机器视觉在广州数控工业机器人上的应用
机器视觉在广州数控工业机器人上的应用_刘颖君_冯木易_廖骏森
2014年第24期科技创新科技创新与应用机器视觉在广州数控工业机器人上的应用刘颖君1冯木易2廖骏森1（1、华南理工大学广州学院，广东广州5108002、浙江欣亚电器有限公司，浙江舟山316000）引言视觉传感是应用在生产装置上的一种电子图像技术。
通过视觉传感器把图像抓取到，然后将该图像传送至处理单位，通过数字化处理，根据像素分布和亮度、颜色等信息，与工业机器人配合使用来进行尺寸、形状、颜色等的判别与物料分拣，进而控制设备生产工作。
1视觉传感器1.1视觉传感器的概念及工作原理视觉传感是应用在生产装置上的一种电子图像技术。
通过视觉传感器把图像抓取到，然后将该图像传送至处理单位，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。
并根据判别结果进而控制设备生产工作。
整个视觉传感器主要有三部分组成：图像的获取、图像的处理和分析、输出或显示。
视觉传感器具有从一整幅图像捕获光线的数以千计像素的能力，图像的清晰和细腻程度常用分辨率来衡量，以像素数量表示。
无论距离目标数米或数厘米远，传感器都能“看到”细腻的目标图像。
在捕获图像之后，视觉传感器将其与内存中存储的基准图像进行比较，以做出分析。
1.2视觉传感器的优势及其应用视觉传感器的低成本和易用性已吸引机器设计师和工艺工程师将其集成入各类曾经依赖人工、多个光电传感器，或根本不检验的应用。
视觉传感器的工业应用包括检验、计量、测量、定向、瑕疵检测和分捡。
本设计采用康耐视机器视觉，本视觉系统具备智能型视觉工具，使用In-sight Explorer软件可以进行各类型的函数参数设计。
此外，In-Sight系统，可与PLC、机械手网络及PC设备接合。
识别原理：利用物品形状的不同，反射光源面积大小的不同，使得生成的图像的象素灰度值的大小不同，从而进行物品的识别。
本次项目，利用视觉系统识别的物件有三种，分别为方形、圆形及六边形。
具体的视觉程序步骤如下。
机器视觉技术在机器人制造中的应用
机器视觉技术在机器人制造中的应用伴随着科技的日新月异，机器人已经逐渐成为工业领域中不可或缺的一部分。
而机器人的稳定、快速、高精度的工作离不开机器视觉技术的支持。
机器视觉技术的广泛应用，不仅提高了机器人的生产效率和制造精度，同时也大大缩短了制造周期和施工时间。
首先，在机器人适应差异化场景的制造中，机器视觉技术已经被广泛应用。
针对不同类型的机器人，在不同的生产环境下，机器视觉技术可以通过处理传感器数据，判断生产环境中物体的大小、位置、距离等参数，实现自主定位、自动化操作。
其次，在机器人视觉检测中，机器视觉技术的应用也十分重要。
机器人的识别能力和准确性十分关键，而传统的图像处理方法一般需要人力干预，不够高效。
而机器视觉技术通过不断的图像识别和对比，可以自动判断机器人所处环境中存在的所有物体，并根据需要进行操作和处理。
同时，通过对制造过程的实时监控，机器视觉技术可以快速地发现并纠正生产中的错误，提高了产品制造的准确度。
靠机器视觉技术，机器人不仅能够快速地完成工业任务，还可以为高效、精准的制造流程提供基石。
机器人的使用，已经在各个行业中被广泛应用，如汽车、化工、石油、食品、电子等。
而机器人制造的发展离不开机器视觉技术的不断进步和创新。
未来的机器人视觉技术将更加的智能化和高效化，为机器人带来更稳定、可靠和灵活的工作状态，并实现各方面的生产自动化。
总之，机器视觉技术在机器人制造中的应用已经取得了长足的进步，为制造业增加了新的思路和发展方向。
