基于机器视觉的机器人智能分拣实验平台开发

针对机器视觉和机器人技术设备分散和功能单一等问题,开发设计了基于机器视觉的机器人智能分拣综合实验平台。将机电传动控制、气动控制、工程光学、图像处理技术、机器人控制技术等有机融合,可开设物料传送装置拆装测绘、光学图像采集系统搭建、单片机控制系统设计、真空吸附搬运分拣气动回路设计、手眼标定与形状匹配图像处理、机器人操作控制、上位机软件开发等实验。该实验平台体现了教学设备的先进性和创新性,有利于提高学生的工程实践和创新能力。     

管道巡检机器人视觉系统实验教学平台设计

为加强机器人专业实验教学,提高人才培养质量,设计了一套基于管道巡检机器人的视觉系统实验教学平台。该实验平台由目标物的检测识别和目标物的定位测距两部分组成,涉及视觉系统的相机标定技术、深度学习技术、YOLO检测算法、单目定位测距技术等。实验结果表明,该视觉系统具有较强的淤积物检测识别能力和较高的淤积物检测精度。学生通过该平台不仅学习了管道机器人视觉系统的设计思路和方法,而且创新实践能力大大提高。     

基于容器云的分布式深度学习实验平台构建

该文针对神经网络模型训练过慢、集群部署缺乏弹性问题,采用CPU+GPU混合架构,利用Docker和Kubernetes系统搭建底层容器云基础,以TensorFlow作为上层机器学习框架,构建了分布式深度学习实验平台,并详述了GPU镜像制作、计算节点GPU支持、Kubernetes集群搭建、TensorFlow集群部署等...     

基于贝叶斯与生成式对抗网络的手写字文本识别算法

为了提高机器学习算法对手写字文本识别能力,克服个体手写字风格多变的干扰,设计了一种基于贝叶斯与生成式对抗网络的手写字文本识别算法。首先,建立10000个汉字的手写字数组头,每个汉字数组头后面依附100种手写体,构建起1000000帧汉字文本图像帧,作为后续学习训练的训练集数据输入。然后,利用贝叶斯线性模型,结合线性回归和先验分布,基于手写字图像样本数据库,进行有监督的机器学习训练,得到机器学习算子,完成针对手写字的粗识别。随后,根据生成式对抗网络原理,创建生成模型和判别模型,设计自适应潜在损失函数和迭代终止函数,解决深度学习普遍存在的过拟合问题,完成生成式对抗网络算子,完成针对手写字的深度识别。最后基于QTcreator开发的集成平台来实现所提算法的功能,其中,机器学习算子由OpenCV视觉函数实现,深度学习算子由TensorFlow框架实现。实验数据显示,相较于传统手写字识别算法而言,所提算法具有更高的手写字识别能力。     

基于机器视觉的工业机器人分拣技术应用研究与系统开发

随着科学技术的不断进步,与机器人有关的技术也得到飞速发展,专家和学者关注的焦点也转移到机器人视觉技术方面,从而让机器人也拥有和人眼相似的使用功能.文章研究了基于机器视觉的工业机器人分拣系统,该系统主要包括机器人本体及工件平台、机器视觉和运动控制三大模块,对它们的结构分别进行了设计;最后重点分析了分拣系统中应用的关键技术.     

工业机器人实验教学平台

针对工业机器人系统复杂、学习难度大等问题,设计了基于机器视觉的五子棋人机对弈实验教学平台。通过机器视觉实验,学生可以学习相机标定、棋子快速识别与定位的图像算法。通过对弈搜索算法实验,学生可以学习树状智能搜索算法的原理。最后进行机器人程序控制实验,了解机器人轨迹规划的基本原理,通过修改机器人程序可得到不同的机器人运动轨迹。利用开发的人机交互界面,可进行对弈实验测试。该实验达到了预期实验目的。     

基于机器视觉的机器人抓取实验系统

针对工业机器人成本高、开源性差和维护困难等问题,设计了一种基于机器视觉的机器人抓取实验系统.该系统利用机器视觉、深度学习和路径规划等技术对目标工件进行识别、定位,并完成抓取任务.机器人系统在结构设计上采用串联结构,利用无刷直流电机作为机器人关节的驱动机构.为了解决工件识别与定位问题,利用Pytorch框架下的深度学习模...     

基于高性能计算平台的TensorFlow应用探索与实践

近年来,伴随着深度学习方法在人工智能领域中的广泛应用,在校级高性能计算平台上也产生了越来越多人工智能领域应用的计算需求。上海交通大学的超级计算机π充分利用GPU加速卡的硬件资源,率先在校级高性能计算平台上部署了多款主流深度学习软件框架,如TensorFlow等,向校内用户提供面向深度学习应用的计算服务。将阐述在传统高性能计算平台上部署深度学习软件框架的探索与实践,并通过对图像识别领域Inception模型的训练实验,验证目前校级高性能计算平台对深度学习应用的支持效果。实验结果显示,交大π超算的模型训练性能与目前最新NVIDIA Minsky GPU工作站上的性能相当,可以充分支撑校内深度学习相关应用。     

面向机器人智能抓取任务的视觉定位实验

开发了面向机器人抓取任务的视觉定位实验平台。该实验平台基于5自由度关节式机器人实现物料抓取,采用运动控制器及伺服电机进行控制。基于机器视觉的抓取目标定位系统采用Matlab软件开发,包含图像预处理、图像分割、目标识别、坐标计算、运动路径规划等。视觉定位系统能够识别多个被抓取对象的位置、姿态,并生成抓取运动指令,通过网络与机器人运动控制器通信实现自动抓取。该实验融合了机器视觉、机器人控制、机电一体化等多方面课程知识,具有良好的开放性和广泛应用性,有利于培养学生的工程实践能力和创新能力。     

基于多机器人自动分拣系统的虚实结合实验平台

以多机器人自动分拣系统为典型案例，在实物平台基础上设计了虚拟仿真平台。基于SolidWorks三维建模软件为分拣机器人设计专用夹具，在GT Works软件中设计PLC程序，使用GT Designer软件设计触摸屏人机交互界面，在ROBOGUIDE仿真软件中构建平台的布局，通过该软件中的虚拟示教器实现机器人的离线编程和仿真。虚拟仿真平台打破了时空限制，既可作为PLC、人机界面组态以及工业机器人技术等课程的综合仿真平台，也可作为工业机器人实训课程的实践平台。