本申請(qǐng)涉及工業(yè)自動(dòng)化，尤其涉及一種基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法。

背景技術(shù)：

1、實(shí)際生產(chǎn)中，現(xiàn)有的異物檢測(cè)與分揀方法主要包括以下幾種：基于規(guī)則的圖像處理方法：通過(guò)傳統(tǒng)的圖像處理技術(shù)，如邊緣檢測(cè)、顏色分割等方法實(shí)現(xiàn)異物檢測(cè)。這類方法對(duì)異物的形狀和顏色特征依賴較大，難以適應(yīng)復(fù)雜多變的工業(yè)場(chǎng)景，檢測(cè)準(zhǔn)確率低，且難以擴(kuò)展。人工檢測(cè)與分揀：依賴工人通過(guò)視覺(jué)觀察異物并手動(dòng)清理。這種方法勞動(dòng)強(qiáng)度大，效率低下，容易受工人疲勞和注意力分散的影響，漏檢率高?；跈C(jī)械篩選的分揀：通過(guò)機(jī)械裝置實(shí)現(xiàn)部分異物的篩選，例如基于尺寸差異的篩分方法。此類方法僅適用于尺寸差異顯著的異物，無(wú)法測(cè)和分揀復(fù)雜類別的異物。

2、現(xiàn)有技術(shù)在復(fù)雜工業(yè)環(huán)境下難以實(shí)現(xiàn)對(duì)多類型異物的精準(zhǔn)檢測(cè)與分揀，尤其在高粉塵、高速傳送帶的場(chǎng)景中表現(xiàn)尤為不佳。

技術(shù)實(shí)現(xiàn)思路

1、為解決或部分解決相關(guān)技術(shù)中存在的問(wèn)題，本申請(qǐng)?zhí)峁┮环N基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，采用先進(jìn)的深度學(xué)習(xí)目標(biāo)檢測(cè)算法，實(shí)現(xiàn)了多種類型異物的高效識(shí)別，并通過(guò)動(dòng)態(tài)閾值調(diào)整機(jī)制提高復(fù)雜環(huán)境下的檢測(cè)精度。

2、本申請(qǐng)第一方面提供一種基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，包括以下步驟：

3、獲取皮帶檢測(cè)圖像；

4、將皮帶檢測(cè)圖像輸入預(yù)訓(xùn)練模型中，獲取預(yù)訓(xùn)練模型輸出的異物檢測(cè)結(jié)果，預(yù)訓(xùn)練模型包括引入動(dòng)態(tài)閾值調(diào)整機(jī)制的yolov8網(wǎng)絡(luò)，yolov8網(wǎng)絡(luò)包括將輸入特征分別卷積和跨層連接的跨階段部分連接模塊，使用卷積操作代替切片拼接、調(diào)整卷積核大小和步幅的改良focus模塊，以及檢測(cè)頭；

5、將異物檢測(cè)結(jié)果傳輸至機(jī)械臂控制設(shè)備，控制設(shè)備結(jié)合機(jī)械臂的實(shí)時(shí)位置和狀態(tài)規(guī)劃求解，獲得機(jī)械臂最優(yōu)軌跡路徑；

6、驅(qū)動(dòng)機(jī)械臂沿最優(yōu)軌跡路徑分揀異物，并基于異物類別選擇抓取工具。

7、其中，皮帶異物檢測(cè)與分揀方法還包括以下步驟：

8、分揀完成后，通過(guò)視覺(jué)識(shí)別結(jié)合傳感器判斷是否有異物殘留；

9、若判斷存在未被移除的異物，停止傳送皮帶，并觸發(fā)警報(bào)提示人工介入清理；

10、確認(rèn)完成清理后，傳送皮帶重新啟動(dòng)。

11、其中，當(dāng)皮帶上存在多個(gè)異物，控制設(shè)備基于異物類別、位置和置信度綜合形成優(yōu)化調(diào)度方案，包括：

12、根據(jù)異物類型的分揀優(yōu)先級(jí)進(jìn)行排序；

13、以及，以傳送皮帶的運(yùn)行方向?yàn)榛鶞?zhǔn)，優(yōu)先處理接近皮帶終端或即將離開檢測(cè)區(qū)域的異物；

14、以及，優(yōu)先分揀置信度較高的異物；

15、按照優(yōu)化調(diào)度方案的優(yōu)先級(jí)隊(duì)列逐一分揀異物。

16、其中，動(dòng)態(tài)閾值調(diào)整機(jī)制為：根據(jù)檢測(cè)目標(biāo)的大小和分類難度，對(duì)各類別的置信度閾值進(jìn)行動(dòng)態(tài)調(diào)整，對(duì)于較大的檢測(cè)目標(biāo)設(shè)定較高的置信度閾值，對(duì)于分類難度較大的類別，下調(diào)置信度閾值。

17、其中，皮帶檢測(cè)圖像基于實(shí)時(shí)采集的皮帶表面圖像得到，包括以下步驟：

18、獲取皮帶表面的皮帶表面圖像；

19、預(yù)處理皮帶表面圖像，預(yù)處理包括去噪、灰度化、對(duì)比度增強(qiáng)和邊緣檢測(cè)；

20、得到優(yōu)化后的皮帶檢測(cè)圖像。

21、其中，通過(guò)將工作空間建模為包含節(jié)點(diǎn)和邊的圖結(jié)構(gòu)完成獲得機(jī)械臂最優(yōu)軌跡路徑，其中節(jié)點(diǎn)表示機(jī)械臂的可達(dá)位置，邊的代價(jià)由機(jī)械臂移動(dòng)的距離、時(shí)間以及避障需求等因素決定。

