关键词：机器视觉;;深度学习;;路径规划;;质量检测
摘 要：当今社会的工业技术正在迈入信息物理系统的工业4.0时代,而精密机械产品作为衡量一个国家制造业水平的重要标准之一,在工业技术的发展过程中扮演越来越重要的角色。目前,精密机械产品的质量检测方法大多为传统的人工抽样检测或机械重复示教检测,这种检测方式效率低、速度慢,已经越来越不符合当代快速生产的节拍。近些年来,基于机器视觉的机械产品检测技术由于其稳定性好、可靠性高、速度快等优点而成为众多学者研究的重点,也是未来检测领域发展与研究的重要方向之一。本文以液力变矩器为研究对象,旨在解决液力变矩器螺孔质量检测过程中的目标识别和机械手路径规划问题。首先阐述了机器视觉技术的研究现状,在目前的视觉检测技术与深度学习理论框架模型的基础上,构建了基于Fast R-CNN模型的深度学习机器视觉检测方法。其次,在视觉检测得到产品类型和螺孔位置坐标结果的基础上,分析了传统路径规划方法和智能路径规划方法的应用对象及优缺点,提出了基于Dijkstra算法贪心思想的机械手动态检测路径优化方法,并分别在二维平面以及三维空间内对该方法进行了验证。最后,在上述理论的方法的指导下,分析了软硬件架构,设计开发了一个基于机器视觉的小型精密机械产品在线质量控制系统,并详细阐述了系统的体系架构、运行逻辑,验证了该系统的有效性。本文为小型精密机械产品的质量检测提供了更加广泛的解决思路和技术支持。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取