登录社区云,与社区用户共同成长
邀请您加入社区
*PIDS送料机本身就具备伺服电机驱动,位置精度足够高(与PIDS主机之间采用CAN2.0B通信,控制精度可达微米级),焊接前后螺柱位置的变化天然包含了熔深信息,只需要在软件层面增加计算逻辑,即可实现"零成本传感器"的熔深监测。在PIDS系统的焊接过程中,焊接电流阶段电弧在工件表面以及螺柱端面生成一个熔池,随后伺服电机通过反向电流作用,使螺柱压入熔池;,迫使人工干预**的硬闭环。焊接结束后,若熔池
电冷器自动叠片机工作站,通过工业机器人与视觉检测系统的协同作业,实现了两款不同主板与翅片等子零件的自动上料、视觉检测与自动堆叠,覆盖从零件抓取到成品输出的完整作业流程。
对于物流拆零分拣机,瓶装物、超小件和其他异形包装在输送、抓取、转运或落格过程中容易掉落。传统视频检测通常只能识别单帧中的物体,难以判断一个包裹是否“脱离正常轨迹并最终掉出系统”。更有效的方案不是简单更换目标检测模型,而是建立一套“视频追踪+时序事件识别+视觉语言模型推理”的系统:传统视觉算法负责实时发现异常候选,大模型结合前后视频、设备状态和业务规则判断是否真正发生掉料。Bright Data V
传统方案换胶型就得重新调参,斯睿特基于本源Metis多模态大模型,自动提取胶条特征生成检测参数,机器人位置变了也不用人工干预。四激光+AI视觉融合,不是简单把激光从2路加到4路,而是用AI把四路数据“消化”好——自动标定、自动识别、自适应调整,让复杂三维检测变得开箱即用。新能源电池包密封胶检测、汽车白车身涂胶,这种“漏检=事故”的场景,四激光几乎刚需。四激光方案价格通常是单激光的2-3倍。工件平面
本文聚焦汽车冲压车间下料码筐环节的智能化升级,剖析了传统人工搬运与机器人示教方式在效率、柔性与精度上的痛点,并介绍了梅卡曼德 AI + 3D 视觉自动化装筐解决方案。方案通过 3D 视觉识别定位料筐关键特征、结合自研视觉与机器人编程软件,实现精准放置、柔性换型与防错检测,助力汽车制造从自动化迈向智能化。
在 3C 电子、半导体封测、精密医疗器械、汽车微型传感器以及精密机加工等制造领域,微小零件高精度视觉检测是保障产品零缺陷交付的关键工序。随着工件尺寸向微米级缩减,传统人工肉眼检测不仅效率低下、容易疲劳漏检,而且难以满足严格的质量追溯要求。传统的固定式视觉检测专机虽有高分辨率优势,但在应对“多品种、小批量、复杂三维曲面及多角度盲区”时,往往面临视角受限、换线调机极其繁琐的瓶颈。为了突破这一局限,“高
本文基于某乳品企业项目,提出3D工业相机+机器人的自动化解决方案,攻克大垛型周转箱拆码垛的工程难点
可工业制造最核心、最贵的技能,恰恰是**「柔性换产」**——物料换了,检测模型和作业配方一键切换,不用动一根螺丝。可企业真正要的,是**「整线联调」**的人:用一根以太网、一套时序,把视觉、机器人、PLC 串成一条能连续作业的产线。,是「看 → 想 → 抓 → 执行」能闭环——视觉识别的缺陷坐标、工件数据,能实时喂给机器人,让它自己补偿、自己抓、自己分拣;说白了,实训室的钱要花在刀刃上——不是买更
针对协作机器人码垛存在传感器误差、集成复杂等痛点,TMcraft 码垛工具套件可与 TMflow 联动,具备仿真碰撞检测、3D 视觉混合拆垛能力,设备兼容性好、上手门槛低。机器人占地小、柔性强,最高负载 30kg,适配多种物料码垛拆垛场景。
大尺寸视觉检测方案综述 本文系统分析了大尺寸工件视觉检测的四种主流解决方案及若干补充方案: 主流方案: 龙门式影像仪:精度最高(μm级),需搬运工件,适合汽车/航空领域 多相机阵列:在线检测优势明显,但标定复杂,适合平面工件 移动测量机器人:设备移动检测,适合超大型不可搬运工件 多传感器融合:结合光学/激光/探针,适合复杂检测需求。
高铁动车组检修面临时间窗口短(2-3小时)、人工检查效率低(240分钟/列)和漏检风险(覆盖率不足60%)等痛点。解决方案采用多类型机器人协同作业体系:车底检测机器人(45分钟完成扫描,精度1mm)、挂轨式车顶机器人(40分钟/列)和轮式设备舱机器人(8分钟/舱),实现1200+检查点98%覆盖率。实施后单列检修时间缩短至90分钟,效率提升2.7倍,缺陷识别准确率达96.8%,数据完整率99.5%
