人工智能机器人对包裹的分拣有何益处
通过手动分类成堆的包裹和信件，特别是在高峰期，将其分类并放在传送带上是非常具有挑战性的。这种分拣过程的自动化可以提高生产率，节省成本和时间，减少损坏。为了跟上电子商务需求的增长，人工智能分拣系统正逐渐成为物流公司的必需品。
人工筛选-过去式?
包裹流量在一年内经历了剧烈波动，通常在黑色星期五和圣诞节达到峰值。全球包裹量每年增长25%。
新019冠状病毒疾病的爆发测试了订单的有效性。人们对电子商务的依赖增加了对物流能力的需求。这种生产能力需求反过来会导致更多的运营成本，即不仅雇佣更多的员工来增加劳动力支出，而且招聘过程本身也很昂贵。从销售的角度来看，它通常被认为是最好、最有利可图的时期，因此它已经成为最糟糕的时期。此外，除了吞吐量要求和需求高峰外，工人的健康和满意度也是人工筛选和分拣系统的挑战。员工可能会厌倦重复的任务，也可能会因处理不规则的重物而受伤。在这些情况下，工人的补偿成本将增加，企业的生产能力将降低。
视觉和机器人援助
自动分拣系统可以克服上述挑战，使成本更加可预测，并为需求高峰提供可测性。
目前，最先进的自动化技术结合了3D机器视觉、人工智能算法和与主要机器人品牌的兼容性。它可以检测到特定取放系统的质量和实用性。让我们来谈谈具体的例子。如果一家公司需要单独计算和分类大型和非结构化的包裹，该公司如何从实现自动化系统中受益?
例如，Photoneo将内部开发的3D机器视觉与算法相结合，使机器人每小时可以拾取2250多个包裹。通过提供准确的3D数据，视觉系统可以实现精确定位，使机械夹紧精度达到+/-3mm。
该公司表示，他们的系统基于一个预先训练过的神经网络，可以识别包裹，无需任何训练，选择成功率达到95%。
剩下的5%是包装机械性能和材料的结果。例如，如果一个物体的表面起皱或由织物制成，它可能会从夹子上掉下来，需要再次捡起来。根据Photoneo的说法，这些物体在第二次尝试中总是成功地捡起来。该公司声称，自动分拣系统可以实现不到1.5秒的循环，并与一系列机器人品牌兼容。
单项扫描和多点拾取模式
性能速度取决于所选的扫描模式。扫描单个扫描模式，处理数据，定位对象，并向机器人发送命令来拾取它。重复每个对象的过程。处理延迟一般不超过0.5秒。
另一种选择是多点拾取模式。在这种情况下，扫描仪/摄像头进行扫描，系统识别所有可拾取的对象，然后机器人一个接一个地捡起它们，中途不会被任何东西阻挡。扫描次数可根据特定应用程序进行调整。由于多点拾取模式下没有延迟，性能更快，循环时间仅限于机器人速度。
视觉和智能
三维数据的质量决定了自动分选和分选解决方案的成功。一个设备可以拥有最智能的系统，但如果没有良好的3D数据来处理和依赖它，它的输出将是无用的。一个好的三维相机需要高分辨率和精度、大的扫描量和景深以及高的扫描速度。
其他重要因素是抑制环境光和即插即用性能的能力。如果使用的3D相机提供了所有这些功能，智能系统将获得足够的数据来处理人工智能，并成功地定位每个对象。最现代的人工智能包装分割和定位方法是使用卷积神经网络，这在过去几年中取得了很大的进展。这些神经网络可以识别包装、信件，甚至任何形状、纹理和材料的袋子，以及它们的尺寸、位置和方向。
最好的解决方案是基于在庞大的对象数据库上训练的算法，因此它可以很容易地、快速地总结和识别他们从未见过的新物品。皱纹、变形和其他不规则不应妨碍快速识别。
经过成功的检测和定位，机器人得到一个命令，选择一个特定的物体，然后将其放在预先确定的位置，如传送带。
筛选的主要挑战
机器人信号系统的开发人员面临着许多挑战。三维视觉的一个主要问题是有光泽或反射的表面，包括各种图案和图片，或黑色的。纹理的变化也会造成困难。包装通常以非结构化的方式堆放和重叠，使系统难以通过三维视觉定位。
最大的挑战之一是袋子的性质——它们的形状变形，充满皱纹和皱纹，这使得机器人很难抓住它们。这是将高质量的3D视觉与先进而复杂的人工智能算法相结合的重要原因——只有这种强大的组合才能有效地应对上述所有挑战。
扩大应用范围的人工智能驱动自动化解决方案的使用并不局限于简单的包装分类。如果3D相机能高质量、高速地扫描运动场景，则可以动态测量包装，并根据其大小或其他标准进行分类。
例如，3D光电驱动器可以捕捉移动速度高达40米/秒的物体，测量精度可达1厘米，并提供深度地图分辨率为~2英里/秒和1500万个3D点/秒。
结合人工智能和三维机器视觉的系统也可以用来扩展或打开起皱的信封和包裹，并可以进行几何变换，以提高OCR的可读性，以便进一步处理。一些系统也可以根据条形码对包裹进行分类。随着人工智能和机器视觉的进步，这些系统的应用范围和应用能力也在不断发展和扩大，市场需求也决定了这一发展方向。
机器人操作可以提高安全性、生产率和可靠性，并显著降低成本。自动化已成为优化物流过程的重要工具。在新冠病毒-19流行期间，包装流量显著增加，仓库和配送中心一直在努力留住员工。部署视觉引导的智能机器人进行分拣，并对巨大的非结构化包装流进行分拣，是应对这些挑战的一种方式。
