CN114758250A - 基于人工智能的全品规柔性自动分拣控制方法及装置 - Google Patents

Abstract

本发明提供一种基于人工智能的全品规柔性自动分拣控制方法及装置，包括：分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据待分拣货物的数量确定柔性的机械臂组；对区域图像进行二值化处理得到二值化图像，在二值化图像中确定感兴趣像素区间的像素点，得到与待分拣货物相对应的感兴趣图像；提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；控制机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。

Description

基于人工智能的全品规柔性自动分拣控制方法及装置

技术领域

本发明涉及自动控制技术领域，尤其涉及一种基于人工智能的全品规柔性自动分拣控制方法及装置。

背景技术

柔性制造的模式广泛存在，比如定制，这种以消费者为导向的，以需定产的方式对立的是传统大规模量产的生产模式。在柔性制造中，考验的是生产线和供应链的反应速度。比如在电子商务领域兴起的“C2B”“C2P2B”等模式体现的正是柔性制造的精髓所在。

柔性制造的第一方面是系统适应外部环境变化的能力，可用系统满足新产品要求的程度来衡量；第二方面是系统适应内部变化的能力，可用在有干扰（如机器出现故障）情况下，系统的生产率与无干扰情况下的生产率期望值之比来衡量。“柔性”是相对于“刚性”而言的，传统的“刚性”自动化生产线主要实现单一品种的大批量生产。

为了满足消费者不断提升的多样化消费需求，相同类型的产品可能会具有不同的规格，所以需要在进行分拣时能够对相应产品规格的不同进行合理化、智能化的分拣。

以烟草分拣为例，由于我国烟草专卖法的要求，卷烟商业零售配送是卷烟从工厂→卷烟配送中心→零售户的唯一合法流转途径。随着烟草行业运营需求的不断整合和优化，卷烟配送中心已经成为烟草供应链上的重要部分。卷烟配送中心作业一般由几个部分组成，即仓储、备货、分拣以及打包。不同的商家可能会需要不同数量、不同种类的烟草，不同种类的烟草的体积、颜色都会存在一定的不同，所以在自动分拣过程中需要对所有产品的规格进行识别、分拣，现有技术中还无法基于订单进行快速、高效的分拣。

发明内容

本发明实施例提供一种基于人工智能的全品规柔性自动分拣控制方法及装置，能够在进行自动分拣时根据规格的不同，对所有规格产品的待分拣货物进行识别、分拣，提高订单的处理、分拣效率。

本发明实施例的第一方面，提供一种基于人工智能的全品规柔性自动分拣控制方法，包括：

分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组；

获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像；

提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；

控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。

可选地，在第一方面的一种可能实现方式中，所述分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组，包括：

若所述待分拣货物的数量小于等于第一预设数量，则选择1个分拣机械臂生成机械臂组，所述1个分拣机械臂对应整个分拣区域；

若所述待分拣货物的数量大于第一预设数量，则确定多个分拣机械臂生成机械臂组；

根据所述分拣机械臂的数量对所述分拣区域划分得到相应数量的分拣子区域，为每个子区域设置一个相对应的分拣机械臂。

可选地，在第一方面的一种可能实现方式中，所述获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像，包括：

接收所述分拣区域的背景颜色得到第一像素区间；

根据所述第一像素区间以外的其他像素值得到二值化目标像素点，基于所述第一像素区间和二值化目标像素点对所述区域图像进行二值化处理得到二值化图像；

将二值化图像中具有二值化目标像素点的区域作为感兴趣图像，对每个感兴趣图像标号处理。

可选地，在第一方面的一种可能实现方式中，所述提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列，包括：

依次获取感兴趣图像中的每一个二值化目标像素点及其相邻像素点；

若判断感兴趣图像中某个二值化目标像素点的相邻像素点不为二值化目标像素点，则将感兴趣图像中相应的二值化目标像素点作为轮廓像素点；

对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息；

将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列。

可选地，在第一方面的一种可能实现方式中，所述对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息，包括：