《轨道交通车辆段智能巡检机器人解决方案》摘要 针对传统人工巡检效率低、隐患发现滞后等问题,本方案提出多形态机器人协同的智能巡检系统。通过轮式、挂轨式机器人及无人机组合,覆盖车辆段95%以上巡检区域,实现单次巡检时间从4小时压缩至42分钟,缺陷识别准确率达96.8%。系统集成边缘计算与数字孪生技术,支持与现有DCC、EAM等业务系统对接,形成"发现-复核-闭环"全流程数字化管理。
【摘要】本文提出机场飞行区"巡检+驱鸟"智能一体化解决方案,通过"地面机器人+无人机+AI平台"协同系统实现自动化管理。方案特点:1)巡检频次提升至8-12次/天,响应时间缩短至90秒;2)配备防爆机器人(精度±5cm)和长航时无人机(覆盖20km²),支持红外/雷达全天候作业;3)建立鸟类AI识别库(准确率95%)和分级驱离机制;4)提供60-90天实施路
来源 OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learning(ICML 2026 Spotlight)作者 Guanhua Ji, Harsha Polavaram, Lawrence Yunliang Chen, Sandeep Bajamahal, Zehan
让阵列型产品(像 miniLED)能做分区检测、精准定位故障点;
学生在这里学习机器人编程、手眼标定、视觉定位引导、复杂轨迹规划与系统联调——这是"视觉+执行"的闭环,也是智能装备产线上最常见的应用形态。工业视觉系统运维员、机器视觉应用工程师、AI机器视觉工程师、工业机器人系统集成工程师、智能装备调试工程师、3D视觉应用工程师、质量检测工程师。关键是配套20种来自真实工厂的案例:汽车螺栓头部裂纹检测、手机壳表面划痕检测、药品泡罩包装缺粒检测、PCB缺陷检测、轴承
人社部预测,智能制造领域人才缺口450万。更关键的一个数据是:72%的企业认为应届生需要6到12个月培训才能胜任实际工作。院校的目标不是把12个月压缩成0,而是把这12个月的起跑线,从毕业之后挪到在校期间。具身智能的赛道刚刚鸣枪。先培养出"懂视觉的人",比先造出"更智能的机器"更紧迫。维视教育 · 专注AI+视觉实验室建设500+院校的选择 · 20年产教融合实践教育专线:400-040-0860
AMMR克隆解决方案实现了机器人项目快速复制,通过视觉坐标定位和自动TCP校正技术,解决了多机器人部署中的位置误差问题。
摘要:AI智能体视觉(TVA)通过"感知-推理-决策-行动-反馈"闭环范式,革新机器人训练数据集的构建方式。其核心优势包括:主动采集关键场景数据、生成物理合理的合成数据、智能挖掘难例样本、实现多模态数据对齐,以及提升数据集多样性。相比传统被动采集方法,TVA能动态优化数据构成,显著降低标注成本,提高数据质量。代码示例展示了TVA如何实现主动数据采集闭环,包括感知、决策、交互和反
本方案推出协作机器人焊接系统,通过集成化接口模块实现焊接参数智能调控,有效应对焊工短缺问题。标准化焊接节点整合关键功能,兼容主流设备,通过统一界面简化操作流程,使不同水平人员都能高效完成焊接作业,特别适合小批量多样化生产场景。
递归卡尔曼网络(RKN)是一种结合卡尔曼滤波状态估计与神经网络非线性建模的新型架构,适用于噪声大、不确定性高的序列预测任务。该模型通过神经网络学习动态系统,保留卡尔曼滤波的概率框架,能显式建模不确定性并提供预测置信区间。相比传统RNN,RKN具有更高数据效率和可解释性,适用于机器人定位、医疗信号预测等场景。文章通过简化代码展示了RKN核心的"预测-更新"循环机制,体现了其融合经典算法与深度学习的创
服装产业正经历数字化、智能化、自动化驱动的深刻变革。数字化构建产业"数字孪生",涵盖3D设计、数字面料库、智能生产管理等全流程;智能化通过AI技术实现趋势预测、质量检测和个性化推荐;自动化则利用机器人技术提升裁剪、缝制等环节效率。三大技术融合推动柔性制造和个性化定制发展,但也面临高成本、人才短缺等挑战。未来趋势包括云原生服务、AI大模型应用和人机深度协同。这场技术革命正在重塑服装产业全链条,企业需
