轴机械手机械手视觉抓取 + 振动盘上料视觉筛选系统方案

一、系统整体架构

该系统以 “视觉引导定位 + 振动盘有序上料 + 4 轴机械手精准抓取” 为核心，实现物料从无序上料到筛选定位抓取的自动化流程，适用于电子元件、五金件、塑胶件等小型物料的分拣抓取场景。系统分为上料筛选单元、视觉定位单元、机械手执行单元和控制单元四大模块，架构如下：

plaintext

[振动盘上料机] → [视觉筛选相机] → [输送带/定位台] → [视觉定位相机] → [4轴机械手] → [物料分拣区]
          ↓               ↓                ↓                ↓                ↓
          └───────────────┴────────────────┴────────────────┴────────────────┘
                                  工业控制器（PLC/运动控制器）

1. 核心功能目标

• 振动盘无序上料：将杂乱物料整理为有序排列（如引脚朝上、正面朝上），通过输送带输送至筛选工位；

• 视觉筛选：剔除不合格物料（如尺寸偏差、外观缺陷），仅允许合格物料进入抓取工位；

• 视觉定位：精准识别抓取工位物料的坐标（X/Y 轴位置）与姿态（旋转角度 θ），引导机械手抓取；

• 4 轴机械手抓取：按视觉定位结果，完成 “抓取→移栽→分拣” 动作（4 轴：X/Y/Z 轴平移 + 旋转轴 R，覆盖平面 + 高度 + 姿态调整）。

二、各模块硬件选型与设计

1. 上料筛选单元（振动盘 + 视觉筛选）

（1）振动盘上料机

• 选型依据：根据物料尺寸（如直径 5-20mm）、重量（≤50g）选择，需匹配 “轨道导向结构”（确保物料有序排列，如圆柱件轴线与输送方向一致）；

• 推荐型号：瑞科自动化 RK-300（直径 300mm，适配小型物料，支持 220V 供电，振动频率可调）；

• 关键设计：轨道末端加装 “挡料机构”（气缸 + 传感器），配合视觉筛选相机实现 “单料停稳检测”（避免多料重叠导致筛选误判）。

（2）视觉筛选相机（缺陷检测 + 尺寸测量）

• 安装位置：振动盘输送带末端，镜头垂直向下对准 “筛选工位”（工位需加白色背光板，增强物料轮廓对比度）；

• 硬件选型：

  设备	型号推荐	参数说明
  工业相机	海康威视 MV-CA050-10GM	500 万像素，千兆网口，帧率 30fps（满足实时筛选）
  镜头	海康威视 MVL-MF2528M-8MP	25mm 焦距，800 万像素兼容，工作距离 150-200mm
  光源	白色背光源（环形 / 条形）	均匀照亮物料，突出边缘 / 缺陷（如划痕、缺角）

• 筛选功能：通过视觉算法实现：

• 尺寸检测：测量物料长宽 / 直径（如误差 ±0.1mm 内为合格）；

• 外观缺陷：识别表面划痕、缺角、污渍（缺陷面积＞0.5mm² 为不合格）；

• 姿态初判：筛选出 “正面朝上”“引脚正向” 等符合抓取要求的姿态（避免后续定位抓取失败）。

2. 视觉定位单元（抓取工位精准定位）

（1）安装位置与硬件选型

• 安装方式：两种方案（根据机械手布局选择）：

• 固定安装：相机支架固定在机械手抓取工位上方，镜头垂直向下（适合输送带静态定位工位）；

• 随动安装：相机集成在机械手末端（Z 轴下方），随机械手移动（适合动态抓取，如输送带流动定位）；

• 硬件选型（以固定安装为例）：

  设备	型号推荐	参数说明
  工业相机	大华 DH-IPC-HFW5449E	400 万像素，网口，低畸变镜头（定位精度 ±0.05mm）
  镜头	大华 M1214-MP2	12mm 焦距，工作距离 100-150mm，适配小视野定位
  光源	红色环形光源	斜射照明，增强物料表面纹理（如 LOGO、凹槽），提升定位精度

（2）定位算法核心

• 坐标映射：通过 “标定板” 建立相机像素坐标系与机械手世界坐标系的映射关系（消除镜头畸变、安装误差）；

• 特征识别：提取物料的 “特征点”（如中心孔、边角、特定形状），计算物料中心的 X/Y 坐标（精度 ±0.05mm）和旋转角度 θ（精度 ±0.5°）；

• 数据输出：将定位结果（X,Y,θ）通过以太网（Modbus-TCP/Profinet）实时发送至机械手控制器。

3. 4 轴机械手执行单元

（1）机械手选型（根据负载与行程）

• 核心参数需求：负载 5-10kg（含夹具），X/Y 轴行程 500-1000mm，Z 轴行程 300-500mm，旋转轴 R 范围 0-360°，重复定位精度 ±0.02mm；

