AI로 자동화된 소포 및 소포 분류 시스템

소포와 봉투 더미를 수동으로 분류한 다음 분류하여 컨베이어 벨트에 놓는 작업은 특히 피크 시간에 까다로워집니다. 이 프로세스의 자동화는 생산성을 높이고 비용과 시간을 절약하며 부상을 줄일 수 있습니다. 인공 지능을 기반으로 하는 로봇 분류 및 분류 시스템은 계속 증가하는 전자 상거래 수요를 따라잡으려는 물류 회사의 필수 요소가 되고 있습니다.

수동 싱귤레이션 — 과거의 일인가요?

소포 흐름은 일년 내내 급격한 변동을 경험하며 일반적으로 블랙 프라이데이와 크리스마스 기간에 정점에 이릅니다. 전 세계 소포 물량은 일반적으로 연간 최대 25%의 비율로 증가하고 있습니다.

COVID-19 발발은 정시 주문 이행도 테스트했습니다. 전자 상거래에 대한 의존도가 높아짐에 따라 용량에 대한 수요가 증가했습니다. 결과적으로 더 많은 직원을 고용해야 할 필요성뿐만 아니라 채용 프로세스 자체와 관련된 더 많은 운영 비용이 발생합니다. 판매 관점에서 일반적으로 가장 좋고 가장 수익성이 높은 것으로 간주되는 기간이 따라서 최악이 됩니다.

처리량 요구 사항 및 수요 급증 외에도 작업자 건강 및 만족도는 수동 분류 및 분류의 과제입니다. 직원들은 반복적인 작업으로 인한 지루함과 불규칙한 중량물 취급으로 인한 부상에 직면할 수 있습니다. 이는 근로자 보상 비용과 생산성 저하로 이어질 수 있습니다.

비전과 로봇공학의 구출

위의 문제는 단일화 및 분류 프로세스를 자동화하여 극복할 수 있으며, 이를 통해 비용을 더 예측 가능하게 만들고 수요가 급증할 때 확장성을 제공할 수 있습니다.

오늘날 가장 진보된 자동화는 3D 머신 비전, AI 알고리즘 및 주요 로봇 브랜드와의 호환성을 결합합니다. 특정 픽 앤 플레이스 시스템의 품질과 성공 여부를 측정하는 것도 가능합니다. 구체적인 예를 살펴보겠습니다. 구조화되지 않은 대량의 소포를 개별화하고 분류해야 하는 경우 회사가 자동화 시스템을 구현함으로써 어떤 이점을 얻을 수 있습니까?

예를 들어 Photoneo는 사내에서 개발한 3D 머신 비전을 로봇이 시간당 2,250개 이상의 소포를 선택할 수 있는 알고리즘과 통합합니다. 비전 시스템은 정확한 3D 데이터를 제공하고 +/-3mm의 파지 정확도로 이어지는 정확한 위치 파악을 가능하게 합니다.

Photoneo Singulation and Sorting System은 95%의 피킹 성공률을 위해 별도의 교육 없이 즉시 소포를 인식할 수 있는 사전 교육된 신경망을 기반으로 합니다.

나머지 5%는 구획의 기계적 특성과 재료의 결과입니다. 예를 들어 물체의 표면이 주름지거나 천으로 만들어진 경우 그리퍼에서 떨어져서 다시 집어야 할 수 있습니다. Photoneo에 따르면 이러한 개체는 두 번째 시도에서 항상 성공적으로 선택됩니다. 1.5초 미만의 주기 시간을 달성할 수 있으며 다양한 로봇 브랜드와 호환된다고 주장했습니다.

단일 스캔 대 다중 선택 모드

성능 속도는 선택한 스캔 모드에 따라 다릅니다. 단일 스캔 모드는 스캔하고, 데이터를 처리하고, 물체를 현지화하고 로봇에 명령을 보내 물체를 선택합니다. 이 프로세스는 모든 개체에 대해 반복됩니다. 처리 지연은 일반적으로 0.5초를 넘지 않습니다.

또 다른 옵션은 다중 선택 모드로, 이 경우 스캐너/카메라가 스캔하고, 시스템은 선택할 수 있는 모든 물체를 인식하며, 로봇은 중단 없이 하나씩 선택합니다. 스캔 횟수는 특정 애플리케이션에 맞게 조정할 수 있습니다. 다중 선택 모드에서는 처리 지연이 없기 때문에 성능이 더 빨라지고 주기 시간은 로봇의 속도에 의해서만 제한됩니다.

