文献类型：期刊文章

作　　者：王鹏[1,2] 曹现刚[1,2] 夏晶[1,2] 吴旭东[1,2] 马宏伟[1,2]

WANG Peng;CAO Xiangang;XIA Jing;WU Xudong;MA Hongwei(College of Mechanical Engineering, Xi'an University of Science and Technology, Xi'an 710054, China;Shaanxi Key Laboratory of Mine Electromechanical Equipment Intelligent Monitoring, Xi'an 710054, China)

机构地区：[1]西安科技大学机械工程学院,陕西西安710054 [2]陕西省矿山机电装备智能监测重点实验室,陕西西安710054

出　　处：《工矿自动化》

基　　金：陕西省重点研发计划项目(2018GY-160);陕西省教育厅服务地方科学研究计划项目(18JC022)

年　　份：2019

卷　　号：45

期　　号：9

起止页码：47-53

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、EBSCO、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值,利用图像处理和模式识别技术对煤矸石进行识别分选,分选的煤矸石粒度为25~150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣,设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息,应用深度学习方法实现煤矸石识别和抓取特征提取;在获取煤矸石序列信息后,根据煤矸石位置进行排序工作,并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器;机械臂获取任务后,根据获得的任务对目标进行动态监测,当目标进入机械臂工作空间后由视觉伺服系统驱动机械臂完成煤矸石分拣。试验结果表明,该系统可对粒度为50~260mm的煤矸石进行高效、快速分拣,所采用的煤矸石识别方法和分拣策略在不同带速下具有良好的稳定性和准确性,煤矸识别与定位的综合准确率可达93%,验证了该系统的可行性。

关 键 词：煤矸石分拣机器人  大粒度煤矸石  机械臂 煤矸石抓取特征  机器视觉 视觉伺服 多机械臂协同控制  

分 类 号：TD67]