El traje de inteligencia artificial es una suite basada en reconocimiento visual + brazo robótico colaborativo
myCobot320 Paquete de Inteligencia Artificial Edición 2023
myCobot320 brazo robótico colaborativo de seis ejes
La mayor diferencia entre la versión del traje de inteligencia artificial myCobot 320 y la versión anterior es el nuevo soporte para el brazo robótico colaborativo de seis ejes myCobot 320.
La serie de manipuladores myCobot también es un producto líder de Elephant Robot , entre los cuales el modelo 320 es un manipulador colaborativo de seis ejes desarrollado para la programación independiente de los usuarios. El brazo robótico myCobot 320 solo pesa 3 kg, pero su carga útil ha alcanzado 1 kg y su radio de trabajo ha llegado a 350 mm. Es pequeño en tamaño pero potente en función.
Entorno de desarrollo de simulación ROS abierto , módulo de algoritmo directo e inverso de cinemática perfecta incorporado , aplicación de desarrollo visual de coincidencia libre;
Análisis estructural intuitivo de los principios de movimiento mecánico, especificación y aplicación de protocolo de comunicación de nivel empresarial, 12 interfaces de E/S industriales estándar de 24 V ;
Admite la interfaz de lenguaje de control principal en la industria, desarrolla el protocolo de comunicación del manipulador, accesorios de expansión de terminales ricos;
Las tres ventajas principales del brazo robótico myCobot 320 en términos de facilidad de uso, seguridad y economía hacen que el brazo robótico myCobot 320 sea una opción rentable para aplicaciones comerciales, investigación educativa y desarrollo creativo.
traje nueva actualización
Traje de inteligencia artificial 320 versión 2023, 5 algoritmos principales de reconocimiento visual, 7 escenarios de aplicación principales, 2 métodos de agarre, carga súper grande 1 KG, M5 y PI 2 tipos de brazos robóticos adaptables, 8 puntos principales de aprendizaje y software de visualización de soporte, es un posicionamiento agarrar Un paquete de inteligencia artificial de nivel de entrada que integra los módulos de selección, clasificación automática y captura de artículos. Basado en la plataforma python, el control del brazo robótico se puede realizar a través del desarrollo de software.Es fácil de aprender y puede aprender rápidamente los conceptos básicos de inteligencia artificial, inspirar el pensamiento innovador y comprender la cultura creativa de código abierto .
En comparación con el traje de inteligencia artificial original, tiene mejoras significativas principalmente en los siguientes aspectos
Mayor radio de trabajo y carga
Gracias a la compatibilidad con el brazo robótico colaborativo de seis ejes myCobot 320, la versión del traje de inteligencia artificial myCobot 320 ha superado las limitaciones del radio de trabajo y la carga de los trajes de inteligencia artificial anteriores. 280 mm, y la carga también ha cambiado de los 200 g originales, aumentado a 1000 g. El radio de trabajo y la carga más grandes también representan escenarios de aplicación más ricos.
Reconocimiento de elementos de pinza, agarre inteligente
A diferencia del traje de inteligencia artificial que solo admite el método de agarre de la bomba de succión, la versión myCobot 320 del traje de inteligencia artificial agrega soporte para pinzas.
La pinza de alto rendimiento y el myCobot 320 de alta carga permiten que la versión myCobot 320 del traje de inteligencia artificial realice la identificación de objetos y el agarre inteligente, e identifique y agarre una variedad de objetos de diferentes tamaños y pesos.
5 algoritmos principales de reconocimiento visual
El paquete de inteligencia artificial se basa en la visión del robot y la calibración mano-ojo, y es compatible con los siguientes cinco algoritmos principales de reconocimiento visual
reconocimiento de color
El reconocimiento de color se realiza a través de la tecnología de visión por computadora, principalmente analizando y procesando los valores RGB de los píxeles (valores combinados de los colores rojo, verde y azul) para el reconocimiento de color. Los espacios de color comunes incluyen RGB, HSV, YUV, etc. Entre ellos, el espacio de color RGB es el espacio de color más utilizado. El método basado en el espacio de color juzga principalmente la categoría de color del píxel estableciendo el umbral del espacio de color.
reconocimiento de forma
El reconocimiento de formas se refiere al reconocimiento automático de objetos de diferentes formas mediante el análisis y el procesamiento de la forma y la estructura de los objetos en la imagen en el campo de la visión artificial. Extraiga el contorno del objeto a través de la tecnología de procesamiento de imágenes y realice la extracción y descripción de características, como puntos de límite, curvatura, perímetro, área, etc., y luego combínelo con una plantilla predefinida o una forma conocida para lograr el reconocimiento de la forma.
