wordpress多站点分别部署,企业宣传及介绍ppt,网站建设 深圳信科公司,沧州青县网站建设原创 | 文 BFT机器人 01
分拣机器人的应用 基于机器视觉技术的分拣机器人可以将工人从繁重的劳动中解放出来#xff0c;大大提高了分拣的效率#xff0c;因此被广泛地应用于食品、物流以及煤矿等多个行业。 1.1 分拣机器人在水果分拣中的应用 随着农业科技的发展和人民生活… 原创 | 文 BFT机器人 01
分拣机器人的应用 基于机器视觉技术的分拣机器人可以将工人从繁重的劳动中解放出来大大提高了分拣的效率因此被广泛地应用于食品、物流以及煤矿等多个行业。 1.1 分拣机器人在水果分拣中的应用 随着农业科技的发展和人民生活水平的提高水果品种越来越多人们对水果的品质也有了更高的要求。人工分拣劳动量大、生产率低而且分拣精度不稳定因此水果分拣的快速、准确和无损化成为亟需解决的问题。 基于机器视觉技术的水果分拣机器人采用非接触式的图像传感器因此不会对水果造成损伤可适用于多种类型水果的分拣。SoFu设计的苹果自动分拣与品质检验体系集成了图像处理以及曲线拟合软件使得分拣过程准确率逼近96。 基于机器视觉技术的水果分拣机器人不仅能够检测水果的大小和形状还能对水果外表的损伤进行分析。如图1所示根据水果颜色这个外观特征能够间接判断其内部品质如使用近红外光的品质检测法精确测定水果的糖度和酸度而且检测过程十分迅速。 图1水果分拣机器人 1.2 分拣机器人在物流分拣中的应用 近些年电子商务行业快速增长中国每天有超过1亿个快递包裹而且中国快递行业还在高速发展规模不断扩大。物流业是对人力成本非常敏感的产业同时机器视觉技术具有高度自动化、高效率、高精度和环境适应强等优点为高速发展的物流分拣系统开启了“新视界”。物流行业正从原始的人工分拣向模块化、智能化以及自动化方向快速演进。 基于机器视觉技术的物流分拣机器人可以将货物从目标位置快速且准确地搬运到指定的位置所有的作业均是按照指令自动完成其间不会受到气候、时间和体力的限制真正实现了货物的连续大规模分拣。 在准确性方面先进的机器视觉技术可以自动识别并判断商品的条形码、尺寸、重量和形状分拣错误率极低。分拣车间实现了极少数人辅助分拣甚至无人分拣大大降低了企业的人力成本投入同时也降低了企业员工的劳动强度提高了人员的使用效率。安徽省一通研发的高速环形交叉带分拣系统实测分拣效率高达2.3万件/h而且分拣准确率高达99.99%广泛应用于邮政快递、跨境电商、海关等行业。 图2并联食品分拣机器人 02
分拣机器人的现状与展望 机器视觉技术是分拣机器人领域的一项重要技术其拓展了分拣机器人的研究方向和应用领域基于机器视觉技术的分拣机器人被广泛应用于食品、煤炭、物流、电子制造以及汽车制造等行业。 机器视觉技术的发展一方面得益于计算机和相机性能的提升另一方面也离不开核心算法的优化和创新。机器视觉技术的发展使得基于机器视觉技术的分拣机器人工作更加高效、更加智能和更加人性化。虽然基于机器视觉技术的分拣机器人在各行业得到了广泛应用但在具体实施过程中仍存在以下问题和挑战 1在实际分拣过程中由于待分拣物体的形状和材质不固定机器视觉系统需要处理的信息多且复杂。现有的机器视觉算法识别过程耗时长难以实现精准高效分拣的目标。因此亟需设计一种新的机器视觉算法来提升特征提取能力、特征选择能力以及特征分类能力使得高效精准分拣成为现实。 2嵌入式机器视觉系统是先进的计算机技术、半导体技术、电子技术相结合后在各个行业具体应用的产物其可以达到实时视觉图像采集与视觉图像处理控制的效果且对于一些特定的分拣场合可以不使用高端计算机。使用嵌入式机器视觉系统可以使分拣机器人结构更紧凑在降低成本的同时也减小了功耗。因此把嵌入式机器视觉系统融入分拣机器人是未来的重点研究方向。 3分拣机器人并没有像人类一样敏锐的视觉且现有的机器视觉算法受环境影响很大单一的机器视觉很难适用于复杂的分拣场景。因此给分拣机器人配备多个不同类型传感器将来自多传感器或多源的信息和数据按照一定的准则进行自动分析和综合让分拣机器人能够灵活感知环境并完成物体识别、精准定位、自由抓取是现阶段的首要任务。但是目前尚未建立统一的融合理论和有效广义融合模型及算法对数据融合的具体方法研究也尚处于初步阶段。因此建立统一的融合理论、数据融合的体系结构和广义融合模型将人工智能技术与大数据引入到数据融合领域以提高多传感融合的性能并构建数据融合测试评估平台和多传感器管理体系是未来的重点研究方向。 4在分拣行业机器视觉已经几乎成为标配但在具体应用上却往往还是采用传统机器视觉算法加入人工智能的机器视觉算法仍然应用较少。用“人工智能机器视觉”来做机器识别优势非常明显可大大增加分拣过程的柔性在不同的位置、光照以及复杂环境下能够呈现出更好的适应性。但准确率一直制约着人工智能应用的发展目前大多数人工智能算法都难以达到较高的准确率误差率只能控制在15%左右。因此提高人工智能算法的准确率是未来研究的重点和难点。 5在人工智能大数据时代背景下诞生的5G具有高速率、低时延及大连接等特点。与5G深度融合的深度学习算法将机器视觉的效率和鲁棒性和人类视觉的灵活性相结合结合后的机器视觉分拣系统不仅具备在复杂环境中检测的能力而且在实时性方面也得到了很大改善。深度融合5G和深度学习的机器视觉将使高分辨率图像的机器视觉分拣系统、多分拣机器人协作作业成为可能同时也能加速智慧分拣工厂的建设为打造未来超级工厂提供了思路。 END 作者 | 江城
排版 | 小河
审核 | 猫 若您对该文章内容有任何疑问请与我们联系我们将及时回应。
