基于机器视觉的机器人智能制造实践应用研究

基于机器视觉的机器人智能制造实践应用研究

党森伟

利戴工业技术服务 ( 上海 ) 有限公司 上海 201807

摘要：智能制造技术在一定程度上反映了一个国家科学技术综合水平和工业生产企业的制造科技水平，由于涉及技术种类繁多，在设计和应用上可以通过技术优化手段将各项指标进一步改进，比如设备停机风险管理、工艺质量风险控制、生产节拍优化等。本文主要分析基于机器视觉的机器人智能制造实践应用。

关键词：智能制造；机器视觉；生产节拍

引言

工业机器人具有安全高效、自动化程度高等诸多优点，工业机器人的出现彻底突破了我国传统工业制造行业的局限性，为智能制造在制造业当中的应用开辟了一条新的路径。由于我国对工业机器人的研究起步比较晚，相比于西方发达国家还有着不小的差距，但对于我国工业机器人技术的不断完善和创新将会为传统制造业带来颠覆性的变化，使得“中国制造”向着“中国智造”的方向快速转变。因此只有不断加强对人才的培养和技术的研发，才能够为智能制造的快速发展打下良好的基础。

1、工业机器人相关概念

工业机器人是工业智能化发展的产物，它能够模仿人类的动作和思维模式，并通过接收到人类设定的相关指令来完成各种高难度、高风险、高精度、高重复性的操作任务，从而提高了产业工人工作的效率和安全性。随着我国经济的不断发展，机器人应用的范围和领域也在不断的扩大，从最开始的工业生产发展到现在已经涉及到家居智能、物流仓储以及交通运输等各个行业。以工业生产为例，工业机器人相比于人类具有以下几个特点：首先是大脑，它是人类的神经中枢和司令部，发挥着调节和支配身体各项技能的重要作用，对于机器人来讲，它的大脑指的是自动控制程序，并通过设定相关参数和发送具体指令来指示机器人完成任务。其次是身体，机器人的身体指的是其所具有的结构形态，根据行业不同和功能的不同，机器人所具有的形态结构也同样存在着很大的差异。最后是机器人的动作效率，这也是工业机器人能够进行工作的关键，在现阶段工业领域中，对于机器人应用最多的是机械手臂和机械装置，例如：焊接机器人、运输机器人等。焊接机器人主要应用在汽车制造行业中，其能够高标准的替代人工操作完成电弧焊和氩弧焊等，且具有工作效率高和焊接质量好等优点；而运输机器人则主要应用于自动化流水装配作业线，以及仓储物流领域，在零配件搬运及装配，货物搬运以及分拣等方面有着广泛的应用，也可以被应用到一些工况恶劣，环境危险以及人工操作困难的工作当中，以代替人工去实施作业工作。

2、我国工业智能机器人发展现状

近些年来，随着人工智能的大力发展，在日常的生活当中也随处可见人工智能的应用和普及现象，我国的各个行业发展都在依据人工智能进行全面的方向调整和模式创新。就工业制造而言，智能机器人已经被广泛地应用于生产流水线上代替人工进行简单机械化的操作步骤，以此来节约人力运营成本。很多发达国家对于人工智能的应用较早，思维认知较为先进，因此与其相比我国的智能生产还有很大的进步和发展空间，这就要求相关工作人员在完善自身生产理念的同时加大工业机器人的应用范围和应用频率，提升工作效率，提高产品质量一致性，将智能技术充分地运用其中，促进工业制造的质量稳定发展。现如今，我国工业机器人在智能制造当中的应用已经具备良好的发展契机，也在政府相关政策的指引下迎来了更好的发展前景，同时在信息技术如此发达的时代背景下，工业机器人拥有着得天独厚的应用优势，其在生产环节负责一些简单的操作环节，尤其是对于一些生产环境较差的生产工艺环节来说，也可以在很大程度上减少环境污染对人体的危害，由此可见，在现阶段促进工业机器人的应用发展能够在保证生产效率和质量的同时帮助企业节约成本，保证企业收益的持续稳定，同时智能制造技术的日益成熟也使得人们的生活水平全面提升，积极创新工业机器人在智能制造当中的运用途径对社会的前进发展具有重要的现实意义。

