ربات دلتای سه‌بعدی با بینایی ماشین
- کارفرما
- اتوماسیون کارخانه و رباتیک
- سال
- 2025
- دسته‌بندی
- اتوماسیون صنعتی
در بسیاری از کاربردهای ربات دلتا، موقعیت قطعه از پیش تعریف می‌شود یا فیکسچر مکانیکی به کار می‌رود. نلسکو نمونه‌ای ساخت که با تلفیق دوربین عمق RGB-D و یادگیری عمیق، قطعات را در مجموعه‌ای از جهت‌گیری‌های هدف روی نوار تشخیص می‌دهد و برای برداشت به ربات موقعیت می‌دهد.
دوربین Intel RealSense برای داده RGB-D و برآورد موقعیت سه‌بعدی، همراه با قطعه‌بندی TensorFlow و Keras برای استخراج مرزهای پیشنهادی قطعه.
کنترلر سینماتیک معکوس برای تبدیل هدف سه‌بعدی به فرمان موتور و گریپر پنوماتیک متناسب با هندسه محصول آزمایشی؛ محصول جدید به بازآموزی و اعتبارسنجی نیاز دارد.
چالش پروژه
چالش پروژه تشخیص قطعات نامنظم در جهت‌گیری‌های مختلف، استخراج مرز و نقطه مناسب برداشت، و تبدیل مختصات سه‌بعدی هدف به فرمان‌های حرکتی در بازه زمانی چرخه آزمایشی بود.
رویکرد ما
دوربین Intel RealSense داده RGB-D را برای برآورد موقعیت سه‌بعدی فراهم می‌کند. قطعه‌بندی تصویر با TensorFlow و Keras مرزهای پیشنهادی قطعه را استخراج می‌کند؛ سپس کنترلر سینماتیک معکوس این هدف را به فرمان موتور تبدیل می‌کند. گریپر پنوماتیک برای هندسه محصول آزمایشی ساخته شد و استفاده برای محصول جدید به داده آموزشی، تنظیم و اعتبارسنجی دوباره نیاز دارد.
نتیجه
نتیجه، یک سلول اتوماسیون آزمایشی بود که بینایی ماشین، یادگیری عمیق و کنترل ربات را برای برداشت قطعات در جهت‌گیری‌های آزموده‌شده ترکیب کرد. این رویکرد در کاربردهای مناسب می‌تواند وابستگی به فیکسچرهای هم‌ترازی را کاهش دهد؛ ظرفیت و دقت نهایی به آزمون روی محصول و سرعت خط هدف وابسته است.
نتایج پروژه
- برداشت قطعات در جهت‌گیری‌های آزموده‌شده با کاهش نیاز به فیکسچر هم‌ترازی
- کاهش وابستگی به فیکسچرهای مکانیکی هم‌ترازی
- امکان ارزیابی برداشت بینایی‌محور برای قطعات با جهت‌گیری‌های مختلف