将二值化图像的中心点作为坐标原点，对所述二值化图像进行坐标化处理，得到二值化图像内每个像素点的坐标；

提取相邻的轮廓像素点的坐标生成相对应的函数信息，将具有相同函数信息的所有相邻的轮廓像素点进行连接得到像素点连接线；

将轮廓像素点的数量多的像素点连接线作为长度连接线，将轮廓像素点的数量少的像素点连接线作为宽度连接线；

根据所述长度连接线、宽度连接线得到规格属性信息的长信息和宽信息。

可选地，在第一方面的一种可能实现方式中，将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列，包括：

基于每个感兴趣图像的规格属性信息中的长信息、宽信息进行计算，生成相对应的体积系数；

基于所述体积系数对所有感兴趣图像的标号进行降序排序，若判断存在相同体积系数的感兴趣图像，则将相同体积系数的感兴趣图像的标号进行随机排序，得到分拣序列；

通过以下公式计算体积系数，

其中，

为第

个感兴趣图像的体积系数，

为长度连接线对应的轮廓像素点的 数量，

为长度权重值，

为长度常数值，

为宽度连接线对应的轮廓像素点的数量，

为宽度权重值，

为宽度常数值。

可选地，在第一方面的一种可能实现方式中，所述控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放，包括：

获取当前时刻分拣序列内需要被分拣的感兴趣图像，提取所述感兴趣图像的像素点所位于的分拣子区域；

控制所述分拣子区域对应的分拣机械臂对感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域叠放设置。

可选地，在第一方面的一种可能实现方式中，所述获取当前时刻分拣序列内需要被分拣的感兴趣图像，提取所述感兴趣图像的像素点所位于的分拣子区域，包括：

若判断存在感兴趣图像分别处于两个分拣子区域内，则获取每个分拣子区域的感兴趣图像的总数量，将总数量少的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域；

若每个分拣子区域的感兴趣图像的总数量相同，则分别提取所述感兴趣图像在每个分拣子区域内的像素点数量，将像素点数量多的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域。

可选地，在第一方面的一种可能实现方式中，所述控制所述分拣子区域对应的分拣机械臂对感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域，包括：

获取所述感兴趣图像的长度连接线的函数信息，提取所述函数信息中的斜率信息；

所述分拣机械臂包括吸附盘，基于所述斜率信息对所述吸附盘的长边的斜率信息进行调整，以使所述吸附盘的斜率信息与所述感兴趣图像的斜率信息相同；

获取所述感兴趣图像的中心点的平面坐标作为被动吸附点，以及获取吸附盘中心点的平面坐标作为主动吸附点；

对吸附盘进行移动使得吸附盘的主动吸附点与所述被动吸附点相对应后，控制吸附盘下移与感兴趣图像对应的待分拣货物进行抵接、吸附抓取；

在对待分拣货物进行吸附后，控制所述吸附盘复位至预设斜率，将待分拣货物移动至包装区域后，停止对待分拣货物的吸附，控制分拣机械臂复位至初始位置。

本发明实施例的第二方面，提供一种基于人工智能的全品规柔性自动分拣控制装置，包括：

确定模块，用于使分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组；

获取模块，用于获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像；

提取模块，用于提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；

控制模块，用于控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。

本发明实施例的第三方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。

本发明提供的一种基于人工智能的全品规柔性自动分拣控制方法及装置，在对不同规格的货物同时进行分拣时，会对区域图像进行二值化处理并提取相应的感兴趣图像，在对二值化图像进行处理时相较于彩色图像具有数据处理量低、处理效率高的优势，并且本发明能够根据述二值化图像确定相应的感兴趣图像，使得本发明可以根据二值化处理后的感兴趣图像得到所需要的规格属性信息，进而使得本发明根据二值化处理后的感兴趣图确定所有待分拣货物的分拣顺序，使得本发明能够在对多个分拣货物进行分拣时，能够根据规格属性信息的不同依次进行分拣，并且通过二值化处理的方式，降低了数据处理量，相较于现有技术中对彩色图像进行识别具有响应速率高、鲁棒性强的优点。

本发明提供的技术方案，在对感兴趣图像进行分拣排序得到分拣序列时，会根据规格属性信息中的长信息、宽信息进行综合的计算，通过该种方式完成的分拣，使得包装区域叠放设置的待分拣货物能够将体积大的待分拣货物位于下部、将体积小的待分拣货物位于上部，进而使得订单数据所对应的所有待分拣货物在包装过程中易于封装，并且使得封装后的所有待分拣货物所形成的整体底部稳定性较好，易于工作人员进行后续的运输。

