通过料箱拣选自动化优化生产：需考虑的关键因素

阅读理由：多年来，料箱拣选一直是自动化领域最具挑战性的工序之一。虽然该技术能从多方面优化生产，但部分任务可能仍过于复杂而难以应对。本文将介绍可通过料箱拣选实现自动化的工序、潜在挑战及解决方案。

什么是料箱拣选？

料箱拣选的目标是利用视觉系统、机器人和夹具，从料箱中抓取随机摆放、朝向不一的相似物体。视觉系统通常对物体进行三维扫描，获取其点云（空间中构成物体的点集），从而识别物体。

随后，机器人移入料箱抓取物体，移出料箱并移至放置目标位置，通常是箱子或其他夹具。

料箱拣选过程中机器人部分的挑战与解决方案

部分工件难以触达

料箱拣选的一大难题在于机器人无法拾取料箱内所有工件。拾取 80% 至 85% 的工件相对容易，因为视觉系统会指挥机器人优先抓取易于获取的工件（如位于顶层的工件）。

真正的难点在于抓取最后那些相互缠绕或卡在料箱角落的工件。解决途径主要有两种：一是重新设计料箱形状，使其更利于拣选。例如采用锥形料箱，可使所有零件始终聚集在中间区域。

二是振动料箱（如利用电机自动振动），重新排列工件的位置和朝向，使其不再纠缠，从而便于视觉系统识别。

夹具可能损坏工件

另一个问题是夹具在抓取某个工件时与其他工件发生碰撞，导致剩余工件（尤其是易碎件）受损。拣选策略必须精准，以避免损坏剩余零件。

解决方案是采用具备避障功能的精准路径规划算法。机器人学中的路径规划是寻找从 A 点到 B 点的最优连续路径；若包含避障功能，则可在不碰撞任何障碍物的前提下完成同一任务。

当料箱内工件形状或性质不一（如苹果和橙子）时，可采用软性夹具或带吸盘的真空夹具，使其适应各种尺寸和形状。

料箱拣选过程中视觉部分的挑战与解决方案

料箱拣选方案的视觉系统可采用 2D 或 3D 相机。毋庸置疑，3D 相机（通过双目生成 3D 图像）成本更高，但效果更佳。此外，也可使用产生上述点云的 3D 激光扫描仪。

光照、遮挡与边缘检测增加工艺复杂性

视觉系统常见的问题包括光照、遮挡和边缘检测，这些问题在 2D 和 3D 视觉系统中均存在。

光照：各工件投射的阴影会干扰相机检测。可通过在相机旁或机器人腕部增设补光来解决。

遮挡：当某工件被另一工件覆盖而无法被相机完整看见时发生。此时振动料箱同样有效，可使工件更易被检测到。

边缘检测：难点在于确定工件的轮廓边界。当大量工件紧密相邻（料箱拣选典型场景）时难度加大。解决办法取决于所用软件及算法。

如何识别工艺通过料箱拣选实现自动化的潜力

若考虑在公司引入料箱拣选自动化，以下特征提示存在自动化潜力：

• 大量小型零件：系统配置得当时，机器人可快速、稳健地拾取螺丝、垫圈等小零件。
• 无序工件：上道工序或分包商无法有序供料的场景。多数情况下，要求分包商按结构化方式供货、从而完全规避料箱拣选，效果更佳。
• 工件表面为哑光：高反光表面（如机加工金属件）会造成光照干扰，大多数相机系统难以识别此类工件。
• 节拍时间超过约 10 秒且最好有拾取零件缓冲：料箱拣选系统寻找并拾取每个工件需要一定时间。

结论

对开发者而言，料箱拣选堪称“圣杯”；对客户未必如此。通常建议先尝试避免使用料箱拣选方案，改为保证来料有序摆放而非随机堆放在料箱中。

这虽会增加少许成本，但往往比料箱拣选更廉价、处理速度更快。

但在某些情况下无法实现有序供料或成本极高，此时料箱拣选的价值便凸显出来。

若您的工艺符合上述四点，极有可能适合采用料箱拣选。选型时需注意：部分方案仍处实验阶段，而另一些已历经数年验证，稳健性得到证明。