然而，机器视觉技术还存在许多可以拓展的空间，希望在未来的研究和发展中，机器视觉技术能够更加精确、准确、快速地支持机器人制造，为人们带来更多的便利和发展前景。
机器视觉在机器人领域的应用
机器视觉在机器人领域的应用机器视觉是指利用计算机和相应的传感器技术，使机器能够“看”和“理解”图像的能力。
这项技术在机器人领域的应用越来越广泛，并且正日益成为现代机器人的核心技术之一。
本文将探讨机器视觉在机器人领域的应用，并讨论它所带来的重要影响。
一、目标识别与跟踪机器视觉在机器人中最常见的应用之一是目标识别与跟踪。
通过使用图像处理算法和模式识别技术，机器可以识别和跟踪特定的目标，如物体、人体、面部等。
这项技术在自动导航、工业生产线上的自动化操作和智能监控等领域发挥着重要作用。
例如，在无人驾驶汽车中，机器视觉可以帮助车辆实时检测并识别道路标识、行人和其他车辆，从而保证驾驶的安全性和精确性。
二、三维建模与重建另一个重要的机器视觉应用是三维建模与重建。
通过将多个二维图像进行处理和分析，可以生成物体的三维模型。
这不仅可以帮助机器人更好地理解和感知周围环境，而且可以应用于虚拟现实、制造业和档案保护等领域。
例如，在制造业中，机器视觉可以使用三维重建技术来检查产品的质量和尺寸，从而提高生产效率和品质。
三、运动规划与控制机器视觉还可以应用于机器人的运动规划与控制。
通过识别环境中的物体和结构，并分析它们的运动状态，机器人可以根据实时反馈调整其行为和动作。
这项技术被广泛应用于自主导航、机械臂控制和协作机器人等领域。
例如，在医疗机器人中，机器视觉可以帮助机器人精确地定位和操作手术工具，从而提高手术的精确性和安全性。
四、人机交互与情感识别随着机器视觉技术的不断发展，人机交互和情感识别成为机器人领域的新兴应用。
机器视觉可以帮助机器识别人类的面部表情、动作和情感状态，从而更好地理解和回应人类的需求和情绪。
这项技术在社交机器人、智能助理和虚拟现实等领域有着广阔的前景。
例如，智能助理可以根据用户的面部表情和姿态调整自己的行为和表达，提供更加个性化和贴近用户需求的服务。
总结起来，机器视觉在机器人领域的应用非常广泛，涵盖了目标识别与跟踪、三维建模与重建、运动规划与控制以及人机交互与情感识别等多个方面。
机器视觉技术与工业机器人的应用
机器视觉技术与工业机器人的应用随着科技的不断进步与发展，机器视觉技术在工业机器人领域中的应用也日益广泛。
机器视觉技术是一种通过计算机视觉系统来模拟人眼的视觉能力，以达到感知、识别和处理图像的目的。
在工业机器人中，机器视觉技术的应用可以提高生产效率、降低生产成本，并且有效减少了人力资源的依赖。
一、机器视觉技术在工业机器人的视觉引导中的应用在工业生产过程中，机器视觉技术可以被用于机器人的视觉引导。
通过安装在工业机器人上的相机和图像处理算法，机器视觉系统可以对工件或环境进行实时图像识别和处理，以准确地完成各种复杂任务。
例如，当机器人需要将某个物体从一个位置移动到另一个位置时，机器视觉系统可以实时捕捉图像，并通过图像处理算法来确定物体的位置、大小和姿态，从而指导机器人进行精准的抓取和移动。
二、机器视觉技术在工业机器人的质量检测中的应用机器视觉技术在工业机器人的质量检测中也起到了关键作用。
通过安装在工业生产线上的机器视觉系统，可以对产品进行自动化的质量检测。
机器视觉系统可以对产品的外观进行高速拍摄和分析，识别出产品表面的缺陷、瑕疵等问题，并及时通知工人进行处理。
这种自动化的质量检测方式不仅提高了生产效率，还可以避免了由于人为因素而导致的质量问题。
三、机器视觉技术在工业机器人的安全保障中的应用工业机器人在生产过程中可能会对人体造成伤害，因此安全保障是至关重要的。
