การจำแนกประเภทขวดเพื่อรีไซเคิลด้วยระบบวิชั่นและแขนหุ่นยนต์
Article Sidebar
Main Article Content
บทคัดย่อ
แขนกลสามารถทำงานหยิบและชิ้นงานและทำงานหลายอย่างที่มีความเสี่ยงแทนมนุษย์ได้ บทความนี้มุ่งเน้นไปที่การใช้แขนกลอุตสาหกรรม เพื่อคัดแยกขวดจำแนกหยิบจับขวดที่ต้องการ โดยใช้ระบบการมองเห็นด้วยระบบวิชั่นโดยใช้การตรวจจับวัตถุด้วยโปรแกรม YOLO v5 เพื่อจำแนกวัตถุตามรูปร่างโดยใช้การมองเห็นผ่านกล้อง ในการทดลองได้ใช้ขวดที่มีลักษณะที่ใกล้เคียงกัน 6 ชนิด มาทำการทดสอบ โดยใช้หลักการการเรียนรู้ของเครื่อง จากนั้นนำระบบวิชั่นไปทดสอบให้ทำงานร่วมกับหุ่นยนต์เพื่อหยิบจับคัดแยกขวดชิ้นงานที่ต้องการนำใส่กล่องเพื่อนำไปรีไซเคิล ระบบวิชั่นสามารถตรวจพบ และคัดแยกขวดที่ต้องการ ได้ ซึ่งใช้เวลาประมาณในการประมวลผลภาพนิ่งประมาณ 0.2 วินาที โดยไม่รวมการนำภาพเข้าระบบ แขนกลสามารถหยิบจับชิ้นงาน โดยใช้เวลาในการหยิบจับจนถึงวางชิ้นงานและกลับไปท่าเตรียมพร้อมเพื่อทำการรอสัญญาณต่อไปใช้เวลาประมาณ 14 วินาที โดยระยะจุดจัดเก็บชิ้นงานวางด้านข้างลำตัวหุ่นยนต์ได้
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
เอกสารอ้างอิง
Zhang X, Xu J, Fu H, Hu S. Research on Moving Arm Grasping Based on Computer Vision. IEEE; 2022. p. 298-301.
Putri SFM, Mardiati R, Setiawan AE. The Prototype of Arm Robot for Object Mover Using Arduino Mega 2560. IEEE; 2022. p. 1-6.
Cong VD. Visual servoing control of 4-DOF palletizing robotic arm for vision based sorting robot system. Interna tional Journal on Interactive Design and Manufacturing (IJIDeM). 2022:1-12.
Hanh LD, Phuc HT. Simultaneously extract 3D seam curve and weld head angle for robot arm using passive vision. International Journal on Interactive Design and Manufacturing (IJIDeM). 2022;16(3):1125.
Markert T, Matich S, Neykov D, Muenig M, Theissler A, Atzmueller M. Visual Detection of Tiny and Transparent Objects for Autonomous Robotic Pick-and-Place Operations. IEEE; 2022. p. 1-4.
Rodziewicz-Bielewicz J, Korzeń M. Comparison of Graph Fitting and Sparse Deep Learning Model for Robot Pose Estimation. Sensors (14248220). 2022 ;22(17):6518.
Sawant N, Tyagi A, Sawant S, Tade SL. Implementation of Faster RCNN Algori thm for Smart Robotic ARM Based on Computer Vision. IEEE; 2022. p. 1-6.
Rakshit A, Pramanick S, Bagchi A, Bhattacharyya S. Autonomous grasping of 3-D objects by a vision-actuated robot arm using Brain–Computer Interface. Biomedical Signal Processing and Control. 2023;84.
Cong Vo D, Hanh Le D, Phuong Le H, Duy Dang A. Design and development of robot arm system for classification and sorting using machine vision. FME Transactions. 2022;50(1):181-.
Ali A, Mohammad Hassan R, Ju Hong P. Computer Vision-Based Path Planning for Robot Arms in Three-Dimensional Workspaces Using Q-Learning and Neural Networks. Sensors. 2022;22(1697):1697-.
SINGHATA N. The 2D Barcodes Identify the Workpieces by using Microcontroller Interface between Image Processing and PLC Machine. Walailak Journal of Science and Technology (WJST). 2021;18(18):9539.
Yu-Ting S, Tzuu-Hseng SL, Meng-Xue C, Song-Jin L, Cheng-Yeh Y, Chang-Wen W, et al. A Fully Automatic Calibration for Vision-Based Selective Compliance Assembly Robot Arm and Its Application to Intelligent Wafer Inspection Scheduling. IEEE Access. 2022;10:50100-13.