本发明提供的技术方案，在会通过长度连接线的函数信息确定待分拣货物的放置形态，本发明会根据待分拣货物的函数信息对吸附盘的斜率进行调整，进而使得吸附盘的形态与所述待分拣货物的放置形态是同步的，并且在保证吸附盘与待分拣货物的放置形态是同步后，确定位于吸附盘中心的主动吸附点、待分拣货物中心的被动吸附点，使得吸附盘能够对待分拣货物的中部进行吸附，进而使得待分拣货物每个位置的力都是均匀的，保障对待分拣货物分拣的稳定性，并且在将待分拣货物进行叠放时，能够将所叠放的待分拣货物具有相同的中心，使得叠放后的物品不会出现晃动、倒塌的情况。

附图说明

图1为本发明提供的技术方案的应用场景示意图；

图2为基于人工智能的全品规柔性自动分拣控制方法的第一种实施方式的流程图；

图3为基于人工智能的全品规柔性自动分拣控制方法的第二种实施方式的流程图；

图4为基于人工智能的全品规柔性自动分拣控制装置的第一种实施方式的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

如图1所示为本发明所提供的技术方案的应用场景示意图，包括依次设置的备货单元、分拣单元以及打包单元。以烟草中心对烟草分拣为例，不同厂家、品牌、类型的烟草产品会具有不同的规格，不同的商家在进行烟草的订货时，可能会需要不同厂家、品牌、类型的烟草产品，所以需要根据不同商家的订单为其包装、打包相应的多个烟草产品，此时的待分拣货物即为不同品质、规格的烟草产品。

在进行烟草产品的配货时，一般会具有多条传送带，至少存在一个第一传送带为备货单元所包括的备货传送带，至少存在一个第二传送带为打包单元所包括打包传送带。备货传送带主要是对待分拣货物的备货，在对待分拣货物进行备货时，可以是自动备货，也可以是人工备货，即根据订单由库存单元、库房等位置挑选出相应商家此次配货所需要的所有烟草产品的种类、数量，并将相应的烟草茶品放置于备货传送带相应的位置区域内，在实际的操作过程中，可能会对备货传送带进行区域的划分，使得每一个区域、多个区域内只放置一个商家的烟草产品。由于本发明的发明点并不在于备货，所以对于备货方式本发明不再进行赘述。

在烟草产品传递至通过备货传送带传送至分拣区域时，此时会执行本发明提供的技术方案对所有的烟草产品进行分拣，如果分拣产品为多个，则此时会对需要分拣的产品在包装区域进行叠放。包装传送带会对叠放后的烟草产品进行输送至包装机器，或者是传送至手动包装区，通过工作人员在手动包装区以手动方式对叠放后的烟草产品进行包装处理。同样，由于本发明的发明点并不在于货物的包装、打包，所以对于包装、打包方式本发明不再进行赘述。

分拣区域可以是分拣单元预先设置的区域，分拣区域会设置支撑支架，通过支撑支架对用于采集图像的图像采集装置进行固定，提取分拣区域的上视图，并且本发明会预先设置多个吸盘式的分拣机械臂，分拣机械臂的具体行走方式、控制方式本发明不做任何限定。

本发明提供一种基于人工智能的全品规柔性自动分拣控制方法，如图2所示，包括：

步骤S110、分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组。备货传送带在将货物传输至分拣区域后，此时会控制备货传送带停止传送进行货物的分拣，一般来说，分拣区域会对应一个备货传送带划分的至少一个区域，备货传送带划分的区域内的所有待分拣货物为一个商家所需要的烟草商品，每个商家所对应的备货传送带划分的区域都是预先对应设置的，此时本发明会根据订单数据确定至少一个待分拣货物、待分拣货物的数量。由于不同的商家需要的烟草商品的数量可能是不同的，所以此时待分拣货物的数量可能是不同的，即此时需要分拣的负荷也是存在一定差别的，所以此时本发明会根据待分拣货物的数量确定柔性的机械臂组。

本发明提供的技术方案，在一个可能的实施方式中，如图3所示，步骤S110包括：

步骤S1101、若所述待分拣货物的数量小于等于第一预设数量，则选择1个分拣机械臂生成机械臂组，所述1个分拣机械臂对应整个分拣区域。第一预设数量可以是1、2等等，此时可以认为需要分拣的待分拣货物较少，负荷较低，选择1个分拣机械臂既可以快速完成分拣任务，此时即可以根据1个分拣机械臂生成机械臂组。即该1个分拣机械臂会对应整个的分拣区域。

