[实用新型]一种基于卷积神经网络的零件分拣机械臂

说明书

本实用新型公开了一种基于卷积神经网络的零件分拣机械臂，包括大臂和小臂，所述大臂的一端固定连接有伸缩结构，所述伸缩结构的内部包括臂筒、电机、螺纹杆、轴套、固定板、衔接板、筒槽、螺纹套、轴承套、套管和导向杆，所述臂筒的内部固定安装有电机，所述电机的输出端固定连接有螺纹杆的输入端，所述螺纹杆的一端转动连接在固定板的一侧，所述固定板的两端固定连接有导杆，所述轴套的外侧固定连接有衔接板；本实用新型通过外侧轴承套的转动作用，带动外侧的臂筒，使得臂筒带动一端的小臂左右伸缩移动，使得抓手与小臂通过连接作用，对抓取的位置进行调节，方便工作人员调节机械臂，对不同范围内的零件进行分拣，能够提高装置的灵活性。

技术领域

本实用新型涉及机械臂装置技术领域，具体为一种基于卷积神经网络的零件分拣机械臂。

背景技术

卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(deeplearning)的代表算法之一。卷积神经网络具有表征学习(representation learning)能力，能够按其阶层结构对输入信息进行平移不变分类(shift-invariantclassification)，因此也被称为“平移不变人工神经网络(Shift-Invariant ArtificialNeural Networks, SIANN)”。

对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和 LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。

卷积神经网络仿造生物的视知觉(visual perception)机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid-like topology) 特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程(feature engineering)要求。

专利号CN209409223U公开了一种机械手臂。机械手臂包括：固定座体组件，固定座体组件包括齿轮；第一滑动组件，可移动地的穿设在固定座体组件上，第一滑动组件包括与齿轮相啮合的齿条部，齿轮通过齿条部带动第一滑动组件沿预设方向往复运动；第二滑动组件，第二滑动组件与第一滑动组件连接，第一滑动组件带动第二滑动组件沿预设方向往复运动；第三滑动组件，第三滑动组件与第二滑动组件连接，第二滑动组件带动第三滑动组件沿预设方向往复运动。本实用新型有效地解决了现有技术中机械手臂的工作效率较低的问题。

上述机械手臂在使用时具有以下几个缺点：1、上述机械手臂在使用时使用范围较为固定，不能够灵活的调节使用的范围大小，影响装置使用效果。

2、上述机械手臂在安装时较为麻烦，安装效率较低，影响生产效率。

实用新型内容

本实用新型的目的在于提供一种基于卷积神经网络的零件分拣机械臂，以解决上述背景技术中提出的不能够灵活的调节使用的范围大小和安装效率较低的问题。

为解决上述技术问题，本实用新型提供如下技术方案：一种基于卷积神经网络的零件分拣机械臂，包括大臂和小臂，所述大臂的一端固定连接有伸缩结构，所述伸缩结构的内部包括臂筒、电机、螺纹杆、轴套、固定板、衔接板、筒槽、螺纹套、轴承套、套管和导向杆，所述臂筒的内部固定安装有电机，所述电机的输出端固定连接有螺纹杆的输入端，所述螺纹杆的一端转动连接在固定板的一侧，所述固定板的两端固定连接有导杆，所述轴套的外侧固定连接有衔接板，所述固定板的一端过盈连接有小臂，所述小臂的一侧固定连接有抓手，所述大臂的一侧过盈连接有固定结构，所述固定结构的内部包括底板、板槽、导杆、弹簧、卡块和滑槽，所述底板的内部开设有板槽，所述板槽的内部固定连接有导杆，所述导杆的外侧套接有弹簧，所述弹簧的两端滑动连接有卡块。