目前煤矸预分选仍多为人工完成，劳动强度大、分拣效率低，且存在安全隐患，利用煤矸分拣机器人代替人工完成煤矸预分选是保障工人健康和安全、提高作业效率的有效途径。然而现有的煤矸分拣机器人在弱光照强度、煤矸表面覆盖煤粉等情况下的效果较差，针对上述问题，提出了基于图像检测的煤矸分拣机器人实验平台。该实验平台通过工业相机采集煤矸图像，利用ResNet18-YOLOv3深度学习算法对图像中的煤矸进行识别，采用TCP通信将矸石的位置信息提供给煤矸分拣模块进行轨迹规划，控制机械臂对矸石进行夹取，完成矸石分拣作业。采用Halcon标定法对实验平台进行手眼标定，从而实现相机像素坐标与机械臂空间坐标的转换；对实验平台进行了定位误差标定，对于尺寸均为50 mm以上的煤矸样本，定位误差不大于9 mm。实验结果表明，该实验平台在强光照条件下的煤矸识别准确率达99%，在弱光照条件下的煤矸识别准确率为95%，在煤粉附着条件下的煤矸识别准确率不低于82%，且煤矸分拣准确率为82%。

0 引言
1 实验平台组成
2 实验平台设计
2.1 硬件设计
2.2 软件设计
2.2.1 软件环境及上位机界面
2.2.2 基于ResNet18-YOLOv3的煤矸识别模型
3 实验平台标定
3.1 手眼标定
3.2 定位误差标定
4 实验平台验证
5 结论

李三喜,李亚男,王梓杰等.基于图像检测的煤矸分拣机器人实验平台[J/OL].工矿自动化:1-9[2023-08-02].DOI:10.13272/j.issn.1671-251x.2022120028.