机器视觉技术可以通过监测和识别人体的位置和姿态来确保工业机器人的安全运行。
例如，当机器人感知到有人靠近或进入危险区域时，机器视觉系统可以立即发出警报信号，使机器人停止运动，以避免意外事故的发生。
此外，机器视觉技术还可以检测机器人本身的状态，及时发现故障并进行修复，确保机器人的正常运行。
四、机器视觉技术在工业机器人的智能化操作中的应用借助机器视觉技术，工业机器人的操作和控制变得更加智能化。
通过识别周围环境和感知自身位置，机器视觉系统可以向机器人提供准确的导航和路径规划，从而实现自主操作和避障。
机器视觉在工业机器人抓取操作中的应用
机器视觉在工业机器人抓取操作中的应用随着自动化技术的不断发展，机器视觉在工业机器人抓取操作中的应用越来越广泛。
机器视觉作为一种新兴的视觉技术，可以实现对环境进行感知和识别分析，为工业机器人的操作提供了有效的手段。
一、机器视觉在工业机器人抓取操作中的基本原理工业机器人的抓取操作需要依赖于实时的图像处理技术，将机器人与环境间的信息传递实现自主化的操作。
机器视觉系统通过摄像头、处理器、软件等组成，实现对工作场景的实时感知和识别分析，为工业机器人的操作提供了基础条件。
二、机器视觉在工业机器人抓取操作中的优势基于机器视觉技术的工业机器人在抓取操作中，相比传统的手动抓取方式具有以下优势：1.精度高：机器视觉系统能够快速地对环境进行感知和识别，提高了抓取的精度和稳定性。
2.效率高：工业机器人搭载机器视觉系统后，能够根据实际的抓取需求进行快速的判断和决策，提高了抓取的效率。
3.成本低：机器视觉系统可以自动完成识别和判断的过程，减少了对人力资源的需求，降低了人工成本。
三、机器视觉在工业机器人抓取操作中的应用实例1.物料抓取：通过机器视觉系统对物料的分析，可以实现对目标物料的自动识别和抓取，提高了生产线的效率与稳定性。
2.装配操作：机器视觉技术可以对装配件的状态进行感知和识别，实现精准的装配操作，提高了产品质量和生产效率。
3.混料分拣：机器视觉技术可以对混杂的物料进行分拣，实现高效的物料分类和整理，提高了物料处理的效率。
四、机器视觉在工业机器人抓取操作中的未来发展未来，机器视觉技术将会继续发展，为工业机器人抓取操作提供更加高效、智能的服务。
随着人工智能、云计算、物联网等技术的发展，机器视觉技术将整合更多的数据和信息，快速对环境进行感知和识别，提高工业机器人的抓取效率和精度。
总之，机器视觉在工业机器人抓取操作中的应用，不仅提高了生产效率，降低了成本，还能为工业机器人操作带来更高效、智能的服务。
未来，机器视觉技术将继续进一步发展，为工业机器人抓取操作领域带来更多的优势和发展机会。
机器视觉在工业机器人领域的应用研究
机器视觉在工业机器人领域的应用研究随着科技不断发展和进步，机器视觉技术在工业机器人领域的应用越来越普遍。
机器视觉是指利用摄像头、光学镜头等设备采集图像，并通过算法处理，识别出图像中的物体、形状、颜色等信息。
在工业机器人应用中，机器视觉技术被广泛应用于产品检测、物料分类、装配等领域，为工业自动化生产带来了更高效和更精准的解决方案。
一、机器视觉在产品检测领域的应用产品检测是工业生产中最为重要的一环，也是最容易出现问题的环节之一。
例如，在生产手机时，检测环节就要求工业机器人通过机器视觉技术识别手机外观和内部装配，检测是否存在缺陷、异物或组装不到位等情况。
另外，在生产钢管时，还需要通过机器视觉技术对钢管壁厚、直径等参数进行检查，以确保产品符合规定标准。
这些产品检测工作对制造企业来说，是确保产品质量和提高生产效率的关键。
二、机器视觉在物料分类领域的应用在工业生产过程中，常常需要对不同物料进行区分和分类。
