人工篩選-過去式?
包裹流量在一年內經歷了劇烈波動，通常在黑色星期五和圣誕節達到峰值。全球包裹量每年增長25%。
新019冠狀病毒疾病的爆發測試了訂單的有效性。人們對電子商務的依賴增加了對物流能力的需求。這種生產能力需求反過來會導致更多的運營成本，即不僅雇傭更多的員工來增加勞動力支出，而且招聘過程本身也很昂貴。從銷售的角度來看，它通常被認為是最好、最有利可圖的時期，因此它已經成為最糟糕的時期。此外，除了吞吐量要求和需求高峰外，工人的健康和滿意度也是人工篩選和分揀系統的挑戰。員工可能會厭倦重復的任務，也可能會因處理不規則的重物而受傷。在這些情況下，工人的補償成本將增加，企業的生產能力將降低。
視覺和機器人援助
自動分揀系統可以克服上述挑戰，使成本更加可預測，并為需求高峰提供可測性。
目前，最先進的自動化技術結合了3D機器視覺、人工智能算法和與主要機器人品牌的兼容性。它可以檢測到特定取放系統的質量和實用性。讓我們來談談具體的例子。如果一家公司需要單獨計算和分類大型和非結構化的包裹，該公司如何從實現自動化系統中受益?
例如，Photoneo將內部開發的3D機器視覺與算法相結合，使機器人每小時可以拾取2250多個包裹。通過提供準確的3D數據，視覺系統可以實現精確定位，使機械夾緊精度達到+/-3mm。
該公司表示，他們的系統基于一個預先訓練過的神經網絡，可以識別包裹，無需任何訓練，選擇成功率達到95%。
剩下的5%是包裝機械性能和材料的結果。例如，如果一個物體的表面起皺或由織物制成，它可能會從夾子上掉下來，需要再次撿起來。根據Photoneo的說法，這些物體在第二次嘗試中總是成功地撿起來。該公司聲稱，自動分揀系統可以實現不到1.5秒的循環，并與一系列機器人品牌兼容。
單項掃描和多點拾取模式
性能速度取決于所選的掃描模式。掃描單個掃描模式，處理數據，定位對象，并向機器人發送命令來拾取它。重復每個對象的過程。處理延遲一般不超過0.5秒。
另一種選擇是多點拾取模式。在這種情況下，掃描儀/攝像頭進行掃描，系統識別所有可拾取的對象，然后機器人一個接一個地撿起它們，中途不會被任何東西阻擋。掃描次數可根據特定應用程序進行調整。由于多點拾取模式下沒有延遲，性能更快，循環時間僅限于機器人速度。
視覺和智能
三維數據的質量決定了自動分選和分選解決方案的成功。一個設備可以擁有最智能的系統，但如果沒有良好的3D數據來處理和依賴它，它的輸出將是無用的。一個好的三維相機需要高分辨率和精度、大的掃描量和景深以及高的掃描速度。
其他重要因素是抑制環境光和即插即用性能的能力。如果使用的3D相機提供了所有這些功能，智能系統將獲得足夠的數據來處理人工智能，并成功地定位每個對象。最現代的人工智能包裝分割和定位方法是使用卷積神經網絡，這在過去幾年中取得了很大的進展。這些神經網絡可以識別包裝、信件，甚至任何形狀、紋理和材料的袋子，以及它們的尺寸、位置和方向。
最好的解決方案是基于在龐大的對象數據庫上訓練的算法，因此它可以很容易地、快速地總結和識別他們從未見過的新物品。皺紋、變形和其他不規則不應妨礙快速識別。
經過成功的檢測和定位，機器人得到一個命令，選擇一個特定的物體，然后將其放在預先確定的位置，如傳送帶。
篩選的主要挑戰
機器人信號系統的開發人員面臨著許多挑戰。三維視覺的一個主要問題是有光澤或反射的表面，包括各種圖案和圖片，或黑色的。紋理的變化也會造成困難。包裝通常以非結構化的方式堆放和重疊，使系統難以通過三維視覺定位。
最大的挑戰之一是袋子的性質——它們的形狀變形，充滿皺紋和皺紋，這使得機器人很難抓住它們。這是將高質量的3D視覺與先進而復雜的人工智能算法相結合的重要原因——只有這種強大的組合才能有效地應對上述所有挑戰。
擴大應用范圍的人工智能驅動自動化解決方案的使用并不局限于簡單的包裝分類。如果3D相機能高質量、高速地掃描運動場景，則可以動態測量包裝，并根據其大小或其他標準進行分類。
例如，3D光電驅動器可以捕捉移動速度高達40米/秒的物體，測量精度可達1厘米，并提供深度地圖分辨率為~2英里/秒和1500萬個3D點/秒。
結合人工智能和三維機器視覺的系統也可以用來擴展或打開起皺的信封和包裹，并可以進行幾何變換，以提高OCR的可讀性，以便進一步處理。一些系統也可以根據條形碼對包裹進行分類。隨著人工智能和機器視覺的進步，這些系統的應用范圍和應用能力也在不斷發展和擴大，市場需求也決定了這一發展方向。
機器人操作可以提高安全性、生產率和可靠性，并顯著降低成本。自動化已成為優化物流過程的重要工具。在新冠病毒-19流行期間，包裝流量顯著增加，倉庫和配送中心一直在努力留住員工。部署視覺引導的智能機器人進行分揀，并對巨大的非結構化包裝流進行分揀，是應對這些挑戰的一種方式。