摘要: 具身智能正从单一功能迈向通用智能体,传统“感知-规划-控制”架构已无法满足复杂环境需求。VLA-世界模型-TVA三角范式成为关键基础设施:VLA模型作为认知中枢,实现多模态统一表征与意图理解;世界模型内化物理规律,支持反事实推理与风险预判;TVA架构通过Transformer实现实时精准控制。三者形成认知、预测、执行的闭环,推动具身智能向安全、通用、高效进化。这一范式将降低行业门槛,加速商
视觉识别技术解析:从基础原理到三大核心任务 视觉识别技术通过分析图像信息实现物体识别与理解,其核心包含三大任务:图像分类(判断物体类别)、目标检测(定位并识别多个物体)和图像分割(精确到像素级别的识别)。这些任务依赖于卷积神经网络(CNN)作为基础架构,通过卷积核提取特征、池化层压缩信息实现逐级抽象。为解决深层网络训练难题,ResNet引入残差连接;YOLO创新性地将检测任务转化为单次回归问题,实
本文阐述了TVA-World架构如何推动工业质检从"计算机视觉"向"计算机物理"时代的跨越。该架构通过融合具身智能体与物理世界模型,解决了传统AI系统因果缺失、泛化力弱等核心痛点,构建了"感知-推演-交互-决策"的完整闭环。文章分析了TVA-World在双系统引擎、因果推理、并行机制等方面的技术突破,及其如何将质检环节从成本中心转变为创新引擎。这一创新不仅提升了检测精度和效率,更赋能柔性制造和工艺
本文系统阐述了TVA-World架构如何通过"具身智能"理念重构工业质检范式。传统AOI设备受限于固定视角与光源,难以应对3D曲面、透明材质等复杂场景的检测需求。TVA-World创新性地将质检设备升级为具备主动感知能力的智能体,通过"视线控制"和"观测行为规划"实现动态物理交互:技术突破:融合光机电算实现智能照明调制与柔性机械辅助,支持多角度主动观测与触觉验证;场景应用:有效解决曲面划痕、透明体
本文提出TVA-World架构作为新一代具身智能系统,旨在解决工业质检领域的核心痛点。传统基于计算机视觉的质检系统存在"黑箱"局限,缺乏因果理解、泛化能力弱且交互延迟高。TVA-World架构创新性地融合Transformer视觉智能体与物理世界模型,构建"实时感知-虚拟推演-精准执行"的毫秒级闭环机制,赋予机器理解物理规律的"直觉"。该
维视智造背靠8200+企业客户和10000+工业场景积累,课堂上的案例全是真实产线跑过的——光伏组件的隐裂缺陷、锂电池极片的表面瑕疵、3C电子的字符识别,拿来就能教。**二看产品线够不够"全"。**有些企业只做相机,有些只做软件,院校买完了还得自己拼接。旗下"维视教育"品牌,20年产业积累,500+合作院校,从基础教学实验室到工业级实训工作站,产品线覆盖了智能视觉工程、人工智能、机器人工程等专业的
医学影像AI正在从概念走向临床,从辅助工具走向核心竞争力。企业AI算力工作站DLTM以零代码、私有化、一站式的能力,为医疗机构和科研团队提供了一条安全、高效、可控的AI模型训练与部署路径。
摘要:本文介绍基于3D机器视觉与机器人技术的汽车零部件自动化检测分拣方案。采用ABB工业机器人和PhoXi结构光相机,结合Halcon视觉算法,实现多材质零件的高精度识别、检测与抓取。系统支持无序工件全姿态识别、自动分拣和并行作业,具有快速适配新品的优势。该方案可24小时运行,替代人工实现标准化检测,提升生产效率30%以上,良率提升至99.5%,适配各类汽车零部件产线的智能化升级需求。
机器人视觉系统的性能关键在于工控机配置。17年工控经验专家指出三大核心参数:1)CPU性能决定处理速度,不同场景推荐Intel AlderLake-N305到Core Ultra7155H等处理器;2)内存需16GB起步,AI视觉建议32GB以上DDR5;3)接口需充足网口和USB3.0,注意总线带宽。此外还需关注NVMe SSD存储、散热设计和软件兼容性。推荐N-BOX-S5F嵌入式工控机,支持
梅卡曼德AI+3D视觉方案破解传统物流拆码垛难题。该方案针对某制造企业复杂需求,通过工业级3D相机Mech-Eye DEEP和AI算法,实现多SKU混拆混码、半垛续码等功能,兼容深色/白色箱体及各种表面特征。系统具备智能避撞、快速适应新货品等优势,支持6工位协同作业,单机器人对应多相机工位,能与AGV、WMS无缝对接。目前已成功应用于食品、医药、电商等行业数千项目,显著提升自动化水平,降低人工成本
