Rumah > Peranti teknologi > AI > Bagaimanakah penglihatan mesin dan pembelajaran mendalam boleh meningkatkan operasi logistik dan pergudangan?

Bagaimanakah penglihatan mesin dan pembelajaran mendalam boleh meningkatkan operasi logistik dan pergudangan?

WBOY
Lepaskan: 2023-04-09 10:31:03
ke hadapan
1237 orang telah melayarinya

Menurut Indeks Penghantaran Bungkusan Pitney Bowes 2021, 131 bilion pakej telah dihantar ke seluruh dunia pada tahun 2020. Jumlah ini dijangka meningkat lebih daripada dua kali ganda menjelang 2026, dipercepatkan oleh pandemik global dan industri e-dagang yang semakin berkembang. Apabila pembelian runcit dalam talian meningkat, keperluan untuk mengautomasikan proses logistik, gudang dan penghantaran telah menjadi keutamaan.

Bagaimanakah penglihatan mesin dan pembelajaran mendalam boleh meningkatkan operasi logistik dan pergudangan?

Pengukuran pembungkusan, pemeriksaan kualiti, bacaan kod bar, pengecaman aksara optik/pengesahan aksara optik (OCR/OCV) dan pengoptimuman pengendalian bahan (pada masa ini banyak Perusahaan melaksanakan ini secara manual) merupakan peringkat kritikal dalam mencapai automasi dalam rantaian nilai industri pengangkutan.

"Syarikat logistik, pergudangan dan pengangkutan cuba mempercepatkan operasi mereka. Tetapi kelajuan bermakna ketepatan dan ketepatan adalah penting kerana tiada masa untuk menangani ralat. Selain itu "Isu kakitangan ." kata Mark Wheeler, pengarah penyelesaian rantaian bekalan di Zebra Technologies. "Apabila anda menggabungkan ketiga-tiga perkara itu, apa yang anda perolehi ialah pasaran yang sangat terbuka dengan menggabungkan teknologi sedia ada dengan yang baharu dalam cara yang inovatif untuk mencuba perkara baharu." Kebanyakan inovasi ini tertumpu pada penglihatan mesin.

Robot berpandukan penglihatan

Di gudang atau pusat pengedaran, palet barangan sering menandakan permulaan dan akhir proses pergudangan. Apabila memasuki kemudahan, penghantaran berpalet sama ada dipecahkan kepada kotak individu atau disimpan sebagai palet lengkap. Aplikasi penyahpalet telah beralih daripada menggunakan manusia terutamanya kepada bergantung pada robot berpandukan penglihatan. Apabila robot meletakkan item sebelumnya pada tali pinggang penghantar, penglihatan mesin mempercepatkan proses dengan mencari pakej seterusnya untuk dipilih.

"Kebanyakan pakej tiba dan meninggalkan gudang dalam muatan palet," kata Garrett Place, Pembangunan Perniagaan Robotik di ifm Corp. "Mereka berada di gudang moden Perjalanan adalah di tengah-tengah kebanyakan mesin aplikasi visi dalam logistik, bersetuju Ben Carey, pengurus kanan produk visi logistik di Cognex, yang meliputi aplikasi penglihatan mesin dalam logistik Empat bidang: Pengukuran, Pemeriksaan, Bimbingan dan Pengenalpastian Setiap kawasan ini wujud daripada proses penerimaan barangan yang masuk ke tempat pemeriksaan keluar Tanya pembangun penyelesaian visi mesin tentang cara terbaik untuk membawa kebolehulangan ke dalam kes penggunaan, dan mereka mungkin akan mengatakan sesuatu tentang mengehadkan bilangan pembolehubah Lagipun, itulah yang dilakukan oleh kebanyakan operasi pergudangan dan logistik. Pakej bergerak boleh terdiri daripada sebarang warna, saiz, bentuk dan bahan Tahap kebolehubahan ini telah menjadikan pemilihan teknologi dan penciptaan penyelesaian amat sukar untuk Amazon sejak beberapa tahun lalu . "Ini adalah sebab utama mengapa kebanyakan kes penggunaan penglihatan mesin dalam logistik adalah berbilang kamera dan berbilang modal. Satu kamera dan satu teknologi tidak mencukupi untuk mengurus kebolehubahan dalam jenis aplikasi ini. "

