计算机科学课程96(2016)4281.40%)与x方向坐标(0.008 - 0.141%)的百分比差异显著高。与此同时，中心的y方向和主要部分左侧的坐标的百分比差异均高于右侧。结果表明，在主要部件的中心位置和主要部件的左侧，特别是y方向的坐标，需要对所有类型的装配空间进行明显的大调整。这些结果与表1校准的结果相对应，在标准对象的左侧区域发现了最大误差。
使用LabVIEW，我们获得了友好的用户界面程序，帮助用户跟踪装配过程的状态。该程序显示捕获的图像、装配空间、调整后的坐标(x、y)、装配空间的方向，以及IAI协议B的命令，如图10和图11所示。
通过图像处理器，系统可以正确识别和识别装配空间的形状和方向。机器人可以拾取对应于装配空间的正确装配部件。在我们使用转换因子校准程序后，我们发现机器人可以移动到正确的装配位置。如图12所示，机器人可以将组装部分正确地放置到主体部分(100%)，从而提高了装配过程的效率。这种自动装配系统需要提高系统的灵活性。该系统可以很好地应用于图像处理器的黑色部分，以检测装配空间、形状和装配空间的方向。然而，这个系统可能与发光的部分不兼容，这些发光的部分可能会给照相机反射出生动的光。在这种情况下，它可能会导致图像处理器的一些误差，从而检测出装配空间的形状和正确方向。这进一步的改进被认为是团队未来的工作。
本文提出了柔性自动化装配系统与机器视觉系统相结合的主要原型。在机器视觉系统的图像处理中，所捕获的图像是指定装配部件的正确目标位置的主要关注点。我们需要进行图像校准，以获得用于机器人拾取和放置过程的装配空间的正确坐标。在主要部件的中心位置和主要部件的左侧，特别是y方向上的坐标，需要对所有类型的装配空间进行大的调整。最后，我们得到了可靠的柔性自动化装配系统，能够正确地检测和识别装配空间的形状和定位，从而实现了SCARA的完美选择和放置过程。该样机预计将被开发用于复杂的产品模型和复杂的生产线，这将是我们未来的挑战工作。