Reconocimiento de código QR
El reconocimiento de códigos QR de Aruco es una tecnología de visión artificial basada en OpenCV para el reconocimiento y posicionamiento rápido y preciso de códigos QR. Utilice las funciones de la biblioteca de Aruco para procesar y analizar la imagen de entrada, extraer el código QR de Aruco en la imagen y reconocer el código y la información de ubicación de cada código QR. En el proceso de detección y reconocimiento, la biblioteca de Aruco realiza operaciones como binarización, detección de esquinas y extracción de palabras clave en la imagen de entrada para mejorar la precisión y la velocidad del reconocimiento.
reconocimiento de puntos característicos
El reconocimiento de puntos característicos es una tecnología clave en la visión artificial, que se utiliza para encontrar puntos con propiedades únicas y repetibilidad en las imágenes, y utilizarlos como base para tareas como la comparación de imágenes, el seguimiento de objetos y la reconstrucción 3D. Para los puntos característicos seleccionados, la extracción y la descripción se realizan en la imagen. Los algoritmos de descripción de características comúnmente utilizados incluyen SIFT, SU RF , ORB, BRIEF, etc. Estos algoritmos pueden extraer puntos característicos con propiedades únicas de las imágenes y representarlos como descriptores de características estables y comparables.
reconocimiento YOLOV5
YOLOV5 es un algoritmo de detección de objetivos basado en aprendizaje profundo que utiliza un método de detección llamado "una etapa", que puede predecir simultáneamente la ubicación y la categoría de múltiples objetivos en una imagen. YOLOV5 utiliza una red troncal similar a ResNet para extraer características de imagen para un fácil reconocimiento de objetivos. A diferencia de los métodos tradicionales de detección en dos etapas, como Faster R-CNN, YOLOV5 combina la extracción de funciones y la detección de objetivos, lo que mejora en gran medida la velocidad de detección.
software de visualización
Además de las funciones de hardware anteriores, la inteligencia artificial de Elephant Robot también se ha esforzado mucho en el control del software, admite la operación del software visual, puede elegir el algoritmo visual correspondiente, reconocimiento, agarre y colocación completamente automáticos, fácil de ver el visualización de efectos y admite la operación paso a paso. Solo puede identificar, solo agarrar y solo colocar, para que los usuarios puedan comprender el principio de cada proceso.
Con su interfaz de usuario altamente abierta y visualizada, la suite de inteligencia artificial es más útil ya sea que se use para el desarrollo y la verificación de la investigación científica y la educación, o la descomposición y el aprendizaje de los principiantes, o la aplicación creativa de los creadores.
Parámetros y comparación de viejos y nuevos.
| parámetro | |
| nombre | Suite de Inteligencia Artificial 320 Edición 2023 |
| medida total | 521 mm * 637,5 mm * 600 mm |
| velocidad de reconocimiento | Color/forma/código QR: 300 ms Punto característico/yolov5: 600 ms |
| Precisión de reconocimiento | 3mm |
| nombre de la cámara | Cámara sin distorsión USB |
| píxeles de la imagen | 2M1080p |
| Formatos de imagen compatibles | MJPG/YUY2 |
| tamaño de píxel | 3.0umx3.0um |
| Velocidad máxima de fotogramas | MJPG：1920 1080@30fps YUV：1920 1080@30fps |
| Accesorios finales | Adaptive Gripper Pro, bomba de succión de cabezal único myCobotPro |
| carga | 1 kg |
| Protocolo USB | USB2.0HS/FS |
| Resoluciones admitidas | 1280X720,640X480,320X240 |
| fuente de alimentación | CC 5V90mA |
| Campo de visión | 110° sin distorsión |
| sistema compatible | Windows 7/8/10 LINUX (incluido uvc)/ Raspberry Pi |
| Comparado | ||
| parámetro | traje de inteligencia artificial | traje de inteligencia artificial 320 |
| Alcance del brazo robótico | 280 mm | 350 mm |
| carga del brazo | 200g | 1000g |
| identificación del artículo | no apoyo | apoyo |
| Agarre inteligente | no apoyo | apoyo |
| Mandíbulas | no apoyo | apoyo |
| bomba de succión | Soporte <= 200g | Soporte = 1000g |