基于機器視覺(jué)識別技術(shù)，對機器人抓取系統進(jìn)行設計，能夠根據零件的圖形識別與定位進(jìn)行自動(dòng)精準抓取，從而完成生產(chǎn)過(guò)程中的自動(dòng)裝配。該技術(shù)應用后，能夠大幅度提升自動(dòng)裝配生產(chǎn)線(xiàn)的工作效率，也能避免在生產(chǎn)過(guò)程中出現抓取錯誤以及其他生產(chǎn)質(zhì)量問(wèn)題。

機器視覺(jué)識別技術(shù)包含預處理與分割、特征提取與識別、零件定位。

（圖來(lái)源于互聯(lián)網(wǎng)，與本文無(wú)關(guān)）

機器視覺(jué)識別系統首先需要對零件進(jìn)行預處理與分割，判斷零件的圖像參數。利用視覺(jué)傳感器掃描零件，根據掃描所得到的參數，對零件所在位置，以及零件的基本圖形生成預期模型。排除在分析過(guò)程中干擾因素帶來(lái)的影響，并在此基礎上進(jìn)行濾波后的預處理。通過(guò)預處理并對圖像進(jìn)行獨立分割后，能夠確定單一零件所在位置。在此基礎上開(kāi)展的后續分析任務(wù)，彼此之間才不會(huì )產(chǎn)生干擾。預處理與分割過(guò)程中，對于參數干擾還應該加強控制，能夠在分割過(guò)程中排除干擾，最大程度確保使用安全性。分割的闕值由最優(yōu)闕值化方法確定，直方圖采用正態(tài)分布的概率密度函數近似，正態(tài)分布參數的估計按照使物體和背景間的灰度變化最大化來(lái)選取。

對零件圖像進(jìn)行識別處理中需要針對零件的特征進(jìn)行提取，通過(guò)特征提取確定零件邊緣信息，并對零件的邊緣數據精準描述。在此基礎上，構建生成零件識別后的圖像綜合處理控制能力，根據處理過(guò)程中的各類(lèi)分割信息，對最終的功能結構進(jìn)一步強化。特征提取與識別是相對的功能，需要連續進(jìn)行，并且在特征提取分析期間，還應該描述出零件在自動(dòng)裝配生產(chǎn)線(xiàn)上的運動(dòng)情況，在此基礎上才能夠根據零件的運動(dòng)情況以及具體所在位置，確定接下來(lái)需要進(jìn)行的生產(chǎn)任務(wù)。在特征提取以及識別過(guò)程中，對于圖像的預處理參數誤差需要及時(shí)調整，這一環(huán)節最重要的是對邊緣特征精準確定，并對預處理階段產(chǎn)生的各類(lèi)分割誤差校對。確保特征提取識別后最終的圖像綜合控制能力能夠得到提升，才能進(jìn)入到接下來(lái)的自動(dòng)裝配生產(chǎn)階段。對生產(chǎn)過(guò)程中的各類(lèi)特征進(jìn)行動(dòng)態(tài)描述，識別零件的具體位置，進(jìn)行自動(dòng)化抓取，完成對零件的綜合控制。

基于零件識別與圖像處理基礎上進(jìn)行的零件自動(dòng)裝配，最終功能是對零件進(jìn)行定位。在零件定位后，配合抓取動(dòng)作，直接完成零件的生產(chǎn)調控。抓取過(guò)程中綜合調整零件的各項參數，根據參數反饋以及邊緣描述確定零件所在位置，由于在自動(dòng)裝配生產(chǎn)線(xiàn)中零件是不斷變化的。因此，還需要根據零件的運動(dòng)速度確定接下來(lái)的所在位置，實(shí)現對零件的自動(dòng)抓取功能。

總而言之，機器視覺(jué)識別系統通過(guò)視覺(jué)傳感器獲取零件的位置信息，并通過(guò)圖像處理和識別算法，計算位置偏移及角度旋轉量，并實(shí)時(shí)反饋給控制器，從而動(dòng)態(tài)改變機械手的抓取操作，提高了裝配操作的柔性和效率。機器視覺(jué)識別系統構成簡(jiǎn)單，穩定可靠，識別速度快，同時(shí)對環(huán)境要求不高，能夠適應不同生產(chǎn)操作環(huán)境，具有良好的應用前景。