시각 및 지능

3D 데이터의 품질은 자동 싱귤레이션 및 분류 솔루션의 성공 여부를 결정합니다. 가장 지능적인 시스템을 가질 수는 있지만 작업하고 의지할 좋은 3D 데이터가 없으면 그 결과는 쓸모가 없을 것입니다. 좋은 3D 카메라는 높은 해상도와 정확도, 큰 스캐닝 볼륨과 피사계 심도, 빠른 스캐닝 속도를 제공해야 합니다.

다른 중요한 요소는 주변 조명을 억제하는 기능과 "플러그 앤 플레이" 성능입니다. 배치된 3D 카메라가 이러한 모든 기능을 제공하는 경우 시스템은 AI가 이를 처리하고 각 개체를 성공적으로 현지화할 수 있도록 충분한 데이터를 확보합니다.

소포의 AI 기반 분할 및 위치 파악에 대한 가장 현대적인 접근 방식은 지난 몇 년 동안 큰 발전을 이룬 컨볼루션 신경망을 사용하는 것입니다. 이러한 신경망은 크기, 위치, 방향뿐만 아니라 모든 모양, 질감, 재질의 소포, 봉투, 심지어 가방까지 인식할 수 있습니다.

최상의 솔루션은 거대한 개체 데이터베이스에서 훈련된 알고리즘을 기반으로 하므로 이전에 본 적이 없는 새로운 유형의 개체를 쉽고 빠르게 일반화하고 인식할 수 있습니다. 주름, 변형 및 기타 불규칙성이 빠른 인식에 장애가 되지 않아야 합니다.

성공적인 감지 및 위치 파악 후 로봇은 특정 물체를 선택하라는 명령을 받은 다음 컨베이어 벨트와 같은 사전 정의된 위치에 배치합니다.

싱글레이션의 주요 과제

로봇 싱귤레이션 시스템 개발자는 수많은 과제에 직면해 있습니다. 3D 비전의 주요 문제는 반짝이거나 반사되는 표면, 다양한 패턴과 그림을 포함하는 표면, 검은색 표면으로 인해 발생합니다. 질감의 다양성도 어려움을 야기합니다. 소포는 일반적으로 구조화되지 않은 방식으로 쌓여 있으며 서로 겹치므로 현지화하기 어렵습니다.

가장 큰 문제 중 하나는 가방의 특성에 있습니다. 가방의 모양이 변형되고 주름과 주름이 가득하여 로봇 그리퍼가 가방을 집는 것이 매우 어렵습니다. 이것이 고품질 3D 비전을 고급의 정교한 AI 알고리즘과 결합하는 것이 필수적인 이유입니다. 이 강력한 콤보만이 위의 모든 문제를 안정적으로 해결할 수 있습니다.

응용 범위 확장

AI 기반 자동화 솔루션의 활용은 단순히 소포의 개별화 및 분류에 그치지 않습니다. 3D 카메라가 움직이는 장면을 고품질로 고속으로 스캔할 수 있다면 패키지를 즉석에서 측정하고 크기 또는 기타 기준에 따라 분류할 수 있습니다.

예를 들어 최대 40m/s로 움직이는 물체를 캡처할 수 있는 Photoneo MotionCam-3D는 1cm의 측정 정밀도에 도달할 수 있으며 ~2Mpx 및 1500만 3D 포인트/초의 깊이 지도 해상도를 제공합니다.

AI와 3D 머신 비전을 결합한 시스템은 구겨진 봉투와 소포를 펼치거나 풀고 추가 처리를 위해 OCR의 가독성을 개선하기 위해 가상으로 기하학적 변환을 수행하는 데 사용할 수도 있습니다. 이러한 시스템 중 일부는 바코드를 기준으로 소포를 분류할 수도 있습니다.

이러한 시스템의 가능한 응용 프로그램 및 기능은 AI 및 머신 비전의 발전과 함께 개발되고 확장되지만 이러한 개발 방향을 결정하는 시장 요구와 함께 확장됩니다.

로봇 싱귤레이션은 안전성, 생산성 및 신뢰성을 높이고 비용을 크게 절감할 수 있습니다. 자동화는 물류 프로세스를 최적화하는 중요한 도구가 되었습니다. 창고와 유통 센터는 COVID-19 대유행 기간 동안 전자 상거래와 휴일 주변 소포 흐름이 엄청나게 증가하는 동안 직원을 유지하는 데 어려움을 겪었습니다. 단일화를 위한 시각 안내 지능형 로봇의 배치와 거대하고 구조화되지 않은 소포 흐름의 분류는 이러한 문제에 대응하는 방법입니다.

이 기사는에 처음 게시되었습니다. 로봇 보고서 제목:"소포의 개별화 및 분류가 AI 기반 로봇의 이점을 누릴 수 있는 방법". .