[实用新型]一种以深度卷积神经网络为基础的零件分拣系统

说明书

本实用新型涉及一种以深度卷积神经网络为基础的零件分拣系统，包括控制柜、工业机器人、深度相机、气动爪手、工作台、上位机，工业机器人经控制柜控制运动，气动爪手连接在工业机器人的前端，深度相机位于工作台的上方，与上位机信号连接。深度相机对零件进行图像采集，将采集的图像输入至上位机处理后，并移入已被训练的深度卷积神经网络模型中，该深度卷积神经网络模型对采集的图像进行目标识别和分类，并把得到的目标零件位置坐标和深度坐标发送给工业机器人的控制柜，控制柜将控制机器人对目标零件进行成功抓取和放入指定位置，从而实现对各种零件的分拣，减少了人工分类的工作量，提高了工厂的工作效率。

技术领域

本实用新型涉及零件分拣技术领域，尤其是涉及一种以深度卷积神经网络为基础的图像识别和图像定位的零件分拣系统。

背景技术

对工程零件的只能分拣将会给工厂带来巨大的效益，节约劳动力，并再一方面使工人避免从事这些重复性的工作。随着国家提出中国制造2025，社会与国家都要求建立智能化工厂，以把人类从脏乱的工厂环境中解放出来。

中国专利CN100484645A公开了高速自动化生产线上的次品自动分拣方法及设备，其方法是在生产线次品分拣系统接收到次品分拣信号后，启动3自由度联动传送装置，将与该装置相连的机械臂快速定位到次品的正上方，并与产品生产线传送带保持同速运动，然后机械臂下降抓取次品、提升并释放至指定位置，次品释放后，通过3自由度联动传送装置将机械臂复位，等待下一轮分拣抓取。其设备包括电气控制和机械部分；机械部分包括3自由度联动传送装置和装设于该传送装置上由机械臂臂和机械臂爪组成的机械臂；机械臂爪的中心位置设置有摄像机，电气控制部分分别与3自由度联动传送装置和机械臂电连接。但是该专利将基于神经网络的模糊控制用于伺服电机的控制领域，使用的是多传感器信息获取配合相机图像处理获取物体中心坐标信息，再使用基于神经网络的模糊控制伺服电机，从而对三维物体进行抓取。而本专利使用的是工业机器人，首先不需要对机器人的电机进行控制；其次上述专利在图像处理领域使用的是基于人工特征提取的传统方法(几何特征提取)，首先此方法使相机对光线的条件要求高，鲁棒性欠缺，针对不同的工作环境需要做特定的调整，不具有适用性，而本专利使用的基于深度卷积神经网络的图像处理，不需要对特征进行繁琐的人工特征提取(所有特征提取存在与卷积神经网络内部)；且本专利由于使用的是深度卷积神经网络，模拟人类获取图像信息的方法，其鲁棒性与适用性很高，不需要针对特定的工作环境进行特定的调整；本专利使用的是深度相机，会获取深度信息，配合深度卷积神经网络可以对不规则的物体也能进行一定的抓取；最后，上述专利每次是对单个物体进行抓取，若在相机视野内存在多个物体，上述专利将无法抓取，而本专利会对一视野内多个物体进行定位并框取，而且会判断出最为容易抓取的物体进行抓取，然后会持续循环，直至目标视野内物体全部抓取完毕。

实用新型内容

本实用新型的目的就是为了克服上述现有技术存在的缺陷而提供一种提高效率和精度的以深度卷积神经网络为基础的零件分拣系统。

本实用新型的目的可以通过以下技术方案来实现：

一种以深度卷积神经网络为基础的零件分拣系统，包括控制柜、工业机器人、深度相机、气动爪手、工作台、上位机，

所述的工业机器人经控制柜控制运动，所述的气动爪手连接在工业机器人的前端，所述的深度相机位于工作台的上方，与所述的上位机信号连接。

所述的上位机使用以VGG深度卷积神经网络模型为基础的Faster-RCNN网络。

所述的上位机在分拣系统工作之前进行大量零件图像样本的训练。