经过车削研磨的轴承套圆环表面光亮如镜,高反光材质极易反射车间环境光,轴承套来料通常是杂乱无序地堆叠在深筐中。机器人极易在抓取时发生碰撞,不仅清筐率低,稍有不慎就会划伤昂贵的工件表面,导致废品率上升。在上料过程中,轴承套的微小重量差异、姿态偏移等可能导致抓取失败,清筐率受到较大影响。同时,轴承套的反光特性极易影响机器人识别、路径规划,进而划伤、磕碰轴承套表面,影响产品质量。客户希望通过引入AI视觉技
摘要: 九点标定与3D手眼标定是机器视觉中两种核心标定方法,分别针对不同场景需求。九点标定适用于2D平面,通过9或12个采样点建立像素坐标与机器人平面坐标的映射,适用于分拣、贴标等二维作业;3D手眼标定则解决空间6自由度位姿变换,分“眼在手外”(相机固定)和“眼在手上”(相机随动)两种模式,需多姿态标定板配合相机内参标定,适用于无序抓取、装配等三维场景。选择标定方法需根据工件空间特性:平面用九点,
摘要:在3D视觉引导的工业机器人应用中,抓取偏移问题可能由多个环节导致。排查步骤包括:1)检查点云质量及匹配效果,确保工件特征完整;2)验证相机内参准确性;3)确认手眼标定外参正确;4)检测机器人本体精度(零点校准、绝对/重复精度)。系统精度取决于从视觉到机械的完整链路,需综合排查各环节。致瑞图像提供专业智能视觉解决方案。
当下,四足机器狗、人形机器人、特种巡检机器人正加速迭代升级,行业竞争早已摆脱单纯的机械运动比拼,核心转向的能力角逐。传统机器人依赖固定程序指令、云端算力辅助,存在场景适配差、交互生硬、网络依赖强、数据不安全、响应延迟高等痛点,无法适配复杂动态场景的自主作业需求。而端侧大模型的落地应用,彻底打破了传统机器人的智能瓶颈。
摘要:传统服务机器人在非结构化的家庭环境中屡现"智障时刻",暴露了感知盲区与规划僵化的缺陷。TVA通过开放世界语义理解实现精准决策(如区分数据线与袜子),运用大语言模型将模糊指令拆解为长时序动作链(如"整理桌面"),并建立基于交互历史的个性化服务与情感反馈机制。作为连接数字与物理世界的家庭中枢,TVA不仅能完成复杂家务(自主纠错率达92%),还能实现IoT联
TVA(基于Transformer的视觉智能体)正在重塑医疗手术与康复训练的精准边界。面对传统医疗机器人的二维视觉盲区、生理位移干扰与力觉缺失等刚性困境,TVA通过3D场景重建与器官形变预测实现毫米级动态补偿,结合视觉-力觉融合构建微牛级安全防护,并在缝合、打结等子任务中展现半自主智能。在康复领域,其时序姿态分析与自适应阻抗反馈可生成个性化训练方案。TVA标志着医疗具身智能从机械执行向具备生理常识
摘要:物流分拣面临透明包装、反光胶带和包裹形变等复杂场景,传统机器视觉难以应对。TVA(基于Transformer的视觉智能体)通过全局拓扑解析无视干扰,直接提取包裹边界;结合时序注意力与高速视觉伺服实现毫秒级动态抓取;并基于力觉反馈与材质常识自适应调整抓取力度,确保柔性防损。此外,TVA具备主动交互决策能力,如翻面、重定位与子包裹拆分,突破物流自动化瓶颈。作为视觉中枢,TVA重构了包裹处理的极限
摘要:传统家庭服务机器人存在功能固化、交互生硬、场景适配差等痛点。TVA技术通过构建全维度家居认知、深度用户理解、个性化服务适配和持续迭代优化四大核心模块,实现机器人从工具型设备向智能生活助理的转型。该技术可动态识别复杂家居场景,理解用户显隐性需求,为不同群体提供定制化服务(如老人陪护、儿童监护等),并持续优化服务策略。应用证明,TVA能显著提升机器人在清洁、整理、陪护等场景的智能化水平,推动智能
一、anchor free 概述1、先要知道anchor 是什么(这需要先了解二阶段如faster rcnn,一阶检测器如YOLO V2以后或SSD等)。在过去,目标检测通常被建模为对候选框的分类和回归,不过,按照候选区域的产生方式不同,分为二阶段(two-step)检测和单阶段(one-step)检测,前者的候选框通过RPN(区域推荐网络)网络产生proposal,后者通在特定特征图上的每个位置