基于全局视觉的车间AGV手势调度系统设计

针对传统的自动导引运输车(automated guided vehicle, AGV)调度方式在半自动生产车间不能满足当前实际生产需求等问题，本文以YOLOv5m为目标检测算法，基于全局视觉构建环境电子地图与路径规划，建立一种基于全局视觉的实时AGV手势调度系统。该系统在全局视觉下通过实时检测工作人员的手势，将手势信息传达给系统信息处理模块，经过解释器处理后，根据不同的手势向AGV发送相应的命令。同时，为验证目标检测的准确率，在全局视觉环境下，基于YOLOv5算法和PyTorch,建立深度学习框架训练目标检测模型，并进行实验验证。实验结果表明，AGV的识别准确率为99.9%,手势的识别准确率为99.7%,且二者检测的置信度均处于0.91～0.99之间，说明模型的检测速度符合实际要求。该系统节省了人力，提高了AGV调度效率，功能和实时性均满足车间实际生产需求，具备良好的稳定性。该研究实现了车间AGV的智能化手势调度，具有一定的实际应用价值。