例如，分类输送石子、砂石和混凝土等建筑材料时，需要通过机器视觉技术进行识别和分类。
在食品加工方面，也需要借助机器视觉技术对食品进行分类，如识别进口水果的品种、等级等。
物料分类的精准和高效，不仅提高产品品质，而且还降低了劳动力成本。
三、机器视觉在装配领域的应用在实际生产中，常常需要对多个零部件进行精准的装配。
这时，机器视觉技术可对零部件的外观、尺寸、位置等信息进行检测和识别，并通过联动控制工业机器人完成零部件的自动装配。
机器视觉技术的应用，不仅实现了生产线的自动化，还降低了人工介入的重复性工作和错误率，大幅提升了生产效率和稳定性。
四、机器视觉技术的发展趋势机器视觉技术的应用范围日益扩大。
在工业机器人应用中，机器视觉技术的发展趋势主要表现在以下几个方面：1. 对精度和速度的不断追求随着工业机器人的快速普及和应用，机器视觉技术要求越来越高，对精度和速度的要求越来越高，同时还要兼顾耐用性和稳定性。
2. 算法的不断优化机器视觉技术主要由摄像头、光源、传感器和算法等组成。
机器视觉技术在机器人中的应用
机器视觉技术在机器人中的应用如今，机器视觉技术已经被广泛地应用在机器人领域中，成为了机器人智能化、自主化的重要手段。
机器视觉技术，顾名思义，就是利用计算机的图像处理技术来实现对图像的识别、分析、处理和应用的一种技术。
它不但与人类的视觉系统有异曲同工之妙，而且具备着计算机所独有的优势，如大规模数据处理能力、高效率、低成本、不疲劳等。
正是这些优势，让机器视觉技术得以广泛应用在机器人领域中。
一、机器人视觉技术的发展历程机器人视觉技术从诞生之日起，就受到了众多研究者的关注和努力。
早在上个世纪70年代，美国就已经研发出了第一台具有视觉功能的机器人。
这台机器人主要利用了计算机的图像处理能力来实现对图像的处理和分析，从而实现了视觉功能。
然而，由于当时机器视觉技术的原始性和不成熟性，机器人视觉技术并没有得到广泛应用。
随着科技的发展和人们对机器人技术的理解加深，机器视觉技术逐渐开始发挥它的重要作用。
经过多年的发展和努力，机器视觉技术终于在机器人领域中广泛应用，并慢慢地得到了完善和提高。
二、机器视觉技术在机器人领域中的应用1. 机器视觉技术在机器人智能导航方面的应用机器人智能导航是机器人领域中一个十分重要的应用方向。
利用机器视觉技术，可以实现对机器人周围环境的实时感知和识别，从而通过计算机的高效处理能力，实现对机器人的导航。
例如，在无人车的开发中，机器视觉技术可以通过识别道路、标线和障碍物等来快速地规划出路线。
同时，机器视觉技术还可以通过对周围环境的人、物体等进行识别，帮助机器人避开障碍物、识别交通灯等。
2. 机器视觉技术在机器人物体识别方面的应用随着机器人技术的发展，机器视觉技术的应用范围也在不断扩大。
机器人物体识别是机器人视觉技术中的一个重要分支，主要是指通过机器视觉技术来实现对物体的识别和分类。
在工业自动化中，机器人视觉技术可以通过对工业制品进行识别和分类，可以帮助机器人在制造过程中快速地对物品进行拣选、组装等操作。
机器视觉在工业机器人技术方面的应用探究 袁东
机器视觉在工业机器人技术方面的应用探究袁东发表时间：2019-07-23T15:03:18.730Z 来源：《科技研究》2019年5期作者：袁东[导读] 本文将针对机器视觉技术的工作原理进行分析阐述，同时针对机器视觉技术在工业机器人技术中的实践应用进行有效总结。
（广东天机机器人有限公司广东东莞 523000）摘要：机器视觉技术是当前人工智能技术发展的一项重要分支，同时也是工业机器人技术研究进步的一项重要内容。