步骤S1102、若所述待分拣货物的数量大于第一预设数量，则确定多个分拣机械臂生成机械臂组。此时可以认为需要分拣的待分拣货物较多，负荷较高，需要通过多个分拣机械臂才可以快速的完成分拣任务，此时即可以根据多个分拣机械臂生成机械臂组。此时的多个可以是2个。

步骤S1103、根据所述分拣机械臂的数量对所述分拣区域划分得到相应数量的分拣子区域，为每个子区域设置一个相对应的分拣机械臂。本发明会在分拣机械臂的数量是多个时，对分拣区域划分得到相应数量的分拣子区域，进而使得每个分拣机械臂对应一个分拣子区域，使得在分拣过程中，一个分拣机械臂对其子区域的待分拣货物进行分拣即可，进而实现两个分拣机械臂并行、协同分拣，在分拣负荷较大时，提高相应的分拣效率。

步骤S120、获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像。本发明会在进行分拣之前，首先获取分拣区域的区域图像，此时的区域图像为彩色图像，本发明会对区域图像进行二值化处理得到二值化图像，二值化图像中的所有像素点可以通过1、0进行表示，例如1为白色、0为黑色。由于本发明在进行分拣时，并不需要根据待分拣货物的颜色进行信息的识别、提取，所以本发明在得到二值化图像后再进行处理时，能够降低后续的数据处理量，进行像素的区分、实体的划分时可以通过像素值的1、0进行划分。

本发明提供的技术方案，在一个可能的实施方式中，步骤S120包括：

接收所述分拣区域的背景颜色得到第一像素区间。一般来说，传送带都是黑色的，所以此时的第一像素区间可以是黑色像素值的区间，像素值可以是RGB值，第一像素区间可以是RGB值可以是（0至10，0至10，0至10），即在R值为0至10、G值为0至10、B值为0至10时，即可以判断属于第一像素区间。背景颜色可以是工作人员预先配置的，例如黑色、白色等等。

根据所述第一像素区间以外的其他像素值得到二值化目标像素点，基于所述第一像素区间和二值化目标像素点对所述区域图像进行二值化处理得到二值化图像。本发明此时会将第一像素区间以外的其他像素值得到二值化目标像素点，此时的第二像素区为多个，例如（11至255，0至255，0至255）、（0至255，11至255，0至255）、（0至255，0至255，11至255）。本发明可以将区域图像中第一像素区间的像素点作为二值化图像中的0，将区域图像中二值化目标像素点的像素点作为二值化图像中的1，即此时得到的效果就是，二值化图像中所有被分拣物品的实体所体现的像素点都是以1的形式显示的，作为背景颜色的备选传送带都是以0的形式显示的。此时既可以通过二值化图像来进行后续信息的获取。

将二值化图像中具有二值化目标像素点的区域作为感兴趣图像，对每个感兴趣图像标号处理。此时二值化目标像素点即可以是1的像素点，则此时本发明会将具有1的像素点的区域作为感兴趣图像，此时二值化的像素点的像素值可以看作是0、1。此时的感兴趣图像是二值化的图像。标号处理可以是对感兴趣图像添加A、B、C等标号，也可以是添加11、12等标号。不同的感兴趣图像可以随机分配不同的标号。

本发明可以将所有相邻的二值化目标像素点进行采集得到多个集合，每个集合内的二值化像素点所对应的待分拣货物的实体都是不同的。如果两个二值化目标像素点相邻，则证明此时相应的两个二值化目标像素点属于同一个待分拣货物，所以此时可以将相邻的二值化目标像素点进行采集得到多个集合。进而实现根据二值化目标像素点对待分拣获取在二值化图像中的确定。

步骤S130、提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列。本发明会分别提取感兴趣图像所对应的轮廓像素点，通过轮廓像素点能够得到相应感兴趣图像的规格属性信息，规格属性信息可以看作是对待分拣货物的规格的描述，本发明会根据规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列，可以这样理解，本发明会将水平面积较大的待分拣货物优先分拣，所以水平面积较大的待分拣货物会排在分拣序列的前部。

本发明提供的技术方案，在一个可能的实施方式中，步骤S130包括：

依次获取感兴趣图像中的每一个二值化目标像素点及其相邻像素点。本发明会依次遍历每一个二值化目标像素点及其相邻像素点，相邻像素点可以是二值化目标像素点四周任意一个位置像素点。

