[发明专利]刀塔的智能化装配方法及其系统

权利要求书

1.一种刀塔的智能化装配方法，其特征在于，包括：将待装配的刀塔零件放置在料盘中，并将所述料盘送入视觉系统的视野范围内；使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果；通过机器人控制器对所述识别结果进行分析，以计算出机器人抓取各个所述刀塔零件所需的运动参数，并控制所述机器人按照预定的顺序和路径执行抓取动作；通过所述机器人将抓取到的零件送到指定的装配位置，并根据所述视觉系统提供的反馈信息进行微调，使所述零件与刀塔本体或其他已装配好的零件对准；通过所述机器人执行相应的装配动作，以完成一个零件的装配；以及重复执行上述步骤，直到所有零件都被装配到所述刀塔上，完成装配。

2.根据权利要求1所述的刀塔的智能化装配方法，其特征在于，使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果，包括：获取所述料盘中刀塔零件的检测图像；将所述料盘中刀塔零件的检测图像进行图像预处理以得到预处理后检测图像；将所述预处理后检测图像进行图像分块处理以得到检测图像块的序列；将所述检测图像块的序列通过包含嵌入层的ViT模型以得到多个上下文检测图像块特征向量；将所述多个上下文检测图像块特征向量排列为二维特征矩阵后通过双向注意力机制模块以得到分类特征矩阵；对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示刀塔零件的类型标签。

3.根据权利要求2所述的刀塔的智能化装配方法，其特征在于，将所述预处理后检测图像进行图像分块处理以得到检测图像块的序列，包括：将所述预处理后检测图像进行均匀地图像分块处理以得到检测图像块的序列。

4.根据权利要求3所述的刀塔的智能化装配方法，其特征在于，将所述检测图像块的序列通过包含嵌入层的ViT模型以得到多个上下文检测图像块特征向量，包括：使用所述ViT模型的所述嵌入层分别对所述检测图像块的序列中各个检测图像块进行嵌入化以得到检测图像块嵌入向量的序列；以及将所述检测图像块嵌入向量的序列通过所述ViT模型以得到所述多个上下文检测图像块特征向量。

5.根据权利要求4所述的刀塔的智能化装配方法，其特征在于，使用所述ViT模型的所述嵌入层分别对所述检测图像块的序列中各个检测图像块进行嵌入化以得到检测图像块嵌入向量的序列，包括：将所述检测图像块的序列中的各个检测图像块的二维像素值矩阵展开为一维像素值向量以得到一维像素值向量的序列；以及使用所述嵌入层分别对所述一维像素值向量的序列中的各个一维像素值向量进行全连接编码以得到所述检测图像块嵌入向量的序列。

6.根据权利要求5所述的刀塔的智能化装配方法，其特征在于，将所述多个上下文检测图像块特征向量排列为二维特征矩阵后通过双向注意力机制模块以得到分类特征矩阵，包括：将所述多个上下文检测图像块特征向量排列为二维特征矩阵以得到上下文检测图像块特征矩阵；将所述上下文检测图像块特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；将所述双向关联矩阵输入Sigmoid激活函数以得到注意力特征矩阵；将所述上下文检测图像块特征矩阵和所述注意力特征矩阵分别展开为特征向量以得到上下文检测图像块特征向量和注意力特征向量；融合所述上下文检测图像块特征向量和所述注意力特征向量以得到融合关联特征向量；以及将所述融合关联特征向量进行维度重构以得到所述分类特征矩阵。

7.根据权利要求6所述的刀塔的智能化装配方法，其特征在于，对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵，包括：将所述分类特征矩阵通过线性变换转换为正方矩阵；以及对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化分类特征矩阵。