机器视觉技术的进步及应用，能够实现工业机器人技术的有效突破，对帮助工业机器人完成极端操作条件下的工作任务有非常重要的作用，同时也是提升工业机器人技术在工业生产过程中生产精度、工作效率、自动化程度的一项重要技术类型。
基于此，本文将针对机器视觉技术的工作原理进行分析阐述，同时针对机器视觉技术在工业机器人技术中的实践应用进行有效总结。
关键词：机器视觉技术；工业机器人技术；工作原理；实践应用当前工业机器人技术已经成为现代化工业生产过程中不可或缺的一项重要技术内容，其作为现代科学技术发展过程中一项非常重要的代表类技术，能够通过对多项学科技术的融合、转化来实现机器人技术中的集成化设计和制造，对提升机械制造行业、汽车制造行业、电器配件生产行业等诸多行业的工作效率、优化上述行业的工作标准等均发挥了非常重要的作用。
而电子视觉技术同样作为一种综合技术，其在工业机器人技术中的应用能有效提升工业机器人的灵活性程度、自动化程度和智能化程度，对提升工业机器人的生产效率和自动标准亦有积极作用。
基于此，本文将针对机器视觉技术的工作原理进行分析阐述，同时针对机器视觉技术在工业机器人技术中的实践应用进行有效总结。
一、机器视觉技术的工作原理简单的来说，机器视觉技术是一种使用机器眼来代替人眼进行测量、判断、操作的技术类型，其能够将相应的视觉传感技术应用在生产装置的设计及制造过程中，以此获得被监测目标的电子图像并借助专业的图像处理系统对被监测目标的个体特性进行图像处理，以此对被监测目标进行有效的特征分析和检测判断，以此为据来实现对工业机器人的有效控制。
机器视觉技术在智能机器人中的应用
机器视觉技术在智能机器人中的应用随着科技的发展和智能化的时代到来，人工智能技术得到了越来越广泛的应用，机器视觉技术是人工智能技术中非常重要的一部分。
机器视觉技术利用计算机和数字图像处理技术对来自于摄像头、传感器等设备所接收到的图像信息进行处理，使机器能够像人一样获取环境信息，并根据所掌握的信息进行决策和行动。
在智能机器人中，机器视觉技术的应用发挥着非常重要的作用。
一、让机器人更智能机器视觉技术主要是让机器能够更好地获取和理解环境数据的一种技术。
与传统的计算机技术相比，机器视觉技术的优势在于它能够模拟人类眼睛，使机器能够获取与环境有关的图像信息。
它可以从环境中获取大量的图像数据，并通过数据处理和分析学习环境内部的规律性，从而具备了智能的能力，这是智能机器人得以实现的重要前提之一。
例如，在家庭服务机器人中，其视觉系统能够识别各种物品，包括食品、饮料、洗衣用品、清洁用品等。
当机器人接受用户的指令时，根据对物品的识别和记忆，让机器能够更好地完成任务。
这个过程中，机器视觉技术对机器的智能化起到了非常关键的作用。
二、实现更好的导航定位机器视觉技术不仅可以使机器人更加智能，还可以实现更好的导航定位。
在机器人导航系统中，视觉导航技术是实现机器人自主导航的原理之一。
机器人通过激光传感器或者视觉感知设备识别出环境中的关键特征，从而能够高效准确地完成导航任务。
例如，在智能仓储机器人中，机器视觉技术可以让机器人识别出物流库房内的货架、货物和各种标志物，以便更好地完成货物的存储、拣选和分发，大大提高了物流效率和准确率。
三、实现自主控制机器人需要实现智能化和自主化，才能真正成为人类的智能伙伴。
机器视觉技术的应用能够让机器人实现自主控制。
在工业自动化领域，机器视觉技术可以帮助机器人实现自主控制，不仅提高了工作效率和稳定性，还大大减轻了工人的劳动强度，保证了生产安全。
例如，在工业装配和生产过程中，由于零部件型号、尺寸等差异都很大，处理起来非常复杂，机器人视觉技术可以通过处理图像信息，进行信息比对等工作，使机器人具备自主控制能力。
机器视觉技术在工业机器人中的使用技巧