若判断感兴趣图像中某个二值化目标像素点的相邻像素点不为二值化目标像素点，则将感兴趣图像中相应的二值化目标像素点作为轮廓像素点。此时则证明二值化目标像素点为感兴趣图像的边缘像素点，则此时将感兴趣图像中相应的二值化目标像素点作为轮廓像素点。

对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息。本发明会将所有相邻的轮廓像素点相连接，该种方式能够通过所有的二值化目标像素点得到像素点连接线，此时的像素点连接线可能是长度连接线，也可能是宽度连接线。本发明会根据轮廓像素点的数量进行计算得到规格属性信息，可以这样理解，如果轮廓像素点的数量越多，则证明相应的待分拣货物的长度、宽度越长，规格就越大。

本发明提供的技术方案，在一个可能的实施方式中，所述对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息，包括：

将二值化图像的中心点作为坐标原点，对所述二值化图像进行坐标化处理，得到二值化图像内每个像素点的坐标。通过该种方式，能够使得二值化图像中的每个像素点都具有相应的坐标，此时的坐标化处理可以是二维坐标，二维坐标所形成的平面与水平面平行。

提取相邻的轮廓像素点的坐标生成相对应的函数信息，将具有相同函数信息的所有相邻的轮廓像素点进行连接得到像素点连接线。函数信息至少包括斜率信息，本发明会提取相邻的轮廓像素点的坐标生成相对应的斜率信息，并且将具有相同斜率信息的所有相邻的轮廓像素点进行连接得到像素点连接线，通过以下公式可以得到相邻的2个轮廓像素点的函数信息中的斜率信息，

其中，

为斜率信息，

为第1个相邻的轮廓像素点的

轴坐标值，

为第1个相邻 的轮廓像素点的

轴坐标值，

为第2个相邻的轮廓像素点的

轴坐标值，

为第2个相邻 的轮廓像素点的

轴坐标值。本发明会将具有相同函数信息的所有相邻的轮廓像素点进行 连接，此时所形成的像素点连接线即可以看作是待分拣货物的长度连接线、宽度连接线。该 种方式能够自动的将识别出长度连接线和宽度连接线，因为长度连接线和宽度连接线是垂 直的，所以长度连接线和宽度连接线的斜率必然不同。例如，平行的两条长度连接线的轮廓 像素点并不相邻，所以平行的两条长度连接线的轮廓像素点并不会形成长度连接线，所以 此时可以对一个待分拣货物的长度连接线和宽度连接线进行区分，以及对两个长度连接线 进行区分。实现对待分拣货物轮廓的正确划分。

将轮廓像素点的数量多的像素点连接线作为长度连接线，将轮廓像素点的数量少的像素点连接线作为宽度连接线。一般来说，物体的长度是要大于宽度的，所以本发明会将轮廓像素点的数量对连接线进行划分，确定相应的长度连接线和宽度连接线。

根据所述长度连接线、宽度连接线得到规格属性信息的长信息和宽信息。本发明会结合长度连接线和宽度连接线得到相对应的长信息和宽信息。长信息和宽信息可以是长度连接线、宽度连接线分别对应的轮廓像素点的数量。可以这样理解，长度连接线、宽度连接线分别对应的轮廓像素点越多，则证明其实际的长度、宽度就越长，本发明统计规格属性信息的长信息和宽信息并不是为了对分拣货物的实际规格进行计算，而是为了将多个待分拣货物得规格进行比对，所以可以通过轮廓像素点的数量即可以在多个待分拣货物之间进行长度、宽度的比对。

将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列。本发明会将规格属性信息中的长信息、宽信息进行比对，进而得到相对应的分拣序列，通过分拣序列能够反映出待分拣货物的规格的大小。

本发明提供的技术方案，在一个可能的实施方式中，将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列，包括：

基于每个感兴趣图像的规格属性信息中的长信息、宽信息进行计算，生成相对应的体积系数。本发明会结合长信息、宽信息进行综合、综合的计算，得到每个带分拣货物的体积系数，体积系数越大则证明其相对应的尺寸规格就越大，由于烟草产品的规格都是异形的，其长度和宽度都可能存在一定的差别，所以本发明会通过体积系数来反应出感兴趣图像所对应的带分拣货物的规格。

