Documentação técnica da estação de trabalho para aplicações de visão 3D inteligente DLIR-XZ3D
- Dolang
- China
- 30 a 60 dias
A estação de trabalho DLIR-XZ3D para aplicações de visão 3D inteligente integra imagens 3D de alta precisão, reconhecimento inteligente e posicionamento automático. Ela oferece suporte à detecção, medição e orientação precisas em cenários industriais, com desempenho estável, alta compatibilidade e operação simplificada. Ideal para treinamento em automação, P&D e aplicações de produção, ela aprimora a eficiência, garante a precisão e fornece uma plataforma profissional para aplicação da tecnologia de visão 3D e demonstração de documentação técnica.
Visão geral
A Estação de Trabalho Inteligente de Visão 3D DLIR-XZ3D atende às necessidades reais de robôs em cenários industriais, utilizando tecnologia inteligente de visão 3D baseada em câmeras e integrada à tecnologia de planejamento de movimento de robôs industriais. O sistema utiliza visão para detectar objetos a serem classificados e obter informações sobre sua posição. Essas informações são usadas para realizar tarefas como classificar materiais dispersos, medir dimensões, detectar defeitos e localizar objetos. A estação de trabalho consiste principalmente em uma bancada, um robô colaborativo, um módulo de fixação de troca rápida para robôs e um sistema inteligente de visão 3D. Inclui ainda um sistema de câmeras e software, uma caixa de materiais, um computador e mesas, uma bomba de ar silenciosa e isenta de óleo, ferramentas e caixas de ferramentas, recursos didáticos, etc.
Características
Estrutura modular integrada: Cada objeto de execução é um módulo independente, todos instalados em uma plataforma de perfil de alumínio de uso geral, onde cada objeto de execução e circuito de controle elétrico são construídos. Nenhuma ferramenta é necessária para desmontagem e montagem durante o treinamento, e a amplitude de movimento do robô pode atender simultaneamente às necessidades de todo o conteúdo de treinamento.
Design aberto: Possui excelente extensibilidade, permitindo que os clientes desenvolvam novos modelos e acessórios de acordo com suas próprias necessidades, além de suportar o desenvolvimento secundário de sistemas periféricos.
Segurança operacional do equipamento: Possui múltiplas proteções, incluindo curto-circuito, sobrecarga e parada de emergência.
Parâmetros técnicos
Temperatura: -5 a +45°; Umidade ambiente: ≤85% (25°C).
Dimensões do equipamento: Comprimento × Largura × Altura = 1,1 m × 1 m × 1,9 m
Potência total: Aproximadamente 3,0 KVA.
Altitude: ≤4000m.
Potência de entrada: AC220V±10%.
Potência de saída: DC24V.
Ambiente: Vibração ≤0,5G, livre de poeira, gases corrosivos, gases inflamáveis, névoa de óleo, vapor de água, gotejamento de água ou sal, etc.
O sistema está devidamente aterrado: a impedância de aterramento é inferior a 4 ohms.
Pressão do ar comprimido: 0,3-0,7 MPa.
Método de resfriamento: Resfriamento natural.
Tarefas de Design de Avaliação Cumpridas
Seção 1: Treinamento de Robôs
1) robôs colaborativos
2) Instalação do painel de controle do robô colaborativo
3) Instalação de atuadores finais para robôs colaborativos
4) Definindo parâmetros para robôs colaborativos
5) Treinamento prático sobre modos de operação de robôs colaborativos e velocidade manual
6) Visualizar informações frequentemente utilizadas sobre robôs colaborativos
7) Introdução às instruções de programação de robôs colaborativos
8) Backup e restauração de programas de robôs colaborativos
9) Treinamento prático em calibração de sistemas de coordenadas para robôs colaborativos
10) Diagnóstico e manutenção colaborativos de falhas em robôs
Seção 2. Montagem e Ajuste de Câmeras Industriais
11) Seleção de câmeras industriais 2D, lentes e fontes de luz
12) Instalação e depuração de câmeras industriais 2D
13) Instalação e depuração da fonte de luz
14) Instalação e depuração da câmera 3D, seção
3: Treinamento em Aplicação de Comunicação de Equipamentos
Seção 4. Criação do conjunto de dados
15) Coleta de dados
16) Rotulagem de dados
17) Limpeza de dados
Seção 5. Treinamento do modelo alvo
18) Implantação e aplicação de estruturas de aprendizagem profunda
19) Treinamento do modelo de reconhecimento visual
Seção 6. medição de câmera 2D
20) Reconhecimento de cores de objetos-alvo
21) Identificação do tipo de objeto alvo
22) Reconhecimento de caracteres de objetos-alvo
23) Reconhecimento de código de barras de objetos-alvo
24) Medição da distância de objetos-alvo
25) Medição do diâmetro do objeto alvo
Seção 7. Treinamento em câmera 3D
26) Depuração de equipamentos de câmera 3D
27) Depuração de imagens de câmeras 3D
28) Configurações dos parâmetros do algoritmo da câmera 3D
29) Detecção de objetos com câmera 3D