机器视觉技术在工业机器人中的使用技巧工业机器人在现代生产中起着至关重要的作用，而机器视觉技术的应用使得工业机器人的功能和效率得到了显著提高。
机器视觉技术通过使用相机和图像处理算法，使机器能够“看到”并理解其周围环境中的信息。
在工业机器人中，机器视觉技术能够实现识别、定位、测量和质量控制等任务。
本文将介绍机器视觉技术在工业机器人中的使用技巧，以提高工业生产过程的效率和精确度。
一、合适的相机选型在选择相机时，需要考虑到工业机器人的具体应用需求和环境条件。
一方面，要选择具有合适分辨率和帧率的相机，以满足任务的要求。
分辨率决定了相机能够捕捉到的图像的细节程度，而帧率决定了相机每秒能够捕捉到的图像数量。
另一方面，还要考虑相机的抗干扰能力和耐用性，因为工业环境中常常会有振动、灰尘和光照变化等干扰因素存在。
因此，选择具有适应能力强、抗干扰能力高和耐用性好的相机是至关重要的。
二、合适的图像处理算法机器视觉技术的核心是图像处理算法的应用。
不同的工业机器人任务需要使用不同的图像处理算法。
例如，对于识别任务，常用的算法包括模板匹配、特征提取和深度学习等。
而对于定位和测量任务，常用的算法包括边缘检测、颜色识别和形状匹配等。
因此，在应用机器视觉技术时，需要根据具体任务选择合适的图像处理算法进行处理，以获得准确的结果。
三、光照和环境控制光照和环境条件对于机器视觉技术的应用至关重要。
首先，合适的光照条件可以提高图像的质量，从而提高机器视觉算法的精确度。
可以通过调整光源的位置和强度，使用遮挡物和反射板等方式来控制光照条件。
其次，要注意环境中的干扰因素，例如灰尘、震动和温度变化等，对相机和图像处理的影响。
可以通过使用干净的工作环境、减小振动和温度控制等方式来减少干扰因素的影响。
四、标定和校准对于使用机器视觉技术的工业机器人，标定和校准是非常重要的步骤。
标定是指确定相机和机器人坐标系之间的转换关系，以便机器人能够根据相机图像的信息做出正确的决策。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
机器视觉在广州数控工业机器人上的应用
文章介绍了康耐视视觉传感器应用在广州数控工业机器人的物料分拣系统中。
通过PLC将视觉传感器与工业机器人连接起来，用于工件的分拣与搬运，通过实验样机的线路设计，程序编写与调试探讨了视觉传感器的优越性及其在工业机器人生产过程中的应用。
标签：视觉传感器；工业机器人；PLC
引言
视觉传感是应用在生产装置上的一种电子图像技术。
通过视觉传感器把图像抓取到，然后将该图像传送至处理单位，通过数字化处理，根据像素分布和亮度、颜色等信息，与工业机器人配合使用来进行尺寸、形状、颜色等的判别与物料分拣，进而控制设备生产工作。
1 视觉传感器
1.1 视觉传感器的概念及工作原理
视觉传感是应用在生产装置上的一种电子图像技术。
通过视觉传感器把图像抓取到，然后将该图像传送至处理单位，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。
并根据判别结果进而控制设备生产工作。
整个视觉传感器主要有三部分组成：图像的获取、图像的处理和分析、輸出或显示。
视觉传感器具有从一整幅图像捕获光线的数以千计像素的能力，图像的清晰和细腻程度常用分辨率来衡量，以像素数量表示。
无论距离目标数米或数厘米远，传感器都能“看到”细腻的目标图像。
在捕获图像之后，视觉传感器将其与内存中存储的基准图像进行比较，以做出分析。
1.2 视觉传感器的优势及其应用
视觉传感器的低成本和易用性已吸引机器设计师和工艺工程师将其集成入各类曾经依赖人工、多个光电传感器，或根本不检验的应用。