22、其中，基于異物類別選擇抓取工具包括：對(duì)輕質(zhì)物體，優(yōu)先使用吸盤抓?。粚?duì)于較重或復(fù)雜形狀的物體，采用機(jī)械爪進(jìn)行夾取。

23、其中，檢測(cè)頭包括分類分支、邊界框回歸分支和置信度分支，分別用于預(yù)測(cè)目標(biāo)的類別、邊界框的坐標(biāo)(包括中心點(diǎn)和寬高)以及目標(biāo)存在的置信度。

24、本申請(qǐng)?zhí)峁┑募夹g(shù)方案可以包括以下有益效果：

25、本申請(qǐng)?zhí)峁┮环N基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，采用深度學(xué)習(xí)目標(biāo)檢測(cè)模型，檢測(cè)準(zhǔn)確率可穩(wěn)定達(dá)到90％以上，顯著提高了異物識(shí)別的可靠性，尤其在光線變化和高粉塵環(huán)境中表現(xiàn)較佳。通過(guò)機(jī)械臂的智能路徑規(guī)劃和優(yōu)先級(jí)調(diào)度策略，分揀速度可達(dá)到60件/分鐘，分揀效率提高約3倍，同時(shí)保證穩(wěn)定性和一致性。本申請(qǐng)實(shí)現(xiàn)全自動(dòng)化檢測(cè)與分揀，僅需一名人員監(jiān)控系統(tǒng)運(yùn)行，有效降低人工成本。

26、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本申請(qǐng)。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，所述皮帶異物檢測(cè)與分揀方法還包括以下步驟：

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，當(dāng)所述皮帶上存在多個(gè)異物，所述控制設(shè)備基于異物類別、位置和置信度綜合形成優(yōu)化調(diào)度方案，包括：

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，所述動(dòng)態(tài)閾值調(diào)整機(jī)制為：根據(jù)檢測(cè)目標(biāo)的大小和分類難度，對(duì)各類別的置信度閾值進(jìn)行動(dòng)態(tài)調(diào)整，對(duì)于較大的檢測(cè)目標(biāo)設(shè)定較高的置信度閾值，對(duì)于分類難度較大的類別，下調(diào)置信度閾值。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，所述皮帶檢測(cè)圖像基于實(shí)時(shí)采集的皮帶表面圖像得到，包括以下步驟：

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，通過(guò)將工作空間建模為包含節(jié)點(diǎn)和邊的圖結(jié)構(gòu)完成所述獲得機(jī)械臂最優(yōu)軌跡路徑，其中節(jié)點(diǎn)表示機(jī)械臂的可達(dá)位置，邊的代價(jià)由機(jī)械臂移動(dòng)的距離、時(shí)間以及避障需求決定。

7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，所述基于異物類別選擇抓取工具包括：對(duì)輕質(zhì)物體，優(yōu)先使用吸盤抓取；對(duì)于較重或復(fù)雜形狀的物體，采用機(jī)械爪進(jìn)行夾取。

8.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，其特征在于，所述檢測(cè)頭包括分類分支、邊界框回歸分支和置信度分支，分別用于預(yù)測(cè)目標(biāo)的類別、邊界框的坐標(biāo)(包括中心點(diǎn)和寬高)以及目標(biāo)存在的置信度。

技術(shù)總結(jié)
本申請(qǐng)是關(guān)于一種基于深度學(xué)習(xí)的皮帶異物檢測(cè)與分揀方法，包括獲取皮帶檢測(cè)圖像；將皮帶檢測(cè)圖像輸入預(yù)訓(xùn)練模型中，獲取預(yù)訓(xùn)練模型輸出的異物檢測(cè)結(jié)果；將異物檢測(cè)結(jié)果傳輸至機(jī)械臂控制設(shè)備，控制設(shè)備結(jié)合機(jī)械臂的實(shí)時(shí)位置和狀態(tài)規(guī)劃求解，獲得機(jī)械臂最優(yōu)軌跡路徑；驅(qū)動(dòng)機(jī)械臂沿最優(yōu)軌跡路徑分揀異物，并基于異物類別選擇抓取工具。方法采用深度學(xué)習(xí)目標(biāo)檢測(cè)模型，顯著提高了異物識(shí)別的可靠性，尤其在光線變化和高粉塵環(huán)境中表現(xiàn)較佳。通過(guò)機(jī)械臂的智能路徑規(guī)劃和優(yōu)先級(jí)調(diào)度策略，分揀速度可達(dá)到60件/分鐘，分揀效率提高約3倍，同時(shí)保證穩(wěn)定性和一致性。本申請(qǐng)實(shí)現(xiàn)全自動(dòng)化檢測(cè)與分揀，僅需一名人員監(jiān)控系統(tǒng)運(yùn)行，有效降低人工成本。

技術(shù)研發(fā)人員：陳光華,陳明月,張瑞鵬,祖文操,陳瑞,李鵬
受保護(hù)的技術(shù)使用者：彝良馳宏礦業(yè)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15