为解决数控机床刀具无拆卸条件下,基于机械臂的刀具损伤视觉检测系统对准对焦调节耗时长、计算分析方法鲁棒性差等难题,提出了一种融合YOLOv5网络智能感兴趣区域(region of interest, ROI)的机器人视觉系统自动对准对焦方法。首先,利用...为解决数控机床刀具无拆卸条件下,基于机械臂的刀具损伤视觉检测系统对准对焦调节耗时长、计算分析方法鲁棒性差等难题,提出了一种融合YOLOv5网络智能感兴趣区域(region of interest, ROI)的机器人视觉系统自动对准对焦方法。首先,利用ROI模型检测并定位刀具中心,通过九点标定法计算机械臂末端对准坐标;然后自适应筛选ROI对焦窗口,采用改进的Laplacian函数计算清晰度评价值以确定最佳刀具图像。在实际设备上开展实验后结果表明,所提方法比一般方法灵敏度至少提高1.63倍,平均中心点误差为3.76像素,有效提升了刀具损伤视觉检测系统的准确度和灵活性。展开更多
文摘为解决数控机床刀具无拆卸条件下,基于机械臂的刀具损伤视觉检测系统对准对焦调节耗时长、计算分析方法鲁棒性差等难题,提出了一种融合YOLOv5网络智能感兴趣区域(region of interest, ROI)的机器人视觉系统自动对准对焦方法。首先,利用ROI模型检测并定位刀具中心,通过九点标定法计算机械臂末端对准坐标;然后自适应筛选ROI对焦窗口,采用改进的Laplacian函数计算清晰度评价值以确定最佳刀具图像。在实际设备上开展实验后结果表明,所提方法比一般方法灵敏度至少提高1.63倍,平均中心点误差为3.76像素,有效提升了刀具损伤视觉检测系统的准确度和灵活性。