视觉传感器的工业应用包括检验、计量、测量、定向、瑕疵检测和分捡。
本设计采用康耐视机器视觉，本视觉系统具备智能型视觉工具，使用In-sight Explorer软件可以进行各类型的函数参数设计。
此外，In-Sight系统，可与PLC、机械手网络及PC设备接合。
识别原理：利用物品形状的不同，反射光源面积大小的不同，使得生成的图像的象素灰度值的大小不同，从而进行物品的识别。
本次项目，利用视觉系统识别的物件有三种，分别为方形、圆形及六边形。
具体的视觉程序步骤如下。
1.2.1打开工具栏菜单：图案匹配FindPatterns ，双击FindPatterns。
1.2.2选中模板区域和搜寻区域。
1.2.3打开工具栏菜单：打开储存固定区域Region，双击Region。
1.2.4选中模板区域。
1.2.5打开工具栏菜单：输入Extracthistogram ，双击。
1.2.6选中外部区域，外部区域选择Region，单击选择文本。
2 工业机器人
2.1 国内工业机器人的发展情况
我国工业机器人起步于70年代初期，工业机器人作为最典型的机电一体化数字化装备，技术附加值很高，应用范围很广，作为先进制造业的支撑技术和信息化社会的新兴产业，将对未来生产和社会发展起着越来越重要的作用。
事实上，中国的制造业正在迅速进入机器人时代。
2.2 广州数控工业机器人在系统中的应用
本设计为视觉传感器在工业机器人上的应用研究，利用可编程控制器、视觉传感器与机器人结合分拣不同形状物件。
由视觉传感器检测不同形状物件，经计算机分析图像、辨别，输出信号给可编程控制器，最后由工业机器人抓取物件、搬运，完成“识别-抓取-搬运”的流程。
工业机器人对视觉信号的采集与分拣程序包括材料抓取，跳转判定及搬移工作，程序部分如下。
L01：标签一
MOVL P019，V060，Z0；机器人原点P019
WAIT IN17==ON；PLC给信号触发
MOVL P020，V060，Z0；移动到抓取点
SET OUT18，ON；吸盘吸
DEAY T000.5S；延时0.5S
MOVL P019，V060，Z0；返回P019
GOTO L05 IF IN19==ON；跳转标签5
GOTO L04；跳转标签4
L05：标签5
GOTO L03 IF IN18==ON 跳转标签3
GOTO L02；跳转标签2
L02：标签2（圆形分拣）
MOVL P023，V060，Z0；
MOVL P024，V060，Z0；
SET OUT18，OFF；吸盘放
MOVL P023，V060，Z0；
GOTO L01；回原点
分拣任务分三步走，圆形，方形，六边形材料分拣。
在机器人分拣动作启动之前，它处于一直扫描中，当有材料过来，机器人从原点移动到材料上方点P020，吸盘打开吸取材料，延时0.5S。
当IN19不置ON时，程序直接跳转到标签4，也就是六边形分拣的路线。
同理其它形状分拣。
跳转判定完成后，就从原点对材料进行搬移工作，把材料放到指定点，机器人再回到原点，等待下一次的抓取。
通过系统调试，能达到准确的分拣不同形状的工件。
3 结束语
视觉传感器与工业机器人都随着科技的进步在不断地发展与完善。
而由于视觉传感的介入，工业自动化将朝着更智能、更快速的方向发展。
总而言之，机器视觉的未来是非常乐观，也是充满信心的。
参考文献
[1]孙宝元，杨宝清.传感器及其应用手册[M].北京：机械工业出版社，2011.
[2]贾云得.机器视觉[M].北京：科技出版社，2000.
冯木易（1978-），男，湖北天门，现就职于浙江欣亚电器有限公司，电气工程师。
廖骏森，华南理工大学广州学院机械工程学院，机械电子工程，学生。