通过以下公式计算体积系数，

其中，

为第

个感兴趣图像的体积系数，

为长度连接线对应的轮廓像素点的 数量，

为长度权重值，

为长度常数值，

为宽度连接线对应的轮廓像素点的数量，

为宽度权重值，

为宽度常数值。长度权重值

和宽度权重值

可以是预先设置的，长 度权重值

优选设置大于宽度权重值

，该种方式使得在计算体积系数时，能够使长度 的影响因素会大于宽度的影响因素。长度常数值

以及宽度常数值

可以是预先设置 的，避免长度较长、宽度较短等异形的待分拣货物的体积系数过小而被排在后续进行分拣， 导致分拣后叠放的货物较为不稳。使得分拣策略更加的合理化。

基于所述体积系数对所有感兴趣图像的标号进行降序排序，若判断存在相同体积系数的感兴趣图像，则将相同体积系数的感兴趣图像的标号进行随机排序，得到分拣序列。本发明会根据体积系数对所有感兴趣图像的标号进行降序排序，使得所有的感兴趣图像的标号是按照相应规格属性信息进行降序排序的。在实际的场景中，可能会出现相同体积系数的感兴趣图像，例如相同尺寸的待分拣货物即具有相同的体积系数的感兴趣图像，本发明可以随机对待分拣货物的标号进行排序，使得相同体积系数的待分拣货物的分拣顺序是相邻的。进而保障相同规格的待分拣货物能够被相邻的、依次分拣。

步骤S140、控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。本发明在确定完成所有待分拣货物的分拣顺序得到分拣序列后，会根据分拣序列依次对感兴趣图像对应的待分拣货物进行分拣，并放置包装区域叠放设置。

叠放设置的方式有多种，第一种方式为：例如底层并列放置2个已经分拣的货物，然后在2个已经分拣的货物的上部分别叠放其他货物。第二种方式为：底层设置1个已经分拣的货物，在已经分拣的货物的上部叠放其他货物。第三种方式为：底层设置2个已经分拣的货物，在已经分拣的货物的交界处的上部叠放其他货物。对于叠放的方式本发明不做任何限定，可以根据待分拣货物的不同设置不同的叠放方式。例如待分拣货物为2个时，此时的叠放方式可以是第二种方式。在待分拣货物为3个时，此时的叠放方式可以是第三种方式。在待分拣货物为4个时，此时的叠放方式可以是第二种方式。

本发明提供的技术方案，在一个可能的实施方式中，所述控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放，包括：

获取当前时刻分拣序列内需要被分拣的感兴趣图像，提取所述感兴趣图像的像素点所位于的分拣子区域。本发明提供的技术方案，会在根据分拣序列对分拣子区域或分拣区域内的待分拣货物，此时会根据分拣序列对中的标号对相应感兴趣图像进行限定，然后确定该感兴趣图像所处的分拣子区域。如果此时只存在一个分拣机械臂，则此时所对应的分拣子区域即应当为分拣区域。

控制所述分拣子区域对应的分拣机械臂对感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域叠放设置。本发明会控制分拣子区域对应的分拣机械臂进行抓取、分拣工作，将感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域叠放设置。

本发明提供的技术方案，在一个可能的实施方式中，所述获取当前时刻分拣序列内需要被分拣的感兴趣图像，提取所述感兴趣图像的像素点所位于的分拣子区域，包括：

若判断存在感兴趣图像分别处于两个分拣子区域内，则获取每个分拣子区域的感兴趣图像的总数量，将总数量少的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域。在进行分拣子区域的划分时，可以是对分拣区域进行等分得到多个分拣子区域，例如分拣机械臂为2个，则此时对分拣区域进行二等分得到两个分拣子区域，两个分拣子区域分别对应一个分拣机械臂。此时，可能会出现感兴趣图像分别处于两个分拣子区域内的情况，所以此时本发明会得到每个分拣子区域的感兴趣图像的总数量，如果一个分拣子区域的总数量越大，则证明该区域的分拣负荷越严重，所以此时需要将总数量少的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域。实现对分拣机械臂进行均匀负荷分配的目的。

若每个分拣子区域的感兴趣图像的总数量相同，则分别提取所述感兴趣图像在每个分拣子区域内的像素点数量，将像素点数量多的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域。在实际的工作场景中，可能会出现分拣子区域的感兴趣图像的总数量相同的情况，此时可以根据感兴趣图像在每个分拣子区域内的像素点数量进行感兴趣图像的划分，本发明会将像素点数量多的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域，进而使得相应区域所对应的分拣机械臂，能够以较短的距离对感兴趣图像的待分拣货物进行分拣处理，提高分拣效率。

