利用计算机视觉、机器人与机器学习革新拆垛作业

得益于3D机器视觉等技术进步，机器人正渗透进工业流程的各个领域。COVID-19疫情凸显了自动化在快速准确履约与高效供应链中的迫切需求。物流流程中，拆垛作业通过智能自动化可大幅提升生产力。

什么是拆垛？

拆垛是将托盘上的箱子逐个卸下的过程。区别于传统整层拆垛（机器人夹爪一次抓取整层箱子，“希望”抓住所有箱子），机器人拆垛利用人工智能：系统识别单个箱子，机器人逐个将其放置到传送带或其他预设位置。

拆垛较整层拆垛具有更高层级优势：所需放置区域更小——仅需最大箱子尺寸而非整个托盘；因载荷更轻，可使用更小的机械臂与夹爪，显著降低成本。

3D视觉与AI是成功关键

最优拆垛系统能使装满各类箱子的托盘卸载过程安全、快速、高效、可靠且具成本效益。这只能通过将3D机器视觉与由先进机器学习算法赋能的智能机器人相结合来实现。

部署的3D扫描仪扫描体积需足够大，以便从足够距离扫描整个托盘。考虑机器人操作所需最小空间，扫描仪通常需安装在托盘上方约3米处。选择合适的3D扫描仪是成功拆垛的首要前提。

第二步是用图像数据训练AI。机器学习算法能持续学习识别新型箱子，包括不同尺寸或因损坏导致的不规则形状。这使方案极具通用性，混合托盛卸载几乎不构成挑战。箱子无需按模式堆叠，可随机摆放甚至倾斜，机器人仍能拾取。

智能系统还能识别紧密堆叠、间隙仅0.5毫米的箱子。较弱方案可能无法区分两箱分界线与单箱开口轮廓线。

其他挑战包括：表面纹理多变、光滑反光材质、凸起胶带、图案花纹“误导”3D视觉，黑色纸箱也可能造成干扰。

基于纹理与3D数据分割单个箱子的最先进方法是使用卷积神经网络（CNN）。系据此决定拾取顺序——托盘最顶层箱子优先，并确定抓取姿态以最大化吸盘吸力。

为在顶层箱子与扫描仪间安全操作，系统需考虑箱子可能尺寸。这对安全放置到传送带也很重要。可通过扫描数据计算箱高，或在传送带上方几厘米设置光栅：箱子触碰光束时夹爪释放。这样所有箱子在相同高度落下，相较整层拆垛（同层不同高度箱子难题）优势巨大。

机器人可完成整项工作

Photoneo系统包含自研3D视觉，展示了此类机器人拆垛。系统扫描满载箱子的整托盘，生成3D-纹理数据集。

该扫描经Photoneo机器学习算法处理，该算法在5000多种箱子上训练。AI即时识别每个箱子并发送指令给机器人。利用专用通用夹爪，机器人以±3 mm精度执行拾取，每小时可卸载1000箱，拾取成功率99.7%。

拆垛系统必须应对多变性

若因箱面起皱等原因导致抓取失败，夹爪反馈告知用户以便采取纠正措施。循环时间通常小于10秒，取决于机器人类型、箱面状况及内容物（部分需更灵敏操作）。

环境、机器人与机械特性决定并限制循环时间。例如，重箱子无法超过物理极限加减速。若客户需缩短循环时间、提升性能，可选多区域夹爪同时拾取同高度多箱，再依次放下。

完美分离的关键在于知晓放置区域尺寸限制，避免抓取超出安全放置数量的箱子，并精准识别箱型以防抓取不同高度箱子。Photoneo产品兼容主流机器人品牌，开箱即用无需训练；遇新箱型可自我重新训练，缩短部署集成时间。

适应以人为本的环境

成功拆垛方案须综合考量上述因素。尽管机器人看似简单，机器学习算法仍需足够鲁棒以应对各类拆垛挑战。开发商与集成商须深思每个应用细节并在用户评估ROI前充分测试。

此外，常需将机器人适配以人为本的环境。虽自动化快速演进，许多客户仍在逐步改造配送中心与仓库以充分利用机器人与AI。

人工卸垛的主要挑战在于箱子尺寸重量及取箱高度。手动操作常导致严重伤害，最优拆垛系统帮助工人规避高风险或重复动作。

例如，Photoneo拆垛机器人可在无人干预下拾取重达50 kg的箱子。最大优势之一：机器人可不间断工作，永不疲劳。

采用3D视觉、AI与机械臂的拆垛机器人

AI = 无限潜力？

AI驱动方案无疑是未来趋势，用户无需设计、调试或测试。智能系统可解放集成商脱离复杂3D计算与任务。

但集成商应具备基础机械知识：不同夹爪工作原理、适合特定工件的夹爪类型、如何分布机械组件以防机器人操作或扫描故障。

集成商还应了解特定系统的潜在产能，以匹配客户具体需求。切记AI仅是方案一部分，不可高估。集成商始终需要特定知识才能成功部署智能自动化方案。

若满足这些条件，部署拆垛机器人可助物流企业快速获得ROI，改善供应链流程，提升生产力；同时节省时间、降低成本、保护工人健康，释放员工从事需要创造力与批判性思维的任务。

当前雇员与雇主面临的最迫切挑战是如何维持运营。因无法自信预测全球经济何时从COVID-19停摆中复苏，现在正是自动化与精简生产流程的最佳时机。

本文原载于《The Robot Report》。