当前位置: 首页 > article >正文

应用案例|基于三维机器视觉的曲轴自动化上下料应用方案

Part.1 项目背景

此案例服务对象为国内某知名大型汽车零部件制造工厂,该工厂有针对曲轴工件的自动化上下料需求。由于之前来料码放不规范,工件无序散乱摆放,上料节拍要求高,该工厂上下料效率极低。

Part.2 传统曲轴上下料存在的缺陷

传统此工位的曲轴工件上下料由人工完成,这种上下料方式存在很多弊端:

1.工作环境恶劣,危险程度较高,工厂招人十分困难。

2.成本高,效率低,无法满足24小时生产的需求。

3.人工上下料消耗大量的精力,需要一直精神高度集中,人在长期的工作状态下,会产生疲劳期,容易造成工件的损坏。

针对以上问题现采用3D机器视觉引导机器人自动上下料的解决方案,满足了无序摆放工件的抓取上料、及深框干涉等要求。使用两台3D机器视觉搭配工业机器人,对应多个工位的生产,能够有效提高自动化生产效率,还能实现24小时连续生产,达到企业收益最大化的理想目标。

Part.3 解决方案

1.显扬科技HY-M5三维视觉系统支持一次拍照识别多个工件,并能够对凌乱无序摆放的工件进行抓取。

2.显扬科技HY-M5三维视觉系统采用3D智能识别算法,针对不同型号、不同大小的工件均可稳定识别并引导。

3.显扬科技HY-M5三维视觉系统采取动态规划抓取策略,能够妥善解决深框干涉的问题。

4.显扬科技HY-M5三维视觉系统基于点云与图片的目标物体识别与精准3D位置姿态定位,实现精准抓取。

5.显扬科技HY-M5三维视觉系统抗反光,在粉尘恶劣情况下也能稳定运行。

Part.4 曲轴自动上下料效果

1.运用3D点云识别算法,能够提高生产可靠性,同时提高生产效率。

2.系统稳定识别速度快,整体抓取放置节拍控制在6s以内。

3.实现生产数据云端化,实时监控生产状态,为安全生产提供强大及时预警。

4.实现自动化上下料,从上料到抛光打磨全自动无人化生产。


http://www.kler.cn/a/107996.html

相关文章:

  • TensorRT基础知识
  • jenkins提交gitee后自动部署
  • MySQL_第13章_视图
  • 网页web无插件播放器EasyPlayer.js点播播放器遇到视频地址播放不了的现象及措施
  • kettle开发-Day43-数据对比
  • RHCE的学习(16)(shell脚本编程)
  • 配置两个网关之间通过IPSec VPN互联并通过总部IPSec网关进行NAT后上网
  • Django之登录注册
  • Redis快速上手篇七(集群-一台虚拟机六个节点)
  • 3.6 纹理压缩——包体瘦身术
  • 【经验总结】ECU系统休眠后通过诊断报文唤醒ECU且唤醒网络后快发NM报文
  • day36(http协议 服务器软件的使用 PHP的简单了解 前后端交互 ajax 同步和异步)
  • Hadoop 请求数据长度 Requested Data length 超过配置的最大值
  • Macos文件图像比较工具:Kaleidoscope for Mac
  • Tomcat最大并发数及在线用户数
  • 负载均衡--Haproxy
  • Vuex模块化(modules)与namespaced(命名空间)的搭配
  • Redis(05)| 数据结构-哈希表
  • 071:mapboxGL上传含shp的zip文件,在map上解析显示图形
  • 当前JavaEE初阶的阶段知识总结
  • 【Python】【Flask】flask_login的初始化
  • 【Unity小技巧】可靠的相机抖动及如何同时处理多个震动
  • 【计算机视觉】相机
  • C语言char的取值范围以及溢出情况
  • vue源码分析(四)——vue 挂载($mount)的详细过程
  • 【计算机视觉】3D视觉