视觉与离散传感器

机器视觉洞察

• 由于人员短缺和主要的供应链问题，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(amr)和自动导引车(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)正被用于解决曾经非常具有挑战性的应用程序，并从制造车间开发的传感和机器视觉进步中获得新的见解。

---

根据2021年Pitney Bowes包裹运输指数，2020年全球运送了1310亿个包裹。到2026年，这一数字预计将增加一倍以上，全球疫情和电子商务行业的发展加速了这一数字。随着网上零售购物的大幅增加，自动化物流、仓库和运输过程的需求已成为当务之急。¹

包装测量、质量检验、条形码读取、光学字符识别/光学字符验证(OCR/OCV)和物料处理优化，这些目前许多公司都是手工进行的，是航运业价值链的关键阶段，适合自动化。

“物流、仓储和航运组织正在努力提高运营速度。但加快速度意味着准确性和精度是必须的，因为没有时间处理错误。然后还有人员问题，”供应链解决方案总监马克·惠勒(Mark Wheeler)说。斑马技术。“当你把这三件事结合在一起时，你得到的是一个非常开放的市场，通过以创新的方式结合现有技术和新技术来尝试新事物。”

这些创新大多围绕着机器视觉。

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。在进入一个设施，托盘负载要么拆成单独的情况下或存储为完整的托盘。码垛应用已经从主要使用体力劳动过渡到依赖视觉引导机器人。当机器人将上一个负载放在传送带上时，机器视觉通过定位下一个包裹来加速这一过程。

“大多数包裹以托盘的形式到达和离开仓库，”商业发展、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。”

本·凯里，高级经理，物流视觉产品，Cognex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。这些区域中的每一个都存在于入境接收过程中，通过分类一直到出境检查点。”

自主移动机器人(amr)

询问机器视觉解决方案开发人员，将可重复性引入用例的最佳方法是什么，他们可能会说限制变量的数量。毕竟，变量会产生边缘情况。但大多数仓储和物流业务移动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。

“过去几年的亚马逊拣货挑战就是一个很好的例子，”普雷斯说，“这也是大多数机器视觉在物流领域的应用都是多摄像头和多模式的主要原因。一个摄像头和一种技术不足以管理这类应用的可变性。”

约翰·伦纳德Zivid产品营销经理表示赞同。“主要的应用是卸垛和托盘箱进入和离开设施。在这些进出操作之间，主要是拣件操作和拣单操作，以完成订单。”“这些都是通过不同的方法完成的，这些方法因地而异。”

这些方法包括自主移动机器人(amr)由机载3D视觉引导。例如，amr可以自动移动到垃圾箱的墙壁上寻找和选择物品。机器人还可以拾取由传送带输送的物品。其他移动机器人可以将物品运送到视觉站，以便检查货物的种类和数量。

自动导引车(agv)

另外，对于全托盘负载存储，许多仓库部署自动引导车辆(agv)来挑选和存储托盘以供检索。在行驶过程中，agv依靠机器视觉进行托盘姿态和障碍物检测。机器视觉代码读取在整个过程中跟踪托盘和箱子负载。⁴

当完整的托盘准备离开设施时，agv管理运动，而机械臂将箱子转换为完整的托盘。然后在进入卡车之前对这些准备装船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大用例。

该公司美洲区域发展经理丹尼尔•豪(Daniel Howe)表示:“该行业正在经历转变，从严格按重量评估运费，转向按尺寸重量收费，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平台来实现机器人感知。它由紧凑型摄像机头(VGA摄像机和飞行时间传感器)和一个带有NVIDIA Jetson TX2的视觉处理单元(VPU)组成，用于评估数据。这款基于linux的设备可以连接多达6个摄像头，包括其他公司的传感器。^3.

