机器视觉，自动化简化物流和仓储操作

机器视觉洞察

• 由于人员短缺和重大供应链问题，制造商愿意更多地强调自动化以满足激增的需求。机器视觉和传感技术是这一趋势的主要组成部分。
• 自主移动机器人(AMRs)和自动引导车辆(agv)使用机器视觉和传感技术自由移动，这是物流自动化的关键部分。
• 嵌入式平台中的机器学习(ML)和深度学习(DL)正在被用于解决曾经非常具有挑战性的应用程序，以及从制造车间正在开发的传感和机器视觉进步中收集到的新见解。

---

根据2021年Pitney Bowes包裹运输指数，2020年全球共运送了1310亿件包裹。到2026年，受全球大流行和电子商务行业增长的影响，这一数字预计将增加一倍以上。随着在线零售购物规模的增长，自动化物流、仓库和运输流程的需求已成为当务之急。¹

包装测量、质量检查、条形码读取、光学字符识别/光学字符验证(OCR/OCV)以及材料处理优化，目前许多公司都是手动进行的，这些都是航运行业价值链的关键阶段，有助于实现自动化。

“物流、仓储和航运组织都在努力提高运营速度。但加快速度意味着准确性和精确性是必须的，因为没有时间处理错误。然后是人员配备问题，”供应链解决方案总监马克·惠勒说，斑马技术．“当你把这三件事放在一起时，你会看到一个非常开放的市场，通过创新的方式结合现有和新技术来尝试新事物。”

这些创新大多围绕着机器视觉展开。

Vision-guided机器人

在仓库或配送中心，托盘装载通常标志着仓储过程的开始和结束。在进入设施后，托盘装载要么被卸到单独的箱子中，要么作为完整的托盘存储。去码垛应用程序已经从主要使用手工劳动过渡到依赖视觉引导的机器人。机器视觉通过定位下一个要挑选的包裹来加速这一过程，而机器人将上一个包裹放在传送带上。

“大多数包裹以托盘的形式到达和离开仓库，”业务开发、机器人感知、ifm efector“他们在现代仓库中的旅程是物流中大多数机器视觉应用的核心。”

物流视觉产品高级经理Ben CareyCognex公司表示同意。机器视觉在物流中的应用涵盖四个领域:测量、检查、引导和识别。从入站接收流程到排序一直到出站检查点，每个区域都存在。”

自主移动机器人(amr)

向机器视觉解决方案开发人员询问为用例带来可重复性的最佳方法，他们可能会说一些关于限制变量数量的事情。毕竟，变量会产生边缘情况。但是，大多数仓储和物流业务运送的包裹可以是任何颜色、大小、形状和材料。这种程度的可变性使得技术选择和解决方案创建极其困难。

“过去几年的亚马逊Pick挑战就是一个很好的例子，”Place说，“这也是物流中大多数机器视觉用例都是多摄像头和多模式的主要原因。一种相机和一种技术不足以管理这些类型应用的可变性。”

约翰·伦纳德Zivid产品营销经理表示同意。“主要应用是进出设施的箱子的卸托盘化和托盘化。在这些进出操作之间，主要是拣件操作和拣单以完成订单，”他解释道。“这些都是用不同的方法完成的，各地的方法各不相同。”

这些方法包括自主移动机器人(AMRs)由机载3D视觉引导。例如，amr可以自主地移动到箱子的墙壁上寻找和选择物品。机器人还可以挑选由传送带输送的物品。其他移动机器人可以携带物品到视觉站，以便检查商品的类型和数量。

自动导引车辆(agv)

另外，对于满载托盘的存储，许多仓库部署自动引导车辆(agv)来挑选和存储托盘以进行检索。在行驶过程中，agv依靠机器视觉进行托盘姿势和障碍物检测。机器视觉代码读取跟踪托盘和案例负载在整个过程中。⁴

当满载的托盘准备离开设施时，agv管理移动，而机械臂将箱子转换为满载的托盘。然后，在进入卡车之前对这些准备发货的托盘进行称重和测量，使托盘尺寸成为机器视觉在物流中的另一个强有力的用例。

美洲区域发展经理Daniel Howe表示:“该行业已经发生了转变，从严格按照重量计算运费到按尺寸重量收费，这使得精确的尺寸测量比以往任何时候都更加重要。”LMI技术．智能3D传感器是包装和物流过程自动化程度提高的关键驱动因素，包括体积尺寸、尺寸、分拣和表面缺陷检测。”

许多amr和agv依赖于ifm效应器O3R平台进行机器人感知。它由紧凑的相机头(VGA摄像头和飞行时间传感器)和视觉处理单元(VPU)组成，配有NVIDIA Jetson TX2，用于数据评估。这款基于linux的设备最多可以连接6个摄像头头，包括来自其他公司的传感器。^3.

