การจำแนกประเภทขวดเพื่อรีไซเคิลด้วยระบบวิชั่นและแขนหุ่นยนต์

ผู้แต่ง

  • ทวีวงศ์ อัครเลิศเศรษฐ ภาควิชาวิศวกรรมไฟฟ้าและโทรคมนาคม คณะวิศวกรรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ
  • นภัสดล สิงหะตา ภาควิชาวิศวกรรมไฟฟ้าและโทรคมนาคม คณะวิศวกรรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ
  • บุญช่วย เจริญผล ภาควิชาวิศวกรรมไฟฟ้าและโทรคมนาคม คณะวิศวกรรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ

คำสำคัญ:

ระบบวิชั่น แขนกลอุตสาหกรรม การคัดแยก

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

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.

ดาวน์โหลด

เผยแพร่แล้ว

12/28/2023

รูปแบบการอ้างอิง

[1]
อัครเลิศเศรษฐ ท. ., สิงหะตา น. ., และ เจริญผล บ. ., “การจำแนกประเภทขวดเพื่อรีไซเคิลด้วยระบบวิชั่นและแขนหุ่นยนต์”, UTK RESEARCH JOURNAL, ปี 17, ฉบับที่ 2, น. 13–20, ธ.ค. 2023.

ฉบับ

ประเภทบทความ

บทความวิจัย