基于深度学习方法的 3-DOF Delta 机器人自动组装定制餐饮包装的实验研究
机器人学
2025-05-20 v1 计算机视觉与模式识别
摘要
本文介绍了一项关于使用装有两指抓手器的 3 度自由度 Delta 并行机器人进行餐饮包装自动装箱的开创性实验研究。其独特贡献在于应用深度学习方法来解决此挑战。为此策划了一个由 1500 张图片构成的自定义数据集，这是首个聚焦于波斯制造产品的数据集。该研究采用 YOLOV5 模型进行目标检测，随后使用 FastSAM 模型进行分割。随后通过分割掩码计算旋转角度，并生成包围该对象的旋转矩形。该矩形基于一种新颖的特征向量方法来计算两个抓取点。通过大量实验研究验证了所提出模型，相关信息无缝传输至 3-DOF Delta 并行机器人。该算法实现了实时检测、标定及餐饮包装的完全自主装箱过程，成功率超过 80%。本研究标志着机器人系统在包装自动化实际应用中能力提升的重要进步。
引用
@article{arxiv.2505.11879,
title = {Experimental Study on Automatically Assembling Custom Catering Packages With a 3-DOF Delta Robot Using Deep Learning Methods},
author = {Reihaneh Yourdkhani and Arash Tavoosian and Navid Asadi Khomami and Mehdi Tale Masouleh},
journal= {arXiv preprint arXiv:2505.11879},
year = {2025}
}