研究目的
开发一种智能扳手，该扳手能通过视觉系统识别螺栓/螺母直径，并利用模糊逻辑进行决策，自动调节钳口尺寸，旨在消除手动调节需求，提升拧紧/松开过程的效率。
研究成果
该智能扳手通过基于视觉的图像处理和模糊逻辑技术，成功实现了对不同直径螺栓/螺母的自动对接，在80个样本中仅出现2次错误决策，达成99%的成功率。该系统展现出高效可靠的性能，但对环境条件较为敏感。未来工作可聚焦于扩展螺栓尺寸适用范围，并提升系统对光照和灰尘的鲁棒性。
研究不足
系统性能受光照、螺栓亮度及灰尘等环境因素影响，导致直径测量出现误差。目前仅支持三种螺栓规格（M4、M5、M6），且可能无法有效应对极厚灰尘层或高度变化的环境条件。摄像头与螺栓之间的高度不固定，可能导致测量不准确。
1：实验设计与方法选择：
本研究将机械设计与电子、软件相结合，利用MATLAB图像处理和模糊逻辑实现自动直径检测与调节。设计包含可调钳口的扳手、图像采集摄像头及电机控制微控制器。
2：样本选择与数据来源：
使用三种螺栓规格（M4、带灰尘的M4、M5、M6），每种20个样本（共80个）。通过安装在扳手上的微型摄像头采集图像。
3：带灰尘的MMM6），每种20个样本（共80个）。通过安装在扳手上的微型摄像头采集图像。 实验设备与材料清单：
3. 实验设备与材料清单：包括微型无线摄像头、步进电机、钻夹头、小齿轮、Arduino微控制器、MATLAB软件及指定规格的螺栓。
4：实验流程与操作步骤：
扳手靠近螺栓后，通过摄像头采集图像，经MATLAB预处理、处理及后处理阶段提取直径，运用模糊逻辑决策，并根据判定直径通过电机调节钳口。
5：数据分析方法：
采用图像处理技术（如Prewitt滤波器、霍夫变换）以像素测量直径，通过焦距比转换为毫米。模糊逻辑将直径分类至标准尺寸，并通过相对误差计算进行误差分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
camera
mini wireless camera
Captures images of bolts/nuts for diameter detection in real-time.
-
stepper motor
Adjusts the spanner jaws based on the diameter determined by the image processing and fuzzy logic system.
-
drill chuck
Holds and operates the adjustable jaw portions for tightening or loosening bolts/nuts.
-
pinion gear
Connects the motor to the adjustable jaw portions for movement.
-
Arduino
Arduino
Microcontroller used to control the motor based on instructions from the image processing system.
-
MATLAB
MathWorks
Software used for image processing, including pre-processing, processing, and post-processing stages, and implementing fuzzy logic for decision-making.
-
登录查看剩余4件设备及参数对照表
查看全部
