[发明专利]智能图像识别与机械手驱动系统

说明书

本发明涉及神经元网络智能图像识别和机械手驱动系统。属于图像识别和计算机自动控制技术领域。分为目标特征量的选择、神经网络、机械手驱动三部分。包括计算机图像处理硬件，图像处理专用软件及机械手和它的专用驱动软件。见附图1。

现有的大多数工业化设备利用了机器人基本优点，即它们动作的重复性。

已公开的文献如下：

1、S.A.ShearerR.G.Holmes：Plant Identifi-cation Vsing color Co-ocurrenceMatrices Transac-tians of the ASAE vol.33(6)1990

2、近藤直，芝野保德：果菜类の画像认识12关すう研究(第一报)农业机械学会志53(5)1991

3、M.Fukumi etc.Rotation-Inrariant NeuralPattern Recognition System With Application tocoin Rowgnition.IEEE Neural Neteworks V.3 N.2March 92

4、M.Sterenson，R.Witer and B.widrow：Sensitivity of Feed forword Neural Network to wehighe Error，IEEE Neural Nerworks.V.3.n.1 1992

5、申请号93102861.2公开号CN1076536A有关神经网络发明专利申请。

本发明的目的是提供一种智能图像识别与机械手驱动系统，实现多自由度机械手的控制，对各关节分段驱动，速度快，精度高，抗干扰性能强，通用性广，操作简便，适合跟踪目标、捕获目标。

本发明的目的是用以下技术方案达到的。一种智能图象识别与机械手驱动系统，包括摄像机，微型计算机，机械手，设置两台摄像机，还包括彩色图像存贮器和用于颜色识别及轮廓线目标分离的彩色图象处理器，摄像机分别通过A/D模数变换器与彩色图像存贮器和处理器连接，微型计算机中还设有存贮用于神经网络识别的EPROM和存贮用于机械手控制的EPROM。存贮用于神经网络识别的EPROM是采用前向三层神经元网络及其修正式以及并行加积运算。机械手的起始位置设定为肩对底座成45度角，肘形臂与手指平行于底座，手指旋转角度为0度，摄像机与水平面成90度角，绝对座标系固定在机械手的腕部。一台摄像机用于根据颜色识别法和基于轮廓线的目标分离技术捕捉目标，另一台摄像机用于仔细分析目标性质获取六个有效目标识别特征量为：大小、位置、复杂度、纵横比、轮廓线曲率、轮廓线曲率允许变化误差。微型计算机中还增设扩展内存板。

本发明在于双摄像机视觉识别基础上控制多自由度机械手作业，以代替人的繁重体力劳动或危险工作。

利用神经元网络研究成果，引入计算机图像处理分析识别系统及机械手驱动系统，适用于难以建立数学模型的非线性，大滞后、时变等复杂控制过程。通过神经无网络的学习功能自动识别与控制，达到速度快，精度高、抗干扰性能强、通用性广、操作简便。

该系统的优点在于：

1、采用双摄像机。利用固定在机械手支臂端的摄像机搜索捕捉目标。利用固定在机械手手指端的摄像机识别目标类型。减轻了图像数据处理负担，提高了目标识别速度及识别率。

2、采用了颜色识别法及基于轮廓线的目标分离技术准确高速捕获目标。

3、采用目标识别有效特征量六个：大小、位置、复杂度、纵横比、轮廓线曲率、轮廓线曲率允许变化误差。采用图像处理器专用软硬件实现。

4、采用了前向三层神经元网络及其修正式。省去了传统识别法建模过程，节省内存，容错性好、识别率高。而且由于省去传统的配准判别计算量大的过程、神经元网络识别是并行加乘运算速度要快得多。

5、机械手驱动器及神经元网络识别器是固化于EPROM的软件有一定程度的通用性。

附图简要说明。

图1是本发明系统方框图；

图2是本发明BP网络结构方框图；

图3是本发明BP算法框图；

图4是本发明系统动作过程方框图；

图5是本发明机械手角度计算示意图；

图6是本发明机械手驱动程序框图。

下面通过实施例结合附图对本发明进行详细说明。

1、采用双摄像机系统。用摄像机1去捕捉目标，用摄像机2去分析目标。可并行操作减轻了数据处理烦锁性，提高了识别速度和识别率。见附图1。