3. 机器视觉的智能制造系统识别的关键技术

3.1图像预处理

进行图像预处理操作的目的在于减轻后期图像分析处理的工作压力，工作人员事先对图像信息进行处理，比如增强、降噪和补偿等，从而为人们提供清晰度较高的图像。发展到现在，已知的图像识别算法可达数千种之多，但是主要的识别算法还是以灰度检测、图像分割以及边缘检测等技术为主。在实际工作中，要想对图像进行预处理，首要工作就是结合不同图像的识别算法，来对图像处理过程中的不同影响的灰度值和特征值等参数进行适当的分析处理，该工作的完成质量直接影响到最终的分析结果。另一方面，边缘检测的研究范畴属于低层视觉，也是中高层任务执行的前提。应用图像分割算法可以从复杂的图像中获取到特征信息，并将其保存下来。但是，怎样提高特征目标提取的效率一直是社会公众所关注的重点。

3.2图像匹配

图像匹配的作用并不是字面上的意思，不是用来判断两个图像的特征是否存在相同之处，而是用来研究两个图像之间的相似程度，也叫做匹配程度。根据算法要求的不同，图像之间的相似程度也会不断发生改变。常见的图像匹配有两种方式：基于特征的匹配方式和基于灰度的匹配方式。其中，基于灰度的匹配方式指的是通过空间二维模板来完成图像的匹配。而基于特征的匹配方式则是利用点、线、区域等属性来实现图像的匹配与识别。这些处理工作都可以从空间、纹理以及颜色等方面进行操作。通常情况下，人们一直所应用的相似性就是利用图像匹配算法来对两个不同图像中的物体进行判断分析。因为图像具有复杂性的特点，而且摄影机在获取两个影像的同时，周边环境也存在一定的差异。因此，应该选择较为合适的图像特征点来对复杂的图像简单化，从而提高图像识别的精准度，完成图像匹配工作。

3.3零件检测

在制造生产过程中，为了确保零件质量合格，需要对其进行系统全面的。将机器视觉技术运用于智能制造装备中，能够大大提高零件检测效率和质量，进而确保加工质量符合要求。机器视觉技术对零件的检测主要包括存在性和缺陷检测，其中前者主要是对某个部件、图案以及物体存在性进行检测，进而确保整个加工步骤完整，为加工质量提供可靠保障；后者主要是对二维平面上的元素进行检测，如孔洞、污渍、划痕、裂纹以及暗点等，进而去除不合格零件。

3.4尺寸测量

随着制造工艺日趋复杂化，尤其是某些外形结构非常复杂的大型构件，由于其重量和体积较大，采用传统测量方式需要耗费大量时间。通过机器视觉技术有，能够大大降低难度，提高测量工作效率和精度。当前常用的尺寸测量技术主要有主动视觉检查和被动视觉探测两种不同的测量方式，前者能够主动产生所需的特征信息，从而避免立体特征匹配困难，所以在工业检测中应用范围更广；后者主要采用原始测量图像，由于其没有明显的特征信息，在实际尺寸测量工作中较少使用。

结束语

综上所述，对于工业机器人技术的研发和应用已成为全世界自动化技术发展的大趋势，随着越来越多的企业把工业机器人技术引入到生产线，以工业机器人未来为代表的智能制造技术在未来将会应用到人们工作和生活的各个领域之中。加强对于工业机器人的应用不仅可以提高生产的效率和质量，打造出柔性生产线，还能够实现企业制造的智能化发展，因此只有加强工业机器人在智能制造中的探索和创新才能够充分发挥出工业机器人的优势，不断推动智能制造向前发展。

参考文献：

1. 孙红英.工业机器人在智能制造中的应用研究[J].电子测试，2020（12）：129-130.

2. 王德兰.工业机器人在智能制造中的应用[J].河北农机，2020（06）：39-40.

3. 宋欢，刘丰洋.工业机器人在智能制造中的应用研究[J].科技风，2020（14）：29.

4. 陈怡竹.工业机器人在汽车智能制造生产线中的应用[J].内燃机与配件，2019（21）：255-256.

[5]关鹏.工业机器人在智能制造中的运用[J].冶金与材料，2019，39（03）：163-164.