A BBottle Classification for Recycle with Vision and Robot Arm System

Authors

  • Thaweewong Akkaralaertsest Department of Electrical and Telecommunication Engineering, Faculty of Engineering, Rajamangala University of Technology Krungthep
  • Napassadon Singhata Department of Electrical and Telecommunication Engineering, Faculty of Engineering, Rajamangala University of Technology Krungthep
  • Boonchuay jarernpon Department of Electrical Power Engineering Technology Faculty of Industrial Technology, Pibulsongkram Rajabhat University

Keywords:

vision, robot arms, classification

Abstract

Robot arm carry out pick and place tasks with powerful mechanisms that can use it to complete the task in various applications where human jobs are at risk. This paper focused on using robot arms used in industries to carry out pick and place tasks with vision classification. It proposes a mechanical arm grasping system based on computer vision, which uses YOLOv5 object detection to classify objects based on shape by using machine vision. It used to choose an image recognition method which needs a webcam camera. To recognize shape features, followed by the six different types of bottles. Vision system can be separated the target bottle from other things and move it into basket with robot arm. Vision system detects the target bottle to finish its task with 0.2 s of total average time. A robot can be picked and placed an object from belts positions to a basket. The total average time of robot to finish its task is 14 s.

References

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.

Downloads

Published

2023-12-28

How to Cite

[1]
T. Akkaralaertsest, N. . Singhata, and B. . jarernpon, “A BBottle Classification for Recycle with Vision and Robot Arm System”, UTK RESEARCH JOURNAL, vol. 17, no. 2, pp. 13–20, Dec. 2023.

Issue

Vol. 17 No. 2 (2023): July - December 2023

Section

Research Articles

License

Copyright (c) 2023 UTK RESEARCH JOURNAL

Creative Commons License

This work is licensed under a 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