John Leonard, Pengurus Pemasaran Produk di Zivid, bersetuju, "Aplikasi utama termasuk menyahpalet dan mengepal kotak masuk dan keluar dari kemudahan. Di antara operasi masuk dan keluar ini terutamanya operasi pengambilan sekeping dan pemilihan pesanan untuk memenuhi pesanan. Ini semua dilakukan menggunakan kaedah yang berbeza, yang berbeza dari satu tempat ke tempat. "

Kaedah ini termasuk robot mudah alih autonomi (AMR) dipandu oleh penglihatan 3D onboard. Contohnya, AMR boleh berjalan secara autonomi ke dinding gudang untuk mencari dan memilih item. Robot juga boleh pilih item berpandukan visi 3D onboard Item yang dihantar melalui tali pinggang penghantar lain boleh mengangkut item ke stesen penglihatan untuk memeriksa jenis dan kuantiti barang daripada item yang boleh dipilih menggunakan Palet AMR untuk mendapatkan semula Semasa perjalanan, AGV bergantung pada penglihatan mesin untuk postur palet dan pengesanan halangan untuk menjejaki palet dan muatan kotak sepanjang proses tersebut. AGV menguruskan pergerakan manakala lengan robot menukar kotak menjadi palet yang dimuatkan sepenuhnya ini kemudiannya ditimbang dan diukur sebelum memasuki trak, menjadikan dimensi palet sebagai bahagian penting dalam penglihatan mesin dalam logistik 🎜>

" Industri telah beralih daripada menilai kadar penghantaran mengikut berat secara ketat kepada mengecas mengikut berat isipadu, menjadikan ukuran dimensi yang tepat lebih penting berbanding sebelum ini. penting. Daniel Howe, pengurus pembangunan wilayah untuk Amerika di LMI Technologies, berkata, "Penderia 3D Pintar ialah pemacu utama dalam mengautomasikan proses pembungkusan dan logistik, termasuk dimensi volumetrik, pengisihan dan pengesanan kecacatan permukaan. "

Banyak AMR dan AGV menggunakan platform O3R ifm untuk penderiaan robot. Ia terdiri daripada kamera kompak (kamera VGA dan sensor masa penerbangan) dan Unit Pemprosesan Penglihatan (VPU) dengan NVIDIA Jetson TX2 untuk menilai data. Sehingga 6 kamera boleh disambungkan ke peranti berasaskan Linux, termasuk penderia daripada syarikat lain.

Permintaan tinggi untuk peningkatan kelajuan dan pemprosesan

Walaupun aplikasi logistik dan pergudangan menghadapi banyak cabaran, keperluan untuk kelajuan yang lebih tinggi dan keperluan Throughput adalah berterusan . Cabaran termasuk item yang dibungkus dalam beg poli jelas, yang menimbulkan cabaran pengimejan kerana cara ia memantulkan cahaya. Operasi pemilihan lain mungkin memerlukan warna sebagai sebahagian daripada proses pengesanan item, yang mungkin memerlukan penglihatan 3D yang menyokong maklumat warna dalam imej.

Menurut Leonard, penentukuran merupakan satu cabaran besar untuk semua kamera 3D kerana ia direka untuk berfungsi dalam julat mikrometer, ketukan, turun naik suhu dan getaran yang biasa berlaku dalam persekitaran perindustrian. menjejaskan penentukuran dan dengan itu ketepatan kamera 3D.

Sesetengah kamera, seperti kamera Zivid 3D, direka bentuk dan dihasilkan secara khusus untuk beroperasi dalam persekitaran industri, diberi penarafan IP65 dan ciri penentukuran automatik. Ini bermakna jika suhu berubah sebanyak 5 darjah disebabkan oleh pembukaan dan penutupan pintu pengatup roller yang besar (yang biasa berlaku di gudang logistik), maka kamera akan menyesuaikan untuk kekal ditentukur dengan sempurna.

LMI Corporation telah membangunkan medan pandangan ultra lebar penderia Gocator 2490, yang direka khusus untuk menyediakan ukuran saiz pakej yang pantas dan tepat untuk penghantaran. Kotak boleh bergerak di atas penghantar pada kelajuan 2 m/s. Menurut Howe, satu medan pandangan luas Gocator 2490 sensor pintar boleh mengimbas dan mengukur keseluruhan dimensi kotak (lebar x tinggi x kedalaman) pada 800 Hz, dengan keluasan imbasan 1 m x 1 m, dalam ketiga-tiga dimensi ( x, Menyediakan resolusi 2.5 mm dalam Y, Z).