本发明提供的技术方案，在一个可能的实施方式中，所述控制所述分拣子区域对应的分拣机械臂对感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域，包括：

获取所述感兴趣图像的长度连接线的函数信息，提取所述函数信息中的斜率信息。本发明在对每一个感兴趣图像对应的待分拣货物进行分拣、抓取时，首先会提取相应感兴趣图像的斜率信息。

在实际的工作过程中，由于备货的场景多种多样，所以备货传送带内方式的待分拣货物的放置方向都会不同，例如备货传送带的宽度线为基准线，该基准线也可以看作是区域图像的长度线，此时待分拣货物的长度边与基准线所形成的的角度都可能是不同的。所以本发明需要得到感兴趣图像的斜率信息，并根据感兴趣图像的斜率信息对吸附盘的位姿进行调整，使得吸附盘能够稳定的对待分拣货物进行吸附、分拣。

所述分拣机械臂包括吸附盘，基于所述斜率信息对所述吸附盘的长边的斜率信息进行调整，以使所述吸附盘的斜率信息与所述感兴趣图像的斜率信息相同。本发明会根据感兴趣图像的斜率信息对吸附盘的长边的斜率信息进行调整，使得吸附盘的斜率与感兴趣图像的斜率是相同的，进而使得吸附盘对待分拣货物进行吸附时不会出现不对应的情况，使得吸附盘能够与待分拣货物充分接触。

获取所述感兴趣图像的中心点的平面坐标作为被动吸附点，以及获取吸附盘中心点的平面坐标作为主动吸附点。本发明可以通过被动吸附点和主动吸附点对吸附盘和待分拣货物进行相应的校准，使得吸附盘和待分拣货物的中心是相对应的，在保障吸附盘能够与待分拣货物充分接触的前提下，能够通过吸附盘对待分拣货物进行定位。

对吸附盘进行移动使得吸附盘的主动吸附点与所述被动吸附点相对应后，控制吸附盘下移与感兴趣图像对应的待分拣货物进行抵接、吸附抓取。本发明在控制吸附盘与待分拣货物具有相同的斜率角度后，会对吸附盘的位置进行移动，使得吸附盘的主动吸附点与所述被动吸附点相对应，对应方式可以是在不同的坐标系中具有相同的横坐标、纵坐标。在主动吸附点与所述被动吸附点相对应后，则证明此时主动吸附点和被动吸附点的连接线是垂直与平面的，此时控制吸附盘下移与感兴趣图像对应的待分拣货物进行抵接、吸附抓取，能够对货物进行稳定的吸附抓取。

在对待分拣货物进行吸附后，控制所述吸附盘复位至预设斜率，将待分拣货物移动至包装区域后，停止对待分拣货物的吸附，控制分拣机械臂复位至初始位置。在吸附盘对待分拣货物进行吸附后，此时其可能并不是与备货传送带、包装区域所处的传送带平行设置的，所以此时需要控制吸附盘复位至预设斜率，预设斜率例如与备货传送带、包装区域所处的传送带平行设置的，预设斜率可以是0。本发明可以通过行走装置对分拣机械臂进行平移使得其位于包装区域的上方，然后控制分拣机械臂竖直下降直至待分拣货物与包装区域所处的传送带抵接或层叠与其他货物上部抵接，此时停止对待分拣货物的吸附，控制分拣机械臂复位至初始位置，准备对下一个带分拣货物的分拣操作。

为了实现本发明提供的一种基于人工智能的全品规柔性自动分拣控制方法，本发明还提供一种基于人工智能的全品规柔性自动分拣控制装置，如图4所示，具体包括：

确定模块，用于使分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组；

获取模块，用于获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像；

提取模块，用于提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；

控制模块，用于控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。

本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。

其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。

本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。

在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.基于人工智能的全品规柔性自动分拣控制方法，其特征在于，包括：

