本发明公开了一种基于深度学习的小型零件分拣系统及其分拣方法，零件分拣系统包括传送带、光电开关、工业相机、计算机和机械臂，传送带负责运送零件，光电开关负责检测零件是否到达图像采集区域，工业相机负责采集零件的图像，计算机对采集的图像进行处理，得到图中零件的类别和坐标位置；机械臂完成对确定类别和位置的零件的抓取分拣。
分拣包括：S1、基于YOLOv4目标检测网络训练零件识别模型，通过训练好的零件识别模型检测图片中的零件，输出图中零件的类别名和坐标信息；S2、将零件图像的像素坐标转化为世界坐标；S3、将零件抓取至对应分拣箱内。
该方法及装置通过模型预测得到零件的坐标位置，零件识别准确率更高，识别速度更快。

张立国 孙胜春 金梅 张少阔 张子豪 张勇 刘博 郎梦园

燕山大学

066004 河北省秦皇岛市海港区河北大街西段438号

本发明公开了一种基于深度学习的小型零件分拣系统及其分拣方法，零件分拣系统包括传送带、光电开关、工业相机、计算机和机械臂，传送带负责运送零件，光电开关负责检测零件是否到达图像采集区域，工业相机负责采集零件的图像，计算机对采集的图像进行处理，得到图中零件的类别和坐标位置；机械臂完成对确定类别和位置的零件的抓取分拣。
分拣包括：S1、基于YOLOv4目标检测网络训练零件识别模型，通过训练好的零件识别模型检测图片中的零件，输出图中零件的类别名和坐标信息；S2、将零件图像的像素坐标转化为世界坐标；S3、将零件抓取至对应分拣箱内。
该方法及装置通过模型预测得到零件的坐标位置，零件识别准确率更高，识别速度更快。