法的轻辙视觉引擎

· 短期内快速完成模型标注、训练、识别,检测精度像素级

3、2000+AI行业模型,结果精准度高于99.9%

· 检测准确率高达99.9%及以上

· 解决了检测环境非标的难题

· 2000+AI行业模型,上百项科研成果及发明专利

工业AI视觉系统通过搭配3D视觉技术,还能够对相机视野内的工业产品进行实时且全面的视觉定位分析,并根据分析结果引导机械臂作出相应调整动作准确抓取,以保证任务的完成。而通过工业AI视觉系统高效的3D视觉引导技术,也极大拓宽了该系统的应用领域。

视觉引导识别技术 多领域实现智能应用

汽车制造领域

随着人力成本持续增加,制造业亟需完成自动化、智能化转型升级。在汽车制造领域金属零部件的上下料场景中,传统的人工搬运存在效率低、成本高等问题,并且上下料节奏缓慢,无法满足自动化加工的高节拍要求。

针对制造业工厂环境复杂、人工成本过高等问题,深眸科技通过工业AI视觉系统,引导工业机器人精准识别与定位料框内工件,并及时给予反馈引导机械臂进行无序抓取,并正确放置在输送带上,从而准确完成金属件的上下料工作。

工业AI视觉系统能够支持一次拍照识别多个工件,并对凌乱无序摆放的工件进行精准抓取;通过深度学习算法能够处理多种复杂情况,并支持一定程度上反光、暗色的金属件;3D视觉系统能够识别多品类、多姿态、多形状的各种金属零件;能够支持零件正反面放料,并实时规划机器人运动轨迹;能够针对深框干涉的问题,动态规划抓取策略

智慧物流领域

随着制造业规模不断扩大、运转速率越来越高,物流企业不断朝着集约化和协同化方向发展,传统的分拣、搬运方式受限于体力、技术等原因,无法保证物流系统高效运行。而机器视觉技术的不断发展成熟却让这些要求得到了满足。

搭载3D视觉技术的工业AI视觉系统,可以通过图像获取、信息处理和机器控制等引导路径,能够轻松应对工件和环境的变化,提高机器视觉设备的操作精度,大幅提升物流系统的生产效率,在物流场景中实现高效灵活的分拣、计数、搬运等工作。

如在周转箱拆码垛案例中,针对垛型复杂多变、箱体种类繁多等难点,工业AI视觉系统能拍摄周转箱所在区域的图像,进行分析处理,从而判断周转箱的数量、位置、姿态、种类,下达指令给机器臂等执行机构进行相应的目标的抓取。此外,工业AI视觉系统利用AI算法模型快速完成应用搭建,能够同步完成视觉测距、定位、探测以及路线规划,还能精准分割周转箱目标,通过中心点精确定位,将识别错误率降低至0.1%。

机器视觉引导技术具有广阔的发展前景和实际运用价值,通过在制造业相关领域中的高效应用,能够有效提高的企业的生产效率,并大幅度降低人工成本,实现制造业的数智化升级改造。

文章来源:https://blog.csdn.net/Sensemoment/article/details/135295145
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。