首页 / 专利库 / 人工智能 / 人工神经网络 / 一种形状分拣系统及分拣方法

一种形状分拣系统及分拣方法

阅读:169发布:2020-05-11

专利汇可以提供一种形状分拣系统及分拣方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种形状分拣系统,包括 控制器 ,控制器分别连接有摄像头和抓取机构,还包括多个收纳筐,本发明结构简单,能够直接根据待分拣物体形状进行判断,对物体进行分拣。本发明还公开了一种形状分拣方法,通过建立成熟的形状神经网络准确对应抓取机构的返回路径,将不同形状的物体收纳在不同的收纳筐中,极大节省了人 力 。,下面是一种形状分拣系统及分拣方法专利的具体信息内容。

1.一种形状分拣系统,其特征在于,包括控制器,所述控制器分别连接有摄像头和抓取机构,还包括多个收纳筐。
2.一种形状分拣方法,其特征在于,应用如权利要求1所述的形状分拣系统,其特征在于,具体包括以下步骤:
步骤1、通过物体所有标准形状图像在控制器中迭代收敛训练人工神经网络,得到成熟的形状神经网络,并在控制器中设置各形状物体图像输出结果对应的抓取机构返回路径;
步骤2、摄像头拍摄待分拣物体图像数据传入控制器中,并将待分拣物体图像数据分割背景提取待分拣物体形状,将待分拣物体形状输入形状神经网络,输出结果即可得到抓取机构返回路径;
步骤3、控制器控制抓取机构抓取待分拣物体,抓取后沿返回路径到达对应收纳筐,松开待分拣物体后抓取机构复位,完成不同形状物体的分拣。
3.根据权利要求2所述的一种形状分拣方法,其特征在于,所述步骤2提将待分拣物体图像数据分割背景提取待分拣物体形状具体包括求出待分拣物体图像数据的灰度直方图,根据灰度直方图中灰度值的分布情况确定植物灰度阈值,采用阈值分割,将物体与背景分开,得到待分拣物体形状。
4.根据权利要求1所述的一种形状分拣方法,其特征在于,所述形状神经网络的激活函数为S型激活函数。
5.根据权利要求1所述的一种形状分拣方法,其特征在于,所述人工神经网络为BP神经网络,所述人工神经网络隐含层的神经个数为3个。

说明书全文

一种形状分拣系统及分拣方法

技术领域

[0001] 本发明属于分拣设备技术领域,涉及一种形状分拣系统,还涉及一种形状分拣方法。

背景技术

[0002] 随着工业的快速发展,分拣装置的使用日渐频繁。但由于分拣的需求,常需要对不同形状的物品进行分类。当很多不同形状的物品混杂在一起时,一般采用人工分拣,费时费

发明内容

[0003] 本发明的目的是提供一种形状分拣系统,能够由抓取机构直接根据形状进行分拣。
[0004] 本发明的另一目的是提供一种形状分拣方法,通过拍摄物体的实时形状对其进行分拣。
[0005] 本发明所采用的第一种技术方案是,一种形状分拣系统,包括控制器,控制器分别连接有摄像头和抓取机构,还包括多个收纳筐。
[0006] 本发明所采用的第二种技术方案是,一种形状分拣方法,应用本发明第一种技术方案的形状分拣系统,其特征在于,具体包括以下步骤:
[0007] 步骤1、通过物体所有标准形状图像在控制器中迭代收敛训练人工神经网络,得到成熟的形状神经网络,并在控制器中设置各形状物体图像输出结果对应的抓取机构返回路径;
[0008] 步骤2、摄像头拍摄待分拣物体图像数据传入控制器中,并将待分拣物体图像数据分割背景提取待分拣物体形状,将待分拣物体形状输入形状神经网络,输出结果即可得到抓取机构返回路径;
[0009] 步骤3、控制器控制抓取机构抓取待分拣物体,抓取后沿返回路径到达对应收纳筐,松开待分拣物体后抓取机构复位,完成不同形状物体的分拣。
[0010] 本发明第二种技术方案的特点还在于,
[0011] 步骤2提将待分拣物体图像数据分割背景提取待分拣物体形状具体包括求出待分拣物体图像数据的灰度直方图,根据灰度直方图中灰度值的分布情况确定植物灰度阈值,采用阈值分割,将物体与背景分开,得到待分拣物体形状。
[0012] 形状神经网络的激活函数为S型激活函数。
[0013] 人工神经网络为BP神经网络,人工神经网络隐含层的神经个数为3个。
[0014] 本发明的有益效果是:
[0015] 本发明一种形状分拣系统,结构简单,能够直接根据待分拣物体形状进行判断,对物体进行分拣;本发明一种形状分拣方法,通过建立成熟的形状神经网络准确对应抓取机构的返回路径,将不同形状的物体收纳在不同的收纳筐中,极大节省了人力。附图说明
[0016] 图1本发明一种形状分拣系统的结构示意图。

具体实施方式

[0017] 下面结合附图和具体实施方式对本发明进行详细说明。
[0018] 本发明一种形状分拣系统,包括控制器,控制器分别连接有摄像头和抓取机构,还包括多个收纳筐。
[0019] 本发明一种形状分拣方法,应用本发明的形状分拣系统,其特征在于,具体包括以下步骤:
[0020] 步骤1、通过物体所有标准形状图像在控制器中迭代收敛训练人工神经网络,人工神经网络为BP神经网络,人工神经网络隐含层的神经个数为3个,激活函数为S型激活函数,得到成熟的形状神经网络,并在控制器中设置各形状物体图像输出结果对应的抓取机构返回路径;
[0021] 步骤2、摄像头拍摄待分拣物体图像数据传入控制器中,求出待分拣物体图像数据的灰度直方图,根据灰度直方图中灰度值的分布情况确定植物灰度阈值,采用阈值分割,将物体与背景分开,得到待分拣物体形状,将待分拣物体形状输入形状神经网络,输出结果即可得到抓取机构返回路径;
[0022] 步骤3、控制器控制抓取机构抓取待分拣物体,抓取后沿返回路径到达对应收纳筐,松开待分拣物体后抓取机构复位,完成不同形状物体的分拣。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