Resolusi yang cukup tinggi sehingga Gocator 2490 bukan sahaja boleh mengukur dimensi pelbagai saiz pakej, malah dapat mengesan kecacatan halus dalam pembungkusan. Keupayaan pemeriksaan dalam talian ini membolehkan keputusan lulus/gagal dicetuskan apabila pakej yang rosak dikesan.

Gocator 2490 juga memberi peluang untuk menangani aplikasi pembungkusan yang lebih maju seperti pengisian jurang, yang melibatkan pengimbasan pakej terbuka dengan item dan menentukan berapa banyak bahan pembungkusan yang diperlukan untuk mengisi kekosongan angkasa lepas. Untuk aplikasi sedemikian, konfigurasi dwi-kamera membantu mengelakkan oklusi di dalam kotak atau tote.

Edge Deep Learning

Memandangkan kerumitan bidang logistik meningkat secara eksponen, penerapan penglihatan mesin juga menghadapi lebih banyak cabaran. Contohnya, cuba mengesan pelbagai jenis objek dalam orientasi rawak pada tali pinggang penghantar berkelajuan tinggi, pemeriksaan penglihatan mesin berasaskan peraturan tradisional akan menghadapi kesukaran dalam situasi ini.

Walau bagaimanapun, pembelajaran mesin yang mudah digunakan dan pembelajaran mendalam dalam platform terbenam muncul untuk menyelesaikan aplikasi yang mencabar sebelum ini. Sebagai contoh, In-Sight 2800 yang dilancarkan baru-baru ini Cognex menampilkan pembelajaran kelebihan yang mudah disediakan dan tidak memerlukan pengaturcaraan. Ia dengan cepat dan tepat mengisih segala-galanya daripada kotak ke beg pakaian kepada beg plastik dan berjalan sepenuhnya pada kamera pintar.

"Teknologi seperti pembelajaran edge pada In-Sight 2800 meningkatkan kadar pemeriksaan pakej, menghasilkan kerja semula manual yang kurang dan membolehkan ketepatan pesanan yang lebih baik dengan automasi pengendalian bahan yang lebih maju," kata Carey, "Pelanggan kami mendapat manfaat daripada peningkatan kelajuan pemprosesan dan interaksi manual yang lebih sedikit, membolehkan syarikat-syarikat ini mengurus permintaan yang turun naik tanpa mengubah jumlah pekerja, yang terus menjadi masalah dalam persekitaran yang membebankan buruh hari ini. Cabaran. "

Pendemokrasian visi mesin

Sebagai contoh, kebanyakan teknologi yang digunakan dalam gudang moden, termasuk kamera 2D dan 3D serta penambahan kuasa pengkomputeran, semuanya adalah lelaran kaedah yang diketahui sebelum ini. Apa yang agak baharu ialah memanfaatkan semua teknologi ini dalam strategi berbilang kamera, berbilang modal, digabungkan dengan kuasa pemprosesan berskala besar ML untuk mengurus aplikasi.

"Kami pernah melihat penyelesaian vendor tunggal di gudang," jelas Place, "Kini, kami melihat gabungan berbilang vendor dan teknologi, setiap satu Setiap vendor dan teknologi mempunyai kekuatan tersendiri dan digunakan bersama-sama untuk menyelesaikan cabaran sebagai pendemokrasian visi mesin dalam pergudangan dan logistik. Sudah tentu, kamera industri memberikan data yang lebih baik, lebih berulang dan pengiraan lebih pantas, tetapi tiada apa yang mengubah permainan. Kemajuan terbesar adalah dalam kemudahan penggunaan komponen dalam pendekatan berbilang teknologi untuk menyelesaikan masalah gudang.

"Logistik bergerak ke arah robotik," kata Place "Robotik ialah masalah penyepaduan. Penglihatan mesin dan kerumitannya beralih daripada fokus kamera tunggal untuk mengurangkan moden Ini. pendekatan membawa kita ke langkah seterusnya dalam perjalanan ini "

Atas ialah kandungan terperinci Bagaimanakah penglihatan mesin dan pembelajaran mendalam boleh meningkatkan operasi logistik dan pergudangan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:51cto.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan