工業機器人識別與檢測技術研究發展

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了工業機器人識別與檢測技術研究發展范文，希望能給你帶來靈感和參考，敬請閱讀。

【摘要】工業機器人技術的發展推動了目標識別與智能檢測技術的進步，基于機器視覺的工業機器人能更靈活的完全代替人類工作。本文結合當前國內外研究現狀，指出機器視覺的是工業機器人目標識別與智能檢測技術的必然方向，并分析工業機器人視覺的發展趨勢，為今后的研究工作提供參考。

【關鍵詞】工業機器人；目標識別；智能檢測；機器視覺

1引言

工業機器人作為機電一體化技術發展的代表性產品，是整個智能制造的核心設備。在我國制定的“中國制造2025”制造強國戰略中，機器人是規劃的十大重點發展方向之一。2018年，中國工業機器人銷售量達15.64臺，同比增長14.97%。行業專家一致認為，在未來10年，中國的工業機器人裝機量將呈現指數級增長，年裝機量將突破200萬臺。目標識別與智能檢測技術是工業機器人分揀系統的重點和難點，其核心技術為機器視覺。上世紀60年代首次提出了機器視覺的概念，中國在機器視覺技術方面發展較晚，但是市場應用前景廣闊，在2015年市場占有率就達到了全球的8%，并且迅速發展成為全球第三大機器視覺市場。本文在概述國內外研究現狀的基礎上，結合發展現狀，指出了機器視覺的是工業機器人目標識別與智能檢測技術的必然方向，并分析了工業機器人視覺的發展趨勢。

2國內外研究現狀

國外開展工業機器人的目標識別與智能檢測方面的研究較早，發那科（Fanuc）、史陶比爾（Staubli）、安川（YASKAWA）公司等公司早在幾十年前就推出了擁有自主知識產權的智能工業機器人。智能工業機器人的基本結構大同小異，主要包括工業機器人、以視覺為主的目標識別和智能檢測系統等。國外智能機器人方面的研究和應用發展時間早，而且發展非常快，無論是在適應能力、成本和應用范圍等方面均有優勢。而在我國，這方面的研究仍然剛剛開始，盡管在一些院校和科研機構取得了部分成果，但是仍然需要面對很多問題，其中最核心的問題是：核心元器件（如CCD、CMOS等成像傳感器）基本依賴美國、日本、韓國等國家，國內制造廠商主要是進行代工，十分不利于我國智能機器人及視覺技術發展。所以加大力度發展我國智能機器人技術，進行工業機器人的目標識別與智能檢測方面的研發，無論是對于我國發展工業機器人自主創新技術、還是進行工業機器人人才的培養，均具有十分重要的意義。

2.1國外研究狀況

日本、德國、美國和韓國在機器視覺和智能工業機器人領域處于領先地位。日本最初也是模仿歐美等發達國家，但是現在它已經找到了自己的技術創新方法。以庫卡（KUKA）等公司為代表的德國緊跟時展步伐，已將機器視覺應用于生產線工件分揀、汽車發動機裝配等工業環節。美國是最早進行機器人技術創新的國家，它的機器視覺發展面也最廣，不論是在民用工業方面，還是軍事領域均得到了較大應用。對于企業來說，包括德國庫卡（KUKA）、瑞士ABB、發那科（FANUC）等機器人公司均推出了自己公司的機器視覺系統。國外一些代表企業或科研院所機器視覺研究情況如表1所示。

2.2國內研究狀況

國內的科研機構、高校、企業對工業機器人目標識別和智能檢測進行了研究，比較有代表性的有新松機器人自動化有限公司、浙江大華技術股份有限公司、研華股份有限公司、視覺龍科技有限公司、中國科學院自動化研究所、北京工業大學等。在政府863計劃的支持下，中國工業機器人從上個世紀90年代初開始，取得了較快的發展，點焊、弧焊、組裝、噴漆、切割、搬運、包裝、碼垛等方面的的工業機器人相繼問世。我國建立了20多個機器人產業化基地，實施100多個機器人應用項目。國內機器視覺技術方面的企業，在近十年來發展迅速，新松、浙江大華、中國科學院自動化研究所是這方面的佼佼者。國內一些代表性的企業或科研院所機器視覺研究情況如表2所示。

3工業機器人視覺的發展方向

工業機器人加上視覺就等于有了一雙“眼睛”，并具備了識別、引導和定位、外觀檢測、高精度檢測等功能，能更靈活的完全代替人類工作，機器人視覺分為2D和3D，通過3D視覺可以對物體進行3D掃描，能夠獲取物體的立體信息，通過算法精準的定位，讓生產過程中對物料的使用和把控更加精準。未來工業機器人視覺系統將向工業機器人視覺系統性能的提升、多機器人協調系統的發展、深度學習方法優化視覺系統等方向發展[7]。

3.1工業機器人視覺系統性能的提升

作為一種先進的機器人感官系統，機器視覺不僅能對周圍信息進行感知，而且能根據做出優化的決策。隨著工業機器人的快速發展，以及應用任務的復雜化，對機器視覺的要求也越來越高。開發出性能更好，符合應用任務的視覺系統，將是機器視覺的發展方向之一。

3.2多機器人協調系統的發展

將視覺技術與單個工業機器人結合的技術已經比較成熟，但是滿足不了智能工廠的需求。多機器人協調系統功能更強，能完成復雜的任務，效率更高，具有良好的發展前景。

3.3利用深度學習方法優化視覺系統

CNN等深度學習方法在圖像處理領域得到了廣泛的應用，CNN網絡結構的智能化程度高，并不需要靠人去提取特征。因此利用深度學習來對工業機器人視覺進行優化，提供視覺系統的辨識能力，有很大的發展空間。

4小結

工業機器人技術和視覺技術在國內外發展迅速，配備有視覺技術的工業機器人能代替人完成視覺識別、引導和定位、外觀檢測、高精度檢測等工作，并且可以大大提高生產效率和生產的自動化程度，顯著降低生產成本。工業機器人視覺系統具有廣闊的應用前景，也是工業機器人目標識別與智能檢測技術發展的必然方向。

參考文獻

[2]李金義,楊成,王京.基于視覺定位的機器人搬運系統[J].制造業自動化,2011,33(2):40-42.

[4]潘麗霞.論工業機器人的發展與應用[J].山西科技,2010,25(3):22-25.

[5]徐方,鄒風山,鄭春暉.新松機器人產業發展及應用[J].機器人技術與應用,2011(5):14-18.

[6]譚民,王碩.機器人技術研究進展[J].自動化學報,2013,39(7):963-966.

[7]楊靜,楊紅平,張慧,等.基于視覺的工業機器人應用系統發展及研究綜述[J].甘肅科技縱橫,2018,47(6):58-63.

作者：蔣思中 白雪 單位：廣西職業技術學院