工业机器人识别与检测技术研究发展

前言：想要写出一篇引人入胜的文章？我们特意为您整理了工业机器人识别与检测技术研究发展范文，希望能给你带来灵感和参考，敬请阅读。

【摘要】工业机器人技术的发展推动了目标识别与智能检测技术的进步，基于机器视觉的工业机器人能更灵活的完全代替人类工作。本文结合当前国内外研究现状，指出机器视觉的是工业机器人目标识别与智能检测技术的必然方向，并分析工业机器人视觉的发展趋势，为今后的研究工作提供参考。

【关键词】工业机器人；目标识别；智能检测；机器视觉

1引言

工业机器人作为机电一体化技术发展的代表性产品，是整个智能制造的核心设备。在我国制定的“中国制造2025”制造强国战略中，机器人是规划的十大重点发展方向之一。2018年，中国工业机器人销售量达15.64台，同比增长14.97%。行业专家一致认为，在未来10年，中国的工业机器人装机量将呈现指数级增长，年装机量将突破200万台。目标识别与智能检测技术是工业机器人分拣系统的重点和难点，其核心技术为机器视觉。上世纪60年代首次提出了机器视觉的概念，中国在机器视觉技术方面发展较晚，但是市场应用前景广阔，在2015年市场占有率就达到了全球的8%，并且迅速发展成为全球第三大机器视觉市场。本文在概述国内外研究现状的基础上，结合发展现状，指出了机器视觉的是工业机器人目标识别与智能检测技术的必然方向，并分析了工业机器人视觉的发展趋势。

2国内外研究现状

国外开展工业机器人的目标识别与智能检测方面的研究较早，发那科（Fanuc）、史陶比尔（Staubli）、安川（YASKAWA）公司等公司早在几十年前就推出了拥有自主知识产权的智能工业机器人。智能工业机器人的基本结构大同小异，主要包括工业机器人、以视觉为主的目标识别和智能检测系统等。国外智能机器人方面的研究和应用发展时间早，而且发展非常快，无论是在适应能力、成本和应用范围等方面均有优势。而在我国，这方面的研究仍然刚刚开始，尽管在一些院校和科研机构取得了部分成果，但是仍然需要面对很多问题，其中最核心的问题是：核心元器件（如CCD、CMOS等成像传感器）基本依赖美国、日本、韩国等国家，国内制造厂商主要是进行代工，十分不利于我国智能机器人及视觉技术发展。所以加大力度发展我国智能机器人技术，进行工业机器人的目标识别与智能检测方面的研发，无论是对于我国发展工业机器人自主创新技术、还是进行工业机器人人才的培养，均具有十分重要的意义。

2.1国外研究状况

日本、德国、美国和韩国在机器视觉和智能工业机器人领域处于领先地位。日本最初也是模仿欧美等发达国家，但是现在它已经找到了自己的技术创新方法。以库卡（KUKA）等公司为代表的德国紧跟时展步伐，已将机器视觉应用于生产线工件分拣、汽车发动机装配等工业环节。美国是最早进行机器人技术创新的国家，它的机器视觉发展面也最广，不论是在民用工业方面，还是军事领域均得到了较大应用。对于企业来说，包括德国库卡（KUKA）、瑞士ABB、发那科（FANUC）等机器人公司均推出了自己公司的机器视觉系统。国外一些代表企业或科研院所机器视觉研究情况如表1所示。

2.2国内研究状况

国内的科研机构、高校、企业对工业机器人目标识别和智能检测进行了研究，比较有代表性的有新松机器人自动化有限公司、浙江大华技术股份有限公司、研华股份有限公司、视觉龙科技有限公司、中国科学院自动化研究所、北京工业大学等。在政府863计划的支持下，中国工业机器人从上个世纪90年代初开始，取得了较快的发展，点焊、弧焊、组装、喷漆、切割、搬运、包装、码垛等方面的的工业机器人相继问世。我国建立了20多个机器人产业化基地，实施100多个机器人应用项目。国内机器视觉技术方面的企业，在近十年来发展迅速，新松、浙江大华、中国科学院自动化研究所是这方面的佼佼者。国内一些代表性的企业或科研院所机器视觉研究情况如表2所示。

3工业机器人视觉的发展方向

工业机器人加上视觉就等于有了一双“眼睛”，并具备了识别、引导和定位、外观检测、高精度检测等功能，能更灵活的完全代替人类工作，机器人视觉分为2D和3D，通过3D视觉可以对物体进行3D扫描，能够获取物体的立体信息，通过算法精准的定位，让生产过程中对物料的使用和把控更加精准。未来工业机器人视觉系统将向工业机器人视觉系统性能的提升、多机器人协调系统的发展、深度学习方法优化视觉系统等方向发展[7]。

3.1工业机器人视觉系统性能的提升

作为一种先进的机器人感官系统，机器视觉不仅能对周围信息进行感知，而且能根据做出优化的决策。随着工业机器人的快速发展，以及应用任务的复杂化，对机器视觉的要求也越来越高。开发出性能更好，符合应用任务的视觉系统，将是机器视觉的发展方向之一。

3.2多机器人协调系统的发展

将视觉技术与单个工业机器人结合的技术已经比较成熟，但是满足不了智能工厂的需求。多机器人协调系统功能更强，能完成复杂的任务，效率更高，具有良好的发展前景。

3.3利用深度学习方法优化视觉系统

CNN等深度学习方法在图像处理领域得到了广泛的应用，CNN网络结构的智能化程度高，并不需要靠人去提取特征。因此利用深度学习来对工业机器人视觉进行优化，提供视觉系统的辨识能力，有很大的发展空间。

4小结

工业机器人技术和视觉技术在国内外发展迅速，配备有视觉技术的工业机器人能代替人完成视觉识别、引导和定位、外观检测、高精度检测等工作，并且可以大大提高生产效率和生产的自动化程度，显著降低生产成本。工业机器人视觉系统具有广阔的应用前景，也是工业机器人目标识别与智能检测技术发展的必然方向。

参考文献

[2]李金义,杨成,王京.基于视觉定位的机器人搬运系统[J].制造业自动化,2011,33(2):40-42.

[4]潘丽霞.论工业机器人的发展与应用[J].山西科技,2010,25(3):22-25.

[5]徐方,邹风山,郑春晖.新松机器人产业发展及应用[J].机器人技术与应用,2011(5):14-18.

[6]谭民,王硕.机器人技术研究进展[J].自动化学报,2013,39(7):963-966.

[7]杨静,杨红平,张慧,等.基于视觉的工业机器人应用系统发展及研究综述[J].甘肃科技纵横,2018,47(6):58-63.

作者：蒋思中 白雪 单位：广西职业技术学院