分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组；

获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像；

提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；

控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。

2.根据权利要求1所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组，包括：

若所述待分拣货物的数量小于等于第一预设数量，则选择1个分拣机械臂生成机械臂组，所述1个分拣机械臂对应整个分拣区域；

若所述待分拣货物的数量大于第一预设数量，则确定多个分拣机械臂生成机械臂组；

根据所述分拣机械臂的数量对所述分拣区域划分得到相应数量的分拣子区域，为每个子区域设置一个相对应的分拣机械臂。

3.根据权利要求2所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像，包括：

接收所述分拣区域的背景颜色得到第一像素区间；

根据所述第一像素区间以外的其他像素值得到二值化目标像素点，基于所述第一像素区间和二值化目标像素点对所述区域图像进行二值化处理得到二值化图像；

将二值化图像中具有二值化目标像素点的区域作为感兴趣图像，对每个感兴趣图像标号处理。

4.根据权利要求3所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列，包括：

依次获取感兴趣图像中的每一个二值化目标像素点及其相邻像素点；

若判断感兴趣图像中某个二值化目标像素点的相邻像素点不为二值化目标像素点，则将感兴趣图像中相应的二值化目标像素点作为轮廓像素点；

对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息；

将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列。

5.根据权利要求4所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息，包括：

将二值化图像的中心点作为坐标原点，对所述二值化图像进行坐标化处理，得到二值化图像内每个像素点的坐标；

提取相邻的轮廓像素点的坐标生成相对应的函数信息，将具有相同函数信息的所有相邻的轮廓像素点进行连接得到像素点连接线；

将轮廓像素点的数量多的像素点连接线作为长度连接线，将轮廓像素点的数量少的像素点连接线作为宽度连接线；

根据所述长度连接线、宽度连接线得到规格属性信息的长信息和宽信息。

6.根据权利要求5所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列，包括：

基于每个感兴趣图像的规格属性信息中的长信息、宽信息进行计算，生成相对应的体积系数；

基于所述体积系数对所有感兴趣图像的标号进行降序排序，若判断存在相同体积系数的感兴趣图像，则将相同体积系数的感兴趣图像的标号进行随机排序，得到分拣序列；

通过以下公式计算体积系数，

其中，

为第

个感兴趣图像的体积系数，

为长度连接线对应的轮廓像素点的数量，

为长度权重值，

为长度常数值，

为宽度连接线对应的轮廓像素点的数量，

为宽度权重值，

为宽度常数值。

7.根据权利要求5所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放，包括：

获取当前时刻分拣序列内需要被分拣的感兴趣图像，提取所述感兴趣图像的像素点所位于的分拣子区域；

控制所述分拣子区域对应的分拣机械臂对感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域叠放设置。

8.根据权利要求7所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述获取当前时刻分拣序列内需要被分拣的感兴趣图像，提取所述感兴趣图像的像素点所位于的分拣子区域，包括：

若判断存在感兴趣图像分别处于两个分拣子区域内，则获取每个分拣子区域的感兴趣图像的总数量，将总数量少的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域；

若每个分拣子区域的感兴趣图像的总数量相同，则分别提取所述感兴趣图像在每个分拣子区域内的像素点数量，将像素点数量多的分拣子区域作为感兴趣图像的像素点所位于的分拣子区域。

9.根据权利要求7所述的基于人工智能的全品规柔性自动分拣控制方法，其特征在于，

所述控制所述分拣子区域对应的分拣机械臂对感兴趣图像对应的待分拣货物进行抓取，分拣至包装区域，包括：

获取所述感兴趣图像的长度连接线的函数信息，提取所述函数信息中的斜率信息；

所述分拣机械臂包括吸附盘，基于所述斜率信息对所述吸附盘的长边的斜率信息进行调整，以使所述吸附盘的斜率信息与所述感兴趣图像的斜率信息相同；

获取所述感兴趣图像的中心点的平面坐标作为被动吸附点，以及获取吸附盘中心点的平面坐标作为主动吸附点；

对吸附盘进行移动使得吸附盘的主动吸附点与所述被动吸附点相对应后，控制吸附盘下移与感兴趣图像对应的待分拣货物进行抵接、吸附抓取；

在对待分拣货物进行吸附后，控制所述吸附盘复位至预设斜率，将待分拣货物移动至包装区域后，停止对待分拣货物的吸附，控制分拣机械臂复位至初始位置。

10.基于人工智能的全品规柔性自动分拣控制装置，其特征在于，包括：

确定模块，用于使分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组；

获取模块，用于获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像；

提取模块，用于提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；

控制模块，用于控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置。

Images