高要求提高速度、吞吐量

虽然物流和仓储应用中存在许多挑战，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线，因此存在成像挑战。其他拣件操作可能需要颜色作为物品检测过程的一部分，这可能需要在图像中支持颜色信息的3D视觉。

根据Leonard的说法，校准是所有3D相机的一大挑战，因为它们被设计为在微米范围内工作，工业环境中常见的撞击、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，是专门为工业环境设计和制造的，等级为IP65，并具有自动校准功能。”“这意味着，如果由于打开和关闭大型卷帘门而导致温度变化5度，这在物流仓库中很常见，那么摄像机就会进行调整，以保持完美的校准。”

箱体体积尺寸和空隙填充

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。另一个应用是测量盒子，为确定尺寸重量提供精确的体积测量。箱子可能以2米/秒的速度在传送带上移动。根据Howe的说法，单宽视场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，扫描速率为800赫兹，在所有三个维度(x, Y, Z)上提供2.5毫米的分辨率。

“竞争对手基于相机的系统通常在X、Y和Z轴上提供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至关重要，”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的尺寸，甚至可以检测包装中的细微缺陷。这种内联检查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也为解决更先进的包装应用提供了机会，比如空隙填充，这涉及到扫描一个打开的包装，里面有物品，并确定需要多少包装材料来填充空隙。对于这个应用程序，双摄像头配置有助于避免盒子或手提袋内的遮挡。

边缘的深度学习

因为当应用程序的复杂性成倍增加时，物流中的机器视觉就会面临挑战——例如，试图检测高速输送机上随机方向上不同尺寸的不同类型的物体——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)正在兴起，以解决以前具有挑战性的应用。例如，康耐视最近推出了具有边缘学习功能的In-Sight 2800，无需编程即可轻松设置。根据Carey的说法，In-Sight 2800可以快速准确地对从盒子到手提袋到塑料袋的所有东西进行分类，并完全在智能相机上运行。

“In-Sight 2800上的边缘学习等技术提高了包裹检测率，减少了人工返工，并通过更先进的材料处理自动化实现了更高的订单准确性，”Carey说。“我们的客户受益于更快的处理速度和更少的人工交互，使这些公司能够在不改变员工人数的情况下管理波动的需求，这在当今劳动力紧张的环境中仍然是一个挑战。”

民主化机器视觉

在现代仓库中部署的大多数技术，包括2D和3D相机以及增强的计算能力，都是对以前已知方法的迭代。有些新颖的是，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。

Place解释说:“我们过去常常在仓库中看到单一供应商的解决方案。“我们现在看到供应商和技术的结合，每个都有自己的优势，共同部署以解决挑战。这种方法将继续解锁以前未被机器视觉触及的用例。可以把它看作是仓储和物流领域机器视觉的民主化。”

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带来新的用例。当然，摄像头提供了更好、更可重复的数据，计算速度也更快了，但没有什么能改变游戏规则。最大的进步是在多技术方法中使用组件来解决仓库中的问题是多么容易。

普雷斯总结道:“物流正朝着机器人的方向发展，作为管理该行业大规模增长的主要方法。”“机器人是一个整合问题。机器视觉虽然复杂，但它正在从单一的相机焦点转向减少现代仓库所需的所有组件集成的摩擦。这种方法将带领我们进入这一旅程的下一步。”

-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。编辑克里斯·瓦夫拉，网络内容经理，控制工程、CFE媒体与技术、cvavra@cfemedia.com。

引用:

1. LMI技术:用于…的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O3R民主化机器人感知-机器人…, https://www.roboticsbusinessreview.com/rbr50-company-2022/ifm-efector-o3r-democratizes-robotic-perception-2/。
4. 自动高速托盘存储和数据捕获。(无日期)。Www.Cognex.Com。检索自2022年4月20日，https://www.cognex.com/applications/customer-stories/logistics/automated-high-speed-pallet-storage-and-data-capture
5. 斑马增加了履行条纹与Fetch机器人amr…, https://www.freightwaves.com/news/zebra-adds-to-fulfillment-stripes-with-fetch-robotics-amrs-workflows。