[发明专利]基于机器视觉的物料分选方法及系统

说明书

本发明公开了一种基于机器视觉的物料分选方法及系统，其中物料分选方法包括：首先，通过相机获取输送线上待分选物料的RGB图片，然后将图片导入通过训练获得的深度学习模型中，通过实例分割算法得到物料的轮廓和材质类型；接着，通过轮廓计算出与当前物料对应的抓取位置和姿态，并将抓取位置、姿态和材质类型传输给设置在输送线附近的抓取机器人；抓取机器人根据抓取位置和姿态调整对该物料的抓取动作，执行对物料的抓取工作，抓取机器人根据材质类型将所抓取到的物料放置到对应的分区中；采用上述物料分选方法，无论是对于形状各异的物料亦或者是堆叠物料，均可保证按照最优的抓取位置进行抓取，进而有效提高抓取成功率。

技术领域

本发明涉及智能物料分选技术领域，尤其涉及一种基于机器视觉的物料分选方法及系统。

背景技术

随着工业的不断发展，人们在生产、生活中产生的垃圾数量和种类也不断增多，因此，在处理垃圾时，需要对垃圾进行分类，以便回收。在垃圾分类和回收行业，使一般用机器视觉和机器人进行垃圾在线自动化分选，当输送线上有垃圾流过时，设备上的相机对垃圾流进行拍照，然后使用深度学习的方式进行图片识别，但是一般采用的是目标检测的方式，即只能识别出物料所在的矩形框，并以该矩形框的中心作为抓取位置。然而，实际的场景中，垃圾形状很多不规则，而且堆叠现象比较普遍，因此面对垃圾形状不规则和堆叠的现象时，以检测目标所在的矩形框的中心作为抓取目标时，常常会出现抓取不准确的现象，不能满足实际的使用场景需要。

发明内容

本发明的目的是提供一种基于机器视觉的物料分选方法，以根据物料的实际轮廓和材质类型进行抓取和分选工作，提高分选效率。

本发明的另一目的是提供一种基于机器视觉的物料分选系统，以根据物料的实际轮廓和材质类型进行抓取和分选工作，提高分选效率。

为了实现上述目的，本发明公开了一种基于机器视觉的物料分选方法，通过相机获取输送线上待分选物料的RGB图片，然后将所述图片导入通过训练获得的深度学习模型中，通过实例分割算法得到所述物料的轮廓和材质类型；

通过所述轮廓计算出与当前所述物料对应的抓取位置和姿态，并将抓取位置、姿态和材质类型传输给设置在所述输送线附近的抓取机器人；

所述抓取机器人根据所述抓取位置和姿态调整对该物料的抓取动作，执行对所述物料的抓取工作，所述抓取机器人根据所述材质类型将所抓取到的物料放置到对应的分区中。

与现有技术相比，本发明基于机器视觉的物料分选方法，通过深度学习模型中的实例分割算法对待处理物料的RGB图片进行处理，以得到物料的具体的轮廓和材质类型，并通过轮廓计算出与该物料对应的抓取位置和姿态，抓取机器人执行抓取动作时，根据通过轮廓计算出的抓取位置和姿态调整抓取点和抓取方向，从而，无论是对于形状各异的物料亦或者是堆叠物料，均可保证按照最优的抓取位置进行抓取，进而有效提高抓取成功率。

较佳地，所述抓取机器人实时监控经过所述相机拍照后的物料在所述输送线上的动态位置，所述抓取机器人内设置有与所述输送线相对应的虚拟的抓取区域，所述抓取区域用于限制所述抓取机器人在所述输送线上的工作范围，所述抓取机器人根据其工作速度和进入所述抓取区域内的物料数量动态调整所述输送线的速度。

较佳地，所述抓取区域包括位于上游的上限位和位于下游的下限位，动态调整所述输送线的速度的方法包括：

当所述抓取区域内没有物料时，控制所述输送线以较快的第一速度V₀运行；

当检测到所述抓取区域内存在物料时，控制所述输送线以较慢的第二速度V₁运行,V₁的计算公式为其中，T为所述抓取机器人平均每次抓取物料所用的平均时间，L为抓取区域内当前最靠近所述上限位的物料的抓取位置至所述下限位的距离，N为当前抓取区域内的物料数量。