LGGY-BL09X型機器人大模型與視覺檢測生產線

一、產品概述

生產線以視覺系統和協作機器人為核心，面向人工智能、機器人應用和智能制造領域中的視覺識別、定位、檢測等實際應用，搭建典型的機器人+視覺生產線場景。生產線采用高性能運算單元，部署人工智能軟件環境，不僅可以完成常規的數字圖像處理、機器視覺、機器人運動控制等基礎實驗實訓，還可以進行相對復雜的字符識別、缺陷檢測、目標識別、特征分析等綜合性實驗。另外，運算單元中實現了DeepSeek、Qwen等開源大模型的本地化部署，支持大模型技術開發、大模型+視覺、大模型+語音、大模型+機器人等多個行業場景的應用實踐。

二、功能與應用場景

1.開放性實驗環境

實驗代碼在Jupyter Notebook環境中編寫。

2.開放全部源代碼

開放全部軟件框架和算法級源代碼，支持二次開發，提供完善的實驗指導書和技術文檔，并提供產品相關軟硬件的架構與設計方法文檔。

3.部署本地大模型

完成了DeepSeek、Qwen等開源大模型的本地化部署，即部署于本機的運算單元中，除了可以開展大模型基礎應用的學習外，還可以利用大模型和配置的視覺、語音、機器人、傳感器等設備進行交互，面向如智能制造、智能家居、智慧農業等典型場景，開展應用實踐。

4.視覺定位、檢測與識別

視覺技術在實際應用中，通常有三個方向：定位（即計算目標位置，為機器人抓取提供引導）、檢測（即檢測目標的缺陷，如零部件劃痕、缺角等，用于進行良次品分類）、識別（即識別目標的名稱，如識別不同長度的螺桿，用于進行產品種類的分揀）。

本產品在不同的實訓項目中，綜合運用到了上述三類技術：可以通過視覺系統定位目標的位置，機器人準確抓取；也可以進行目標的缺陷檢測，由機器人進行次品剔除；還可以進行目標的尺寸測量或型態識別，由機器人完成目標的分類。用戶可以在開源環境下進行自主開發，面向智能制造、智慧物流等多個場景，開展行業應用。

5.機器人手眼標定

為機器人引入視覺系統，使得機器人可進行自主的、智能化的運動，完成如零部件分類、物流搬運、碼垛、物體分揀等功能。手眼標定有兩種方式：眼在手上、眼在手外。通常來說，對大目標或大范圍多個目標的抓取，需要更大的視野，可以采取眼在手外的方式；對小目標的抓取，則可以采用眼在手上的方式。當然，還需要考慮到機器人的負載和安裝空間，是否在末端安裝了視覺系統后，仍能實現對目標的抓取。本產品綜合采用了眼在手上和眼在手外的方式，滿足不同場景的視覺使用需求。

6.基于視覺的機器人應用

機器人與視覺系統結合，可以對不同尺寸、外觀的目標進行識別，開展目標分揀、智能碼垛、物體識別、字符識別等多種人工智能基礎實訓項目。

7.生產線系統集成

生產線上安裝有步進電機、光電傳感器，通過IO控制器接入運算單元，實現對生產線的啟動、停止、暫停，以及觸發視覺系統拍照、控制機器人定點抓取等動作，從而完成集成化系統運行時的全流程動作。

三、主要硬件參數

1.運算單元

采用一臺高性能計算機，預裝Linux或Windows操作系統，部署DeepSeek、Qwen等開源大模型，并集成Python、OpenCV等運行環境，以及產品運行所需的全部軟件框架和SDK，支持數字圖像處理、機器視覺、機器人、大模型等硬件或應用的開發和學習。

2.2D視覺系統

2D視覺系統即一套標準工業級視覺系統，包括工業相機、鏡頭、LED光源、光源控制器等，通過視覺支架進行集成，安裝于平臺上方，為所有的靜態目標檢測、分析和處理提供實驗的硬件環境。

視覺系統結構如下：

3.深度視覺系統

深度視覺系統采用1臺200萬像素深度體感攝像頭，安裝于機器人末端，用于目標的精確定位與機器人引導。攝像頭可兼容ubuntu，linux和樹莓派等操作系統，兼容USB3.0接口協議，可進行深度信息感知、活體識別等。攝像頭內置立體深度算法，可實現更準確的深度感知及更遠的范圍。通過校準，立體深度感知的誤差率低至2%，在室內和室外環境中最遠可捕獲相距達10米的數據。

4.協作機器人（完全開源）

該機器人是專為教育科研開發的一款產品，融合AI大模型技術，且完全開源，在電機控制上，開放電機、控制器與機器人關節之間的控制源碼；在運動學算法上，開放底層運動學正逆解模型的源碼。通過全方位的開源，用戶可以從事機器人軟硬件層面的各類科研、開發工作。

同時，機器人具有工業機器人的性能，提供多個拓展接口，支持視覺、語音、傳感器等外設模塊的接入，可應用于教學、科研、生產線集成、裝配等領域。

5.輸送線

輸送線上安裝有步進電機、光電傳感器，通過IO控制器接入運算單元，實現與其他系統模塊的協同。

四、實驗項目

1、Python程序設計

2、機器學習

3、深度學習

4、數字圖像處理

5、機器視覺

6、基于視覺的機器人應用

7、大模型技術基礎

8、大模型+視覺應用案例

9、大模型+語音應用案例

五、綜合實訓

1.機器人的控制

機器人主要由多路電機和外部結構組成，通過對單個或多個電機進行控制，運動到指定角度，即實現機器人的控制。機器人自身可在空間中執行任意點的運動，同時，自帶有吸盤，可完成對指定物體的抓取。實訓中，通過對電機和吸盤的控制，可操作機器人完成各種豐富的動作；

2.AI+視覺自動倉儲

采用AI技術和計算機視覺技術，控制機器人進行倉庫貨物的自動分揀、整理。運算單元中搭載深度學習算法，視覺系統對貨物進行識別和分類，機器人對貨物進行多個倉位間的搬運，或者對貨物進行整理歸位；

3.基于AI的圖象識別和抓取

基于運算單元中搭載的算法模型，可進行物體識別與分類、電子產品識別、車牌識別、水果識別、OCR字符識別、產品缺陷檢測等應用，并可控制機器人對不同種類的物體進行抓取和分類。

4.機器人大模型調試與部署

運算單元中內置機器人大模型，支持通過語音或文本指令，由大模型自主生成機器人的真實控制代碼。用戶可在此基礎上對大模型進行調參，實現更加豐富的功能，比如開發多模態語境下的物體抓取功能，由機器人自主進行指令分解，生成動作規劃，合成為需要執行的動作邏輯，并最終完成物體的抓取；

5.具身智能技術開發與應用

在上述機器人大模型的基礎上，可融合視覺、語音、傳感器等功能，開發具身智能應用案例。用戶發出產品分類需求，機器人可首先調用視覺系統觀察環境中的物體，然后通過大模型分析，將產品依次取出，按照類別有序的擺放于操作平臺上。比如，對物料筐中的螺絲刀、膠帶、軸承等多種型態的物體進行分類。

上一篇：LGGY-BL08X型機器人大模型與視覺協同控制平臺
下一篇：沒有了

亚洲91精品在线观看_精品一区二区三区中文字幕在线_日韩午夜免费视频_在线观看欧美www

LGGY-BL09X型機器人大模型與視覺檢測生產線