• 推荐型号：

• 小型场景：埃夫特 ER6-700（6kg 负载，700mm 臂展，4 轴联动，适合桌面级应用）；

• 工业场景：发那科 LR Mate 200iD/7L（7kg 负载，717mm 臂展，高速抓取，稳定性高）；

• 末端执行器（夹具）：

• 类型：气动手指夹爪（如 SMC MHZ2-16D），适配圆形 / 方形物料；

• 设计：夹爪指尖加装 “柔性橡胶垫”（防止物料划伤，增加摩擦力），配合压力传感器（检测抓取力，避免夹伤 / 漏抓）。

（2）运动控制要求

• 4 轴联动：支持 X/Y/Z 轴同步运动（如直线插补，确保抓取路径平滑）+ R 轴姿态调整（按视觉定位 θ 角旋转）；

• 运动速度：空载移动速度≤1m/s，抓取时降速至 0.3m/s（避免物料脱落）；

• 急停保护：机械手行程末端加装光电传感器（如基恩士 PZ-G61N），触发时立即停止（防止碰撞）。

4. 控制单元（核心逻辑与通信）

（1）控制器选型

• 方案 1：PLC + 机械手控制器（适合中小型系统）

• PLC：三菱 FX5U-64MR/ES（负责振动盘、输送带、筛选相机的逻辑控制，如 “筛选合格→放行至抓取工位”）；

• 机械手控制器：机械手自带专用控制器（如发那科 R-30iB Mini），接收视觉定位数据，控制 4 轴运动；

• 方案 2：一体化运动控制器（适合复杂场景，如多工位联动）

• 型号：汇川 AM600（支持 4 轴机械手运动控制 + 视觉数据接收 + IO 逻辑控制，减少设备间通信延迟）。

（2）通信网络设计（关键：低延迟、高同步）

三、软件流程与核心算法

1. 系统整体工作流程（时序逻辑）

1. 上料启动：PLC 启动振动盘，物料经轨道整理后进入输送带，输送带将物料输送至 “筛选工位”；

2. 视觉筛选：

• 筛选工位传感器检测到物料→触发相机拍照；

• 视觉算法判断物料 “合格 / 不合格”+“姿态是否符合抓取要求”；

• 若合格：PLC 控制挡料气缸放行，物料进入 “抓取工位”；若不合格：PLC 控制剔除气缸将物料推至废料盒；

3. 视觉定位：

• 抓取工位传感器检测到物料→触发定位相机拍照；

• 算法计算物料 X/Y 坐标与旋转角度 θ，将数据发送至机械手控制器；

4. 机械手抓取：

• 机械手控制器接收定位数据→规划运动路径（X/Y 轴移动至物料上方，Z 轴下降，R 轴旋转至目标角度）；

• 夹爪闭合抓取物料→Z 轴上升→X/Y 轴移动至分拣区→按物料类型（如合格 / 不同规格）放置到对应料盒；

5. 循环执行：机械手返回空闲位置，等待下一个定位数据，重复步骤 1-4。

2. 核心视觉算法（以 Halcon/OpenCV 为例）

（1）视觉筛选算法流程

python

运行

# 简化代码逻辑（OpenCV）import cv2import numpy as npdef material_screening(image):
    # 1. 图像预处理：去噪、二值化（突出物料轮廓）
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5,5), 0)
    _, thresh = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY_INV)
    
    # 2. 轮廓提取（定位物料区域）
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if len(contours) != 1:  # 排除多料/无料情况
        return "error"
    
    # 3. 尺寸检测（计算物料外接矩形）
    x, y, w, h = cv2.boundingRect(contours[0])
    if w < 9.9 or w > 10.1 or h < 4.9 or h > 5.1:  # 假设合格尺寸：10±0.1mm（宽），5±0.1mm（高）
        return "unqualified"
    
    # 4. 缺陷检测（查找轮廓内的孔洞/缺口）
    hull = cv2.convexHull(contours[0])
    hull_area = cv2.contourArea(hull)
    contour_area = cv2.contourArea(contours[0])
    if (hull_area - contour_area) > 0.5:  # 缺陷面积＞0.5mm²（需标定像素与实际尺寸比例）
        return "unqualified"
    
    # 5. 姿态判断（通过最小外接矩形角度判断）
    rect = cv2.minAreaRect(contours[0])
    angle = rect[2]
    if angle < -45 or angle > 45:  # 姿态偏差超45°，不符合抓取要求
        return "unqualified"
    
    return "qualified"  # 合格物料，允许进入抓取工位

（2）视觉定位算法流程

python

运行

def material_positioning(image, calib_matrix):
    # 1. 图像预处理（同筛选，增强特征）
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (3,3), 0)
    edges = cv2.Canny(blur, 50, 150)
    
    # 2. 特征点提取（以物料中心孔为例）
    circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1.2, 20, param1=50, param2=30, minRadius=2, maxRadius=4)
    if circles is None:
        return "no_target"
    
    # 3. 像素坐标转世界坐标（通过标定矩阵calib_matrix消除畸变）
    pixel_x, pixel_y = circles[0][0][0], circles[0][0][1]
    world_x = (pixel_x - calib_matrix[0][2]) / calib_matrix[0][0]  # 标定矩阵：内参矩阵
    world_y = (pixel_y - calib_matrix[1][2]) / calib_matrix[1][1]