協作機器人視覺平臺,視覺機器人協作平臺是專門為用戶解決疑難問題的，非常具有代表性，在客戶進行產品選型前，我們一般建議用戶先看下協作機器人視覺平臺,視覺機器人協作平臺。這樣能對用戶選型有非常大的幫助。
協作機器人視覺平臺,視覺機器人協作平臺主要功能模塊
（1）邊緣計算終端
邊緣計算終端采用NVIDIA公司的Jetson Nano處理器，該處理器具備GPU運算功能，既可作為邊緣計算終端（即小型電腦）使用，也可進行基于深度學習的數字圖像處理相關的分析和運算。通過在處理器中部署視覺系統SDK、Python和OpenCV等相關軟件和框架，以及與外接設備的通訊協議，學生即可完成從視覺系統硬件搭建、圖像采集、圖像處理，到實驗流程設計與論證，再到視覺系統和外部設備的聯動控制等一系列功能，無需另外配置電腦。
邊緣計算終端主要技術參數如下：
l 處理器：64位四核CORTEX-A57，128核MAXWELL GPU；
l 內存：4GB LPDDR，板載存儲：64GB；
l 接口：USB3.0×4，Micro USB×1， HDMI×1，RJ45×1，DC5.5×2.1電源接口；
l 集成Linux、Python等運行環境，支持數字圖像處理、機器視覺、深度學習等算法、硬件、應用的開發和學習。
協作機器人視覺平臺,視覺機器人協作平臺特點和優勢
（1）支持兩種開發環境。實驗軟件提供jupyter notebook和VS2015兩種開發環境，其中jupyter notebook采用Python編程語言，VS2015采用C++編程語言，用戶根據實際需要選擇，可滿足不同院校的教學要求。
（2）源代碼開放。開放全部軟件框架和算法級源代碼，學生可在代碼層面，通過調參、代碼填充等方式進行應用和驗證性質的課程基礎實驗，也可參考實驗指導書，自行編寫代碼，進行相對復雜的項目實驗。教師則可依托該平臺，進行深度的二次開發。
機械臂參數
|
Mycobot-Pi |
||
|
機械臂參數 |
臂展 |
280mm |
|
自由度 |
6 |
|
|
負載 |
250g |
|
|
電子參數 |
SOC |
BroadcomBCM2711 |
|
CPU |
1.5Hz |
|
|
藍牙/無線 |
yes |
|
|
USB |
USB3.0*2；USB2.0*2 |
|
|
顯示屏幕 |
no |
|
|
HDMI接口 |
microHDMI*2 |
|
|
自定義按鍵 |
no |
|
|
IO接口 |
40 |
|
|
軟件平臺 |
適用于 |
獨立工作 |
|
編程平臺 |
Debian/Ubuntu |
|
|
ROS/Python |
內嵌 |
|
|
圖形化編程 |
內嵌 |
|
協作機器人視覺平臺,視覺機器人協作平臺視覺系統主要硬件如下：
1）工業相機
l 傳感器型號：Sharp RJ33；
l 像元尺寸：3.75 μm×3.75 μm；
l 靶面尺寸：1/3”；
l 分辨率：1280×960；
l 幀率：30 fps；
l 曝光時間：34μs～1sec；
l 黑白/彩色：彩色；
接口：GiGE。
2）工業鏡頭
l 焦距：固定焦距；
l 光圈：手動光圈；
l 像素級別：600萬像素，FA 鏡頭；
l 焦距大小：12mm ；
l F數：F2.8～F16。
3）LED光源
l 光源類別：30度環形光源；
l LED類型：貼片LED；
l 顏色：白色；
l 色溫：6600K；
l 功率：14.4W。
實驗項目
（1）基礎實驗：Python語言程序設計
l python集成開發環境搭建、軟件安裝實驗
l python編程實驗：計算任意輸入整數的階乘
l python編程實驗：漢諾塔問題
l python編程實驗：使用蒙特·卡羅方法計算圓周率近似值
l python編程實驗：使用Numpy進行t檢驗
l python 編程實驗：使用PIL讀取、顯示和處理圖像
l python GUI編程實驗：matplotlib數據可視化
l python GUI編程實驗：動態時鐘設計
（2）基礎實驗：數字圖像處理
l 圖像的代數運算
l 圖像變換
l 圖像分割
l 圖像平滑
l 圖像增強
l 彩色圖像處理
l 形態學處理
l 邊緣檢測
l 直線、圓檢測
l 三角形、矩形檢測
（3）基礎實驗：機器視覺
l 視覺系統搭建與硬件操作
l 圖像采集與顯示
l 視覺定位
l 視覺系統的標定
l 顏色識別
l 形狀識別
l 測量物體尺寸
l 物體有無檢測
（4）課程設計：人臉識別系統
l 能夠錄入人臉數據；
l 能實現身份認證；
l 有專門的用戶操作界面。
（5）課程設計：目標識別系統
l 能夠識別平面彩色目標，如圓形、矩形、三角形，或者利用深度學習技術識別其他復雜結構目標圖案；
l 有專門的用戶操作界面。
（6）課程設計：物體缺陷檢測系統
l 能夠對物體進行預處理；
l 能夠檢測是否有缺陷并提取缺陷特征；
l 能夠輸出缺陷的大小，判斷目標是否合格。
（7）課程設計：OCR字符識別系統
l 能對圖像進行預處理，凸顯出視野中的字符區域；
l 能分析字符形態，如間距、高度等；
l 能將字符逐個分割出來，并進行準確識別，而后顯示。
（8）課程設計：車牌檢測與識別系統
l 能從視頻流中提取特定幀圖像，并進行預處理，濾除干擾信息；
l 能從圖像中定位到車牌位置；
l 對車牌信息進行識別，并輸出到界面。
（9）課程設計：種子計數與分級系統
l 能對圖像進行預處理，濾除干擾信息；
l 能對不同種子進行分割，統計有效種子的數量；
l 能逐個判別種子特征，根據分類依據進行種子分級。
想了解更多的產品產品信息=>教學設備