基于改进BP神经网络的食品分拣机器人视觉伺服控制方法

余晓兰 万 云 陈靖照

(1. 重庆城市职业学院，重庆 402160; 2. 郑州大学，河南 郑州 450000)

在以分拣机器人应用为核心的食品生产线上，快速识别和定位作业对象是分拣机器人的重要技术之一[1]。随着生产企业的不断发展和机器人技术的进步，对生产线的效率和机器人工作的复杂性要求越来越严格，机器人加装视觉传感器逐渐成为发展的主流[2]。因此，研究食品分拣机器人的视觉伺服控制方法具有重要的现实意义。

滕游等[3]提出了一种将内部点传输和图像反馈相结合用于视觉伺服预测控制，将视觉控制器设计问题转化为控制量和可视性约束问题，得到控制量的迭代解，并验证了该方法的有效性。陶波等[4]从3个方面(目标函数、轨迹规划、控制器)对无标定视觉伺服控制系统进行了分析，针对轨迹规划可能存在的问题，从空间轨迹优化和避障方面探讨了现有的可行解决方案。李光等[5]提出了一种基于残差BP神经网络的6自由度机器人视觉伺服控制方法，使用多个残差网络模块来加深BP神经网络的深度。结果表明残差模块的输入信息可以跨网络层发送，这就解决了网络模型随深度的增加易出现梯度消失的问题且能提高网络的性能。Li等[6]提出了一种混合视觉伺服系统，可同时控制非完整约束的底盘和机械手；基于移动机器人的运动微分方程，推导出了整个机器人的全局雅可比矩阵，结合位置信息和视觉图像信息推导出HVS控制方程；引入了卡尔曼滤波器来校正机械手边缘的位置和方向，以避免观测位置误差；……