Segmentazione semantica per disassemblaggio meccanico con robot universali

In the context of industrial automation, universal robots for mechanical disassembly are traditionally designed and programmed to execute predefined sequences of movements and operate in production lines with well-defined objects. However, there are dynamic environments that require the disassembly of objects of various natures. A solution that can enhance flexibility and effectiveness lies in the use of computer vision. This is made possible by exploiting systems based on convolutional neural networks, which, starting from features extracted from objects in the image, allow for the segmentation of elements of interest. In cases where the task involves detecting the heads of screws and other fastening elements to be unscrewed, these characteristics are particularly challenging to detect due to their small size and highly reflective surface. Therefore, this thesis work focuses on the development of a computer vision system that enables the detection of fastening elements for a following mechanical disassembly using semantic segmentation. This system enables greater flexibility for universal robots in variable operating conditions. To validate the proposed system, a set of images excluded from training was used, and a specialized model for screw recognition within battery modules was developed, specifically designed for the disassembly process. Finally, a demonstrator was created that utilizes the designed system to guide a robotic arm in detecting and reaching the screws, highlighting the potential practical applications of the research conducted.

Nel contesto dell’automazione industriale, i robot universali per il disassemblaggio meccanico sono tradizionalmente progettati e programmati per eseguire sequenze predefinite di movimenti e per operare in linee di produzione con oggetti ben definiti. Tuttavia, esistono ambienti dinamici che richiedono il disassemblaggio di oggetti di diversa natura. Una soluzione in grado di aumentare flessibilità ed efficacia risiede nell’impiego della visione artificiale. Questo è possibile sfruttando sistemi basati su reti neurali convoluzionali che, a partire dalle caratteristiche estratte dagli oggetti nell’immagine, permettono di individuare una segmentazione degli elementi di interesse. Nel caso in cui il compito consista nell’individuare la testa di viti e altri elementi di fissaggio da svitare, tali caratteristiche sono particolarmente complesse da rilevare a causa delle loro dimensioni ridotte e della superficie altamente riflettente. Il lavoro di tesi, dunque, si concentra sulla realizzazione di un sistema di visione artificiale che permetta l’individuazione, attraverso segmentazione semantica, degli elementi di fissaggio per un successivo disassemblaggio meccanico. Questo sistema consente una maggiore flessibilità dei robot universali a condizioni operative variabili. Per validare il sistema proposto, si è utilizzato un insieme di immagini escluso dall’addestramento e, inoltre, è stato realizzato un modello specializzato nel riconoscimento di viti all’interno di moduli batteria, specificamente progettato per il processo di disassemblaggio. Infine, è stato realizzato un dimostratore che sfrutta il sistema progettato per guidare un braccio robotico nell’individuazione e nel raggiungimento delle viti, evidenziando così le potenziali applicazioni pratiche del lavoro svolto.