人工智能自动化的包裹和包裹分拣系统

手动分离大量包裹和信封，然后将它们分类并放在传送带上，这非常具有挑战性，尤其是在高峰期。这个过程的自动化可以提高生产率，节省成本和时间，并减少伤害。对于想要跟上不断增长的电子商务需求的物流公司而言，由人工智能驱动的机器人分离和分拣系统正成为必需品。

手动分离 — 已成为过去？

包裹流量全年波动剧烈，通常在黑色星期五和圣诞节期间达到顶峰。全球包裹量普遍以每年高达 25% 的速度增长。

COVID-19 的爆发也考验了订单的按时履行。对电子商务的加速依赖增加了对容量的需求。这反过来会导致更多的运营成本，不仅与雇用更多员工的需要有关，而且与招聘流程本身有关。从销售的角度来看，通常被认为是最好和最有利可图的时期因此变成了最差的时期。

除了吞吐量要求和需求激增之外，工人的健康和满意度也是人工分离和分类面临的挑战。员工可能会因重复性任务而感到无聊，以及因处理不规则的重物而受伤。这会导致工人的补偿费用和生产力下降。

救援的视觉和机器人技术

上述挑战可以通过自动化分离和分类过程来克服，这可以使成本更可预测，并为需求高峰提供可扩展性。

当今最先进的自动化结合了 3D 机器视觉、AI 算法以及与主要机器人品牌的兼容性。还可以衡量特定取放系统的质量和成功率。让我们转向具体的例子。如果公司需要对大量非结构化包裹进行分离和分类，那么它如何从实施自动化系统中获益？

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拣选超过 2,250 个包裹。视觉系统提供准确的 3D 数据并实现精确定位，从而实现 +/-3 毫米的抓取精度。

Photoneo 分割分拣系统基于预训练的神经网络，无需任何训练即可识别开箱即用的包裹，分拣成功率高达 95%。

剩下的 5% 是包裹的机械性能和材料的结果。例如，如果一个物体表面有皱纹或由织物制成，它可能会从夹具上掉下来，需要重新拾取。根据 Photoneo 的说法，此类物体总是在第二次尝试时被成功拾取。它声称可以实现小于 1.5 秒的循环时间，并且与一系列机器人品牌兼容。

单次扫描与多次拾取模式

性能速度取决于所选的扫描模式。单次扫描模式进行扫描、处理数据、定位对象，然后向机器人发送命令以拾取它。对每个对象重复此过程。处理延迟一般不超过0.5秒。

另一种选择是多次拾取模式，在这种情况下，扫描仪/相机进行扫描，系统识别所有可拾取的物体，机器人一个接一个地拾取它们，不会受到任何干扰。扫描次数可以根据特定应用进行调整。由于多拾取模式下没有加工延迟，性能更快，循环时间仅受机器人速度的限制。

视觉与智慧

3D 数据的质量决定了自动分离和分类解决方案的成功与否。一个人可以拥有最智能的系统，但如果没有良好的 3D 数据可供使用和依赖，它的输出将毫无用处。好的3D相机需要具备高分辨率和精度，大扫描体积和景深，以及高扫描速度。

其他重要因素是抑制环境光的能力和“即插即用”性能。如果部署的 3D 相机提供所有这些功能，系统将获得足够的数据供 AI 处理它们并成功定位每个对象。

人工智能驱动的包裹分割和定位的最现代方法是使用卷积神经网络，它在过去几年取得了长足进步。这些神经网络可以识别任何形状、质地和材料的包裹、信封，甚至袋子，以及它们的尺寸、位置和方向。

最好的解决方案基于在庞大的对象数据库上训练的算法，因此可以轻松快速地概括和识别他们以前从未见过的新型对象。皱纹、变形和其他不规则不应该对快速识别造成障碍。

成功检测和定位后，机器人收到指令以拾取特定物体，然后将其放置到预定位置，例如传送带上。

分离的主要挑战

机器人分离系统的开发人员面临着众多挑战。 3D 视觉的一个主要问题是由闪亮或反光、包含各种图案和图片或黑色的表面造成的。质地的多样性也会造成困难。包裹通常以非结构化的方式堆积，相互重叠，这使得它们很难定位。

最大的挑战之一在于袋子的性质——它们的形状变形、充满褶皱和皱纹，这使得机器人抓手很难抓取它们。这就是为什么将高质量 3D 视觉与先进复杂的 AI 算法相结合如此重要的原因——只有这种强大的组合才能可靠地应对上述所有挑战。

扩展应用范围

人工智能驱动的自动化解决方案的使用并不仅限于简单的包裹分离和分类。如果 3D 相机能够以高质量和高速扫描移动场景，则可以实时测量包裹并根据它们的大小或其他标准对它们进行分类。

例如，Photoneo MotionCam-3D 能够捕获移动速度高达 40 m/s 的物体，可以达到 1 cm 的测量精度，并提供约 2 Mpx 的深度图分辨率和 1500 万个 3D 点/秒。

结合人工智能和 3D 机器视觉的系统还可用于展开或展开起皱的信封和包裹——并虚拟地进行几何变换——以提高 OCR 的可读性以进行进一步处理。其中一些系统还支持根据条形码对包裹进行分拣。

这些系统的可能应用和功能随着人工智能和机器视觉的进步而发展和扩展，同时市场需求决定了这种发展的方向。

机器人分离可以提高安全性、生产力和可靠性，并显着降低成本。自动化已成为优化物流流程的重要工具。在假期前后包裹流量大幅增加，以及现在在 COVID-19 大流行期间来自电子商务的情况下，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对庞大的非结构化包裹流进行分拣和分拣是应对这些挑战的方法。

本文最初发表于 机器人报告的标题是：“包裹的分离和分拣如何受益于 AI 驱动的机器人”。 .