对提高速度、吞吐量的高要求

虽然物流和仓储应用面临许多挑战，但对更快速度和更高吞吐量的需求是不变的。挑战包括包裹在透明塑料袋中的物品，由于它们如何反射光而呈现成像挑战。其他零件挑选操作可能需要颜色作为物品检测过程的一部分，这可能需要支持图像中颜色信息的3D视觉。

Leonard表示，对于所有3D相机来说，校准都是一个巨大的挑战，因为它们被设计成在微米范围内工作，工业环境中常见的敲击、温度波动和振动很容易影响校准，从而影响3D相机的精度。

Leonard说:“一些相机，如Zivid 3D相机，是专门设计和制造的，可在工业环境中运行，额定为IP65，并具有自动校准功能。”“这意味着，如果由于一个大型卷帘门的打开和关闭而导致温度变化了5度，这在物流仓库中非常常见，那么摄像头就会进行调整，以保持完美的校准。”

箱体尺寸及空隙填充

LMI开发了超宽视场(FOV) Gocator 2490传感器，专门为运输提供快速准确的包裹尺寸测量。另一种应用是测量箱子，为确定尺寸重量提供精确的体积测量。箱子可能以每秒2米的速度在传送带上行进。Howe表示，一个宽视场的Gocator 2490智能传感器可以扫描和测量完整的盒子尺寸(宽x高x深)，扫描面积为1米x 1米，速度为800赫兹，在所有三个维度(x, Y, Z)上提供2.5毫米的分辨率。

竞争对手的基于摄像头的系统通常在X、Y和Z轴上只能提供3到5毫米的分辨率。然而，我们的每个传感器在测量范围和分辨率上都有所不同，因此为您的应用选择正确的传感器是至关重要的。”Howe说。Gocator 2490具有足够高的分辨率，不仅可以测量各种包裹尺寸，甚至可以检测包装上的细微缺陷。这种在线检测功能允许在检测到有缺陷的包时触发通过/失败的决定。”

Gocator 2490还为解决更高级的包装应用提供了机会，如空隙填充，这涉及扫描一个打开的包装，其中有物品，并确定需要多少包装材料来填充空白空间。对于这种应用，双摄像头配置有助于避免在盒子或手提包内遮挡。

深度学习处于边缘

因为当应用程序的复杂性成倍增加时，机器视觉在物流中的挑战就会出现——例如，试图检测高速输送机上随机方向上不同类型的不同尺寸的物体——传统的基于规则的机器视觉检测/检查在这些情况下会很困难。

然而，嵌入式平台中易于使用的机器学习(ML)和深度学习(DL)正在出现，以解决以前具有挑战性的应用程序。例如，康耐视最近推出了具有边缘学习功能的In-Sight 2800，无需编程即可轻松安装。根据Carey的说法，In-Sight 2800可以快速准确地分类从盒子到手提袋到塑料袋的所有东西，并完全运行在智能摄像头上。

Carey表示:“In-Sight 2800的边缘学习等技术提高了包裹检测率，减少了手工返工，并通过更先进的物料处理自动化实现了更高的订单准确性。”“我们的客户受益于提高的处理速度，减少人工交互，使这些公司能够在不改变员工数量的情况下管理波动的需求，在当今劳动力受限的环境下，这仍然是一个挑战。”

普及机器视觉

现代仓库中部署的大多数技术，包括2D和3D摄像头以及增强的计算能力，例如，都是先前已知方法的迭代。比较新颖的是，将所有这些技术应用于具有大处理能力的多摄像头、多模式策略中，并结合ML来管理应用程序。

“我们过去在仓库中看到单一供应商的解决方案，”Place解释道。“我们现在看到了供应商和技术的结合，每个人都有自己的优势，一致部署来解决挑战。这种方法将继续解锁以前机器视觉未触及的用例。你可以把它看作是机器视觉在仓储和物流领域的民主化。”

很难指出一项技术进步正在为仓储和物流领域的机器视觉解锁新的用例。当然，摄像头提供了更好、更可重复的数据，计算速度更快，但没有什么能改变游戏规则。最大的进步在于，在解决仓库问题的多技术方法中，这些组件是多么容易使用。

普雷斯总结道:“物流正在向机器人技术发展，成为管理该行业大规模增长的主要方法。”“机器人是一个集成问题。复杂的机器视觉正在从单一的摄像头聚焦转向减少现代仓库所需的所有组件集成的摩擦。这种方法将把我们带到这一旅程的下一步。”

-这最初出现在推进自动化协会(A3)网站．A3是CFE媒体和技术内容合作伙伴。由网页内容经理克里斯·瓦夫拉编辑，控制工程， CFE媒体与技术，cvavra@cfemedia.com．

引用:

1. LMI Technologies - LMI Technologies: 3D智能传感器…, https://www.manufacturingtechnologyinsights.com/lmi-technologies。
2. 斑马技术公司-斑马技术…, https://investors.zebra.com/news-and-events/news/news-details/2021/Zebra-Technologies-Expands-Fetch-Robotics-Portfolio-with-Solution-to-Optimize-Fulfillment-Workflows/default.aspx。
3. ifm效应器O3R民主化机器人感知-机器人技术…, https://www.roboticsbusinessreview.com/rbr50-company-2022/ifm-efector-o3r-democratizes-robotic-perception-2/。
4. 自动化的高速托盘存储和数据捕获．(无日期)。Www.Cognex.Com。检索于2022年4月20日，来自https://www.cognex.com/applications/customer-stories/logistics/automated-high-speed-pallet-storage-and-data-capture
5. 斑马加入了Fetch Robotics AMRs实现条纹…, https://www.freightwaves.com/news/zebra-adds-to-fulfillment-stripes-with-fetch-robotics-amrs-workflows。

原始内容可以在先进自动化协会(A3)．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。