Дослідження інтелектуальних методів позиціювання групових упаковок у сенсорних робототехнічних системах пакувального виробництва

Abstract

Зростання продуктивності та впровадження комплексних систем керування сенсорними робототехнічними системами пакувального виробництва вимагають нових інтелектуальних методів позиціювання об’єктів, які б формалізували реальні умови функціонування в присутності шуму та викидів. У зв’язку з цим виникає потреба в розробці гнучких систем автоматизації, здатних адаптивно реагувати на похибки сканування та забезпечувати високу точність позиціювання. Дослідження інтелектуальних методів CoppeliaSim EDU здійснено для визначення просторового положення групових упаковок під час взаємодії з робототехнічними системами пакувального виробництва з урахуванням шумів, викидів і конструктивних особливостей обʼєктів. Розроблені математичні моделі центрованих алгоритмів: класичного центроїдного, медіанного, заснованого на побудові опуклої оболонки, а також метод RANSAC, реалізований у програмному середовищі CoppeliaSim EDU. В рамках дослідження було визначено раціональні параметри застосування кожного з методів залежно від рівня шуму. Показано, що при високому рівні шуму стійкі методи (медіанний та RANSAC) забезпечують до 2—3% похибки, тоді як нестійкі можуть сягати 5—10%. Обґрунтовано перспективи використання інтелектуальних методів математичного аналізу для попередньої класифікації форм упаковок, що дає змогу підвищити гнучкість системи при зміні конфігурацій виробничої лінії. Запропоновані підходи формують основу для побудови адаптивних програмно-апаратних засобів позиціювання, здатних до автоматичного структурування вхідних даних, фільтрації недоліків та уточнення просторових параметрів об’єкта в реальному часі, що забезпечує підвищення ефективності та надійності роботизованих пакувальних систем. Increased productivity and the introduction of integrated control systems for touch-sensitive robotic packaging systems require new intelligent methods for positioning objects that formalize real operating conditions in the presence of noise and emissions. This creates a need for the development of flexible automation systems capable of adaptively responding to scanning errors and ensuring high positioning accuracy. Research on CoppeliaSim EDU intelligent methods was conducted to determine the spatial position of group packages during interaction with robotic systems in packaging production, taking into account noise, emissions, and design features of objects. Mathematical models of centroid algorithms were developed: classical centroid, median, based on the construction of a convex hull, as well as the RANSAC method, implemented in the CoppeliaSim EDU software environment. The study determined the rational parameters for the application of each method depending on the noise level. It has been shown that at high noise levels, stable methods (median and RANSAC) provide up to 2–3% error, while unstable methods can reach 5–10%. The prospects for using intelligent methods of mathematical analysis for preliminary classification of packaging forms are substantiated, which makes it possible to increase the flexibility of the system when changing the configurations of the production line. The proposed approaches form the basis for the development of adaptive software and hardware positioning tools capable of automatically structuring input data, filtering defects, and refining the spatial parameters of an object in real time, which improves the efficiency and reliability of robotic packaging systems.