一种钒铁合金的自动分拣方法

本发明涉及自动化控制，特别是一种钒铁合金的自动分拣方法。

背景技术：

1、钒铁合金是钢铁冶炼及特种合金制造的关键原料，其品级分选直接影响下游产品质量。目前，国内多数企业仍采用人工目视分拣方式。该方式存在以下技术缺陷：

2、（1）健康风险高，分拣现场粉尘浓度高，长期作业易诱发尘肺病等职业病。

3、（2）人工判别标准不一，长时间作业易致视觉疲劳，导致漏拣、误拣率高，且单位时间处理量有限，无法满足规模化生产需求。

4、（3）现有的一些通用物料分拣系统（如基于机器视觉的零件分拣线）通常针对外形规整、颜色单一的工业零件设计，其采用的固定尺寸检测框和简单的坐标对应方法，难以适应钒铁合金形状极不规则、表面纹理复杂、反光特性多变的特点，导致在实际应用中抓取失败率极高，无法满足工业生产的可靠性要求。

5、因此，开发一种高精度、高效率、高可靠性的自动化分拣方法是本领域亟待解决的技术问题。

技术实现思路

1、为解决现有技术中存在的问题，本发明的目的是提供一种钒铁合金的自动分拣方法，旨在实现高精度、全自动的钒铁合金分拣，提升生产效率，保障人员健康。

2、为实现上述目的，本发明采用的技术方案是：一种钒铁合金的自动分拣方法，包括以下步骤：

3、步骤1、训练深度学习模型，用于识别钒铁合金是否合格，并输出包含钒铁合金位置和置信度的初始边界框；

4、步骤2、自适应边界框调整，根据深度学习模型输出的置信度分数，通过预先生成的查表或函数计算，动态确定缩放系数，对所述初始边界框的宽和高进行修正；

5、步骤3、实施坐标转换，将目标边界框的中心像素坐标转换为机械臂基座坐标系下的抓取坐标；

6、步骤4、机械臂根据双重停止确认机制执行抓取动作，对不合格的钒铁合金进行抓取。

7、作为本发明的进一步改进，在步骤1中，通过采集不同工况、不同角度、不同光照下的钒铁合金图像，构建专属数据集，训练yolo v8深度学习模型。

8、作为本发明的进一步改进，在步骤2中，对所述初始边界框的宽和高进行修正具体如下：

9、初始边界框的宽度为w，高度为h，则修正后的边界框的高度w’= w×α，宽度h’= h×β；其中，α和β为缩放系数。

10、作为本发明的进一步改进，在步骤3中，转换方式采用手眼标定算法，预先计算出旋转矩阵r和平移向量t；或者采用预设映射表方式，通过实验标定获得视觉坐标与机械臂运动参数的对应关系，并利用线性插值进行精确匹配。

11、作为本发明的进一步改进，所述手眼标定算法具体如下：

12、将棋盘格标定板放置在机械臂工作范围内，控制机械臂移动多个位姿，同时记录标定板在相机图像中的角点坐标和机械臂末端在基座坐标系下的位姿；通过opencv库中的calibratehandeye()函数，解算出相机坐标系到机械臂基座坐标系的旋转矩阵r和平移向量t；实时转换时，提取目标边界框中心像素坐标(u,v)，结合相机内参矩阵k和深度z_c，计算得到机械臂基座坐标系下的三维坐标：p_robot=r×(k-1×[u, v,1]t×z_c)+t。

13、作为本发明的进一步改进，所述预设映射表方式具体如下：

14、预先在视觉视野内放置一系列已知坐标的标定点，记录每个标定点的视觉坐标，包括距离原点的欧氏距离d和与原点连线的角度θ，以及机械臂实际抓取该点时所需的运动参数；同时建立映射表，通过；计算点(x1,y1)到原点(0,0)的欧式距离，通过公式，计算点(x1,y1)与原点(0,0)的夹角；实际运行时，计算钒铁合金中心点与原点的距离d和角度θ，在表中查找对应区间，利用线性插值公式计算精确的距离x和角度y，然后反向查询机械臂运动数据。

15、作为本发明的进一步改进，在步骤4中，所述双重停止确认机制具体如下：

16、第一重：钒铁合金触发定位工位的光电传感器，plc控制传送带停止；第二重：视觉系统通过连续帧图像分析，确认钒铁合金已在抓取位静止。

17、本发明的有益效果是：

18、1、分拣精度高：基于专属数据集训练的视觉模型，识别准确率达96%以上，结合自适应边界框，抓取成功率显著提升。

19、2、自动化程度高：plc全流程控制，实现无人值守作业，大幅提升生产效率，降低人力成本。

20、3、可靠性强：手眼标定技术和双重停止确认机制，保证了坐标转换的精准性和抓取动作的可靠性。

21、4、适应性强：专门针对钒铁合金的形状、纹理、光泽特性优化，解决了通用分拣设备适应性差的问题。

22、5、安全性好：彻底取代人工分拣，消除了粉尘对健康的危害。

1.一种钒铁合金的自动分拣方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的钒铁合金的自动分拣方法，其特征在于，在步骤1中，通过采集不同工况、不同角度、不同光照下的钒铁合金图像，构建专属数据集，训练yolo v8深度学习模型。

3.根据权利要求1所述的钒铁合金的自动分拣方法，其特征在于，在步骤2中，对所述初始边界框的宽和高进行修正具体如下：

4.根据权利要求1或3所述的钒铁合金的自动分拣方法，其特征在于，在步骤3中，转换方式采用手眼标定算法，预先计算出旋转矩阵r和平移向量t；或者采用预设映射表方式，通过实验标定获得视觉坐标与机械臂运动参数的对应关系，并利用线性插值进行精确匹配。

5.根据权利要求4所述的钒铁合金的自动分拣方法，其特征在于，所述手眼标定算法具体如下：

6.根据权利要求4所述的钒铁合金的自动分拣方法，其特征在于，所述预设映射表方式具体如下：

7.根据权利要求1所述的钒铁合金的自动分拣方法，其特征在于，在步骤4中，所述双重停止确认机制具体如下：