新闻中心

基于视觉的建筑垃圾机器人分拣系统研究【摘要】:随着我国基础设施建设和城市化的快速发展，城市建设规模逐年扩大，但与之相伴随的是城市建设中产生大量建筑垃圾，对生态环境造成严重污染，建筑垃圾的资源化利用势在必行。目前建筑垃圾的处理设备已经实现了部分工序的自动化，木塑分离仍然采用人工分拣。为了实现这部分过程的自动分拣，面对传统视觉算法难以对种类繁多、形状复杂的建筑垃圾进行识别、分类和定位的问题，提出了一种基于YOLO目标检测算法的分拣机器人系统。根据分拣任务的要求， 设计了分拣系统的总体方案，并对分拣机器人进行了运动学分析和仿真。采用张的方法标定了摄像机的内外参数，然后进行了手眼标定实验，完成了视觉系统的标定，建立了目标物体在机器人基座坐标系中的位姿关系，研究分析了基于算法的目标物体的识别与定位，并通过分拣实验实现了建筑垃圾中木材和塑料的分拣。研究内容包括:1 .采用D-H方法对工业机器人进行建模，求解正逆运动学，并通过仿真验证机器人正逆运动学的正确性。在机器人工具箱中建立工业机器人模型，对机器人的轨迹规划进行仿真分析， 得到各关节的角位移、速度和加速度的平滑连续曲线。在视觉系统中，采用张的方法对摄像机进行标定，得到摄像机的内外参数，然后通过手眼标定实验求解摄像机在机器人基座坐标系中的变换矩阵。2.在目标识别和定位方面，分析了基于卷积神经网络的YOLO目标检测算法的网络结构和检测原理。采集建筑垃圾图像作为数据集，利用数据增强技术对图像数据集进行扩展，并对数据集中的目标物体进行标记，训练出自己的YOLO检测模型。为了方便检测图像，设计了一种基于YOLO算法的建筑垃圾目标检测系统。使用检测系统识别建筑垃圾， YOLO模型能够准确地检测出图像中目标对象的位置、类别和置信度信息。3.搭建由工业相机、计算机和工业机器人组成的分拣实验平台，验证YOLO算法的有效性。设计了一个机器人分拣实验。通过在工作台上对建筑垃圾进行50次分拣实验，木材的识别率和分拣成功率分别为96%和90%，塑料的识别率和分拣成功率分别为94%和92%。实验结果表明，基于YOLO目标检测算法的分拣系统能够有效识别和定位目标物体，并由机器人实现对目标物体的分拣，验证了分拣系统的可行性。【学位授予单位】:江西科学与工程大学
【学位层次】:硕士
【学位授予年份】:2020年