ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
This study develops an eye-to-hand vision-guided robotic system using a Dobot MG400 arm, an overhead universal serial bus (USB) camera, and an Arduino-controlled pneumatic suction gripper for automated pick-and-place operations. The system detects 12 types of workpieces based on 3 shapes (circle, triangle, and square) and 4 colors (red, green, blue, and yellow) using Python and OpenCV. To ensure precision, camera-to-robot calibration is performed using a 16-point homography matrix optimized by the random sample consensus (RANSAC) algorithm. Furthermore, an adaptive correction algorithm based on affine transformation and the least squares method is implemented to compensate for coordinate deviations. Evaluated across three illumination levels (26.9, 175.4, and 430.4 lux), the correction algorithm significantly improves positioning accuracy by 48–50%, reducing residual errors to approximately 0.056–0.064 mm with a processing time of ~5.2 seconds. The system demonstrates high precision, stability, and robustness, making it highly suitable for automated small-scale industrial sorting.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 81/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Robot Manipulation and Learning · Industrial Vision Systems and Defect Detection · Industrial Automation and Control Systems
บทบาทของนักวิจัยและสถาบันไทย
Paramust Juntarakod · Viroch Sukontanakarn · Rajamangala University of Technology Isan, Khon Kaen Campus
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง