本发明涉及金属抛光，具体为一种基于深度学习的自适应抛光机器人系统及抛光方法。
背景技术：
1、抛光是一种常见的金属表面处理方法，可以提高金属的光泽度，减少表面粗糙度，改善表面质量。传统的抛光方法通常需要人工操作，费时费力，且难以保证抛光效果的一致性和稳定性。
2、随着机器人技术的发展，机器人抛光已经成为一种新的抛光方式，可以提高抛光的自动化程度，降低人力成本，提高生产效率。然而，现有的机器人抛光系统通常需要预先设定抛光参数，如抛光力，抛光速度，抛光路径等，这些参数往往依赖于人工经验，难以适应不同的抛光对象和环境，不能满足人们的要求。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本发明提供了一种基于深度学习的自适应抛光机器人系统及抛光方法，主要为解决传统的抛光方法通常需要人工操作，费时费力，且难以保证抛光效果的一致性和稳定性，且现有的机器人抛光系统通常需要预先设定抛光参数，如抛光力，抛光速度，抛光路径等，这些参数往往依赖于人工经验，难以适应不同的抛光对象和环境的问题。
3、(二)技术方案
4、为实现上述目的，本发明提供如下技术方案：
5、一种基于深度学习的自适应抛光机器人系统，包括系统模块总成，所述系统模块总成包括抛光机器人、控制模块、深度学习模块、信号传输模块，所述抛光机器人包括多自由度的机械臂，机械臂的末端安装有抛光头，所述抛光机器人的机械臂上安装有摄像机，摄像机实时地采集金属表面的信息，将这些信息传输给深度学习模块，所述深度学习模块包括深度神经网络，深度学习模块接收摄像机拍摄的图像，通过深度神经网络，分析图像中的表面特征，输出抛光参数，作为抛光机器人的控制信号，所述深度学习模块利用大量的抛光图像数据，进行有监督或无监督的学习，建立抛光效果与抛光参数之间的映射关系，实现对抛光参数的自动优化，所述控制模块通过信号传输模块接收深度学习模块输出的抛光参数，将其转换为抛光机器人的运动指令，控制抛光机器人的机械臂和抛光头的运动，实现自适应抛光，控制模块可以根据不同的抛光对象和环境，动态地调整运动指令的频率，幅度，顺序，以保证抛光的效率和质量。
6、作为本发明再进一步的方案，所述抛光机器人的机械臂根据控制模块的运动指令，调整抛光头的位置、角度、压力、速度。
7、进一步的，所述摄像机采集的信息包括金属表面的光照，颜色，纹理特征，以及抛光头与表面的位置，角度信息。
8、本发明还提出了一种基于深度学习的自适应抛光机器人抛光方法，包括以下步骤：
9、s1：开始抛光，抛光机器人控制抛光头接近金属表面，开始抛光动作；
10、s2：采集图像，摄像机拍摄金属表面的图像，将图像发送给深度学习模块；
11、s3：深度学习，深度学习模块通过深度神经网络，分析图像中的表面特征，输出抛光参数；
12、s4：控制调整，控制模块接收抛光参数，将其转换为抛光机器人的运动指令，控制抛光机器人的机械臂和抛光头的运动。
13、本发明再进一步的方案，所述s1中在开始抛光之前，抛光机器人根据金属表面的形状和位置，确定一个合适的抛光头的初始位置，角度，压力，速度。
14、进一步的，所述s4中抛光机器人根据控制模块的运动指令，调整抛光头的位置，角度，压力，速度，以适应不同的表面形状和状态，这个阶段通过串口或者无线信号的方式，将深度学习模块输出的抛光参数，转换为抛光机器人的运动指令，控制抛光机器人的机械臂和抛光头的运动。
15、在前述方案的基础上，所述s2中摄像机实时地拍摄金属表面的图像，作为抛光效果的反馈信息，这个阶段需要通过摄像机的硬件和软件，采集金属表面信息，将这些信息以图像的形式，传输给深度学习模块，s3中的深度学习模块通过深度学习的算法和模型，实现对抛光参数的自动优化，这个步骤根据实际的抛光情况，不断重复和调整，实现自适应抛光。
16、(三)有益效果
17、与现有技术相比，本发明提供了一种基于深度学习的自适应抛光机器人系统及抛光方法，具备以下有益效果：
18、1、本发明抛光机器人的机械臂可以根据控制模块的运动指令，调整抛光头的位置、角度、压力、速度，以适应不同的表面形状和状态，通过深度学习模块，可以实现对金属表面特征的实时分析，根据不同的抛光对象和环境，自动调整抛光参数，实现自适应抛光，提高抛光效果的一致性和稳定性。
19、2、本发明通过控制模块通过信号传输模块接收深度学习模块输出的抛光参数，将其转换为抛光机器人的运动指令，控制抛光机器人的机械臂和抛光头的运动，实现自适应抛光，控制模块可以根据不同的抛光对象和环境，动态地调整运动指令的频率，幅度，顺序，以保证抛光的效率和质量。
20、3、本发明通过抛光机器人，可以实现对抛光动作的自动化，减少人工操作，降低人力成本，提高生产效率，改善工作环境。
1.一种基于深度学习的自适应抛光机器人系统，包括系统模块总成，其特征在于，所述系统模块总成包括抛光机器人、控制模块、深度学习模块、信号传输模块，所述抛光机器人包括多自由度的机械臂，机械臂的末端安装有抛光头，所述抛光机器人的机械臂上安装有摄像机，摄像机实时地采集金属表面的信息，将这些信息传输给深度学习模块，所述深度学习模块包括深度神经网络，深度学习模块接收摄像机拍摄的图像，通过深度神经网络，分析图像中的表面特征，输出抛光参数，作为抛光机器人的控制信号，所述深度学习模块利用大量的抛光图像数据，进行有监督或无监督的学习，建立抛光效果与抛光参数之间的映射关系，实现对抛光参数的自动优化，所述控制模块通过信号传输模块接收深度学习模块输出的抛光参数，将其转换为抛光机器人的运动指令，控制抛光机器人的机械臂和抛光头的运动。
2.根据权利要求1所述的一种基于深度学习的自适应抛光机器人系统，其特征在于，所述抛光机器人的机械臂根据控制模块的运动指令，调整抛光头的位置、角度、压力、速度。
3.根据权利要求1所述的一种基于深度学习的自适应抛光机器人系统，其特征在于，所述摄像机采集的信息包括金属表面的光照，颜色，纹理特征，以及抛光头与表面的位置，角度信息。
4.一种基于深度学习的自适应抛光机器人抛光方法，其特征在于，包括以下步骤：
5.根据权利要求4所述的一种基于深度学习的自适应抛光机器人抛光方法，其特征在于，所述s1中在开始抛光之前，抛光机器人根据金属表面的形状和位置，确定一个合适的抛光头的初始位置，角度，压力，速度。
6.根据权利要求4所述的一种基于深度学习的自适应抛光机器人抛光方法，其特征在于，所述s4中抛光机器人根据控制模块的运动指令，调整抛光头的位置，角度，压力，速度，以适应不同的表面形状和状态，这个阶段通过串口或者无线信号的方式，将深度学习模块输出的抛光参数，转换为抛光机器人的运动指令，控制抛光机器人的机械臂和抛光头的运动。
7.根据权利要求4所述的一种基于深度学习的自适应抛光机器人抛光方法，其特征在于，所述s2中摄像机实时地拍摄金属表面的图像，作为抛光效果的反馈信息，这个阶段需要通过摄像机的硬件和软件，采集金属表面信息，将这些信息以图像的形式，传输给深度学习模块，s3中的深度学习模块通过深度学习的算法和模型，实现对抛光参数的自动优化，这个步骤根据实际的抛光情况，不断重复和调整，实现自适应抛光。
