CN117772616B - 智能物流机器人的自动分拣方法及系统 - Google Patents
智能物流机器人的自动分拣方法及系统 Download PDFInfo
- Publication number
- CN117772616B CN117772616B CN202410199929.5A CN202410199929A CN117772616B CN 117772616 B CN117772616 B CN 117772616B CN 202410199929 A CN202410199929 A CN 202410199929A CN 117772616 B CN117772616 B CN 117772616B
- Authority
- CN
- China
- Prior art keywords
- product
- sorting
- sorted
- logistics
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000007246 mechanism Effects 0.000 claims abstract description 69
- 238000000605 extraction Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Sorting Of Articles (AREA)
- Manipulator (AREA)
Abstract
本发明提供了智能物流机器人的自动分拣方法及系统,涉及物流分拣技术领域,包括:对第一分拣产品的识别表面进行图像采集,获取第一产品图像,进行物流特征提取,获取产品表面特征,确定关键表面特征,进行比对,当比对结果为识别失败时,发送旋转指令控制启动旋转机构台,进行旋转操作,输出第二产品图像,进行物流特征提取获取旋转表面特征,进行识别输出第一识别结果,按照第一识别结果对待分拣产品进行分拣处理。本发明解决了传统的物流分拣方法人工干预过多,使得速度较慢且容易受到人为疲劳和误差的影响,并且需要大量的人力投入,导致分拣效率低下、人力成本较高、物流操作的自动化程度和智能化水平低的技术问题。
Description
技术领域
本发明涉及物流分拣技术领域,具体涉及智能物流机器人的自动分拣方法及系统。
背景技术
随着互联网技术的快速普及,消费者对于便捷、高效的物流服务的需求日益增加,以满足消费者个性化、即时化的购物体验,全球化贸易的推进也导致了跨境物流的增加,需要更加精准、高效的分拣系统,提高物流运作的效率和质量。
而现今常用的物流分拣方法还存在着一定的弊端,传统的物流分拣方法人工干预过多,使得速度较慢且容易受到人为疲劳和误差的影响,并且需要大量的人力投入,导致分拣效率低下、人力成本较高、物流操作的自动化程度和智能化水平低。因此,对于物流分拣还存在着一定的可提升空间。
发明内容
本申请通过提供了智能物流机器人的自动分拣方法及系统,旨在解决传统的物流分拣方法人工干预过多,使得速度较慢且容易受到人为疲劳和误差的影响,并且需要大量的人力投入,导致分拣效率低下、人力成本较高、物流操作的自动化程度和智能化水平低的技术问题。
鉴于上述问题,本申请提供了智能物流机器人的自动分拣方法及系统。
本申请公开的第一个方面,提供了智能物流机器人的自动分拣方法,所述方法包括:根据图像采集装置,对第一分拣产品的识别表面进行图像采集,获取第一产品图像;对所述第一产品图像进行物流特征提取,获取产品表面特征;根据所述第一分拣产品的物流形态,确定用于图像采集的关键表面特征;以所述关键表面特征对所述产品表面特征进行比对,当比对结果为识别失败时,向第一物流机器人发送旋转指令;根据所述旋转指令控制启动所述第一物流机器人的旋转机构台,利用所述旋转机构台对待分拣产品进行旋转操作,输出第二产品图像;通过对所述第二产品图像进行物流特征提取,获取旋转表面特征;以所述旋转表面特征对所述待分拣产品进行识别,输出第一识别结果,按照所述第一识别结果对所述待分拣产品进行分拣处理。
本申请公开的另一个方面,提供了智能物流机器人的自动分拣系统,所述系统用于上述方法,所述系统包括:图像采集模块,所述图像采集模块用于根据图像采集装置,对第一分拣产品的识别表面进行图像采集,获取第一产品图像;第一特征提取模块,所述第一特征提取模块用于对所述第一产品图像进行物流特征提取,获取产品表面特征;表面特征确定模块,所述表面特征确定模块用于根据所述第一分拣产品的物流形态,确定用于图像采集的关键表面特征;特征比对模块,所述特征比对模块用于以所述关键表面特征对所述产品表面特征进行比对,当比对结果为识别失败时,向第一物流机器人发送旋转指令;旋转操作模块,所述旋转操作模块用于根据所述旋转指令控制启动所述第一物流机器人的旋转机构台,利用所述旋转机构台对待分拣产品进行旋转操作,输出第二产品图像;第二特征提取模块,所述第二特征提取模块用于通过对所述第二产品图像进行物流特征提取,获取旋转表面特征;分拣处理模块,所述分拣处理模块用于以所述旋转表面特征对所述待分拣产品进行识别,输出第一识别结果,按照所述第一识别结果对所述待分拣产品进行分拣处理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
对第一分拣产品的识别表面进行图像采集,获取第一产品图像,进行物流特征提取,获取产品表面特征,确定关键表面特征,进行比对,当比对结果为识别失败时,发送旋转指令,控制启动旋转机构台,对待分拣产品进行旋转操作,输出第二产品图像,进行物流特征提取,获取旋转表面特征,对待分拣产品进行识别,输出第一识别结果,按照第一识别结果对待分拣产品进行分拣处理。解决了传统的物流分拣方法人工干预过多,使得速度较慢且容易受到人为疲劳和误差的影响,并且需要大量的人力投入,导致分拣效率低下、人力成本较高、物流操作的自动化程度和智能化水平低的技术问题,实现了通过智能物流机器人,实现自动完成分拣操作,实现了自动化的识别、分拣和处理,进而提高分拣准确性、效率和降低了人力成本,达到提高物流操作的自动化程度和智能化水平的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了智能物流机器人的自动分拣方法流程示意图;
图2为本申请实施例提供了智能物流机器人的自动分拣方法中输出第二产品图像可能的流程示意图;
图3为本申请实施例提供了智能物流机器人的自动分拣方法中向第一物流机器人发送旋转指令可能的流程示意图;
图4为本申请实施例提供了智能物流机器人的自动分拣系统可能的结构示意图。
附图标记说明:图像采集模块10,第一特征提取模块20,表面特征确定模块30,特征比对模块40,旋转操作模块50,第二特征提取模块60,分拣处理模块70。
具体实施方式
本申请实施例通过提供智能物流机器人的自动分拣方法,解决了传统的物流分拣方法人工干预过多,使得速度较慢且容易受到人为疲劳和误差的影响,并且需要大量的人力投入,导致分拣效率低下、人力成本较高、物流操作的自动化程度和智能化水平低的技术问题,实现了通过智能物流机器人,实现自动完成分拣操作,实现了自动化的识别、分拣和处理,进而提高分拣准确性、效率和降低了人力成本,达到提高物流操作的自动化程度和智能化水平的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例1
如图1所示,本申请实施例提供了智能物流机器人的自动分拣方法,所述方法包括:
步骤S100:根据图像采集装置,对第一分拣产品的识别表面进行图像采集,获取第一产品图像;
具体而言,选择能够适应产品特征并能够准确捕捉产品图像的图像采集装置,例如摄像头、扫描仪或其他专用的图像传感器设备,将选定的图像采集装置安装在适当的位置,并进行设置和校准,以确保它能在分拣过程中准确捕捉到质量满足要求的产品图像。通过与生产线的自动化系统集成,设置触发机制,确定何时启动图像采集装置进行图像采集,在相应的时间点,根据触发机制启动图像采集装置,以采集第一分拣产品的识别表面图像,获取第一产品图像。
步骤S200:对所述第一产品图像进行物流特征提取,获取产品表面特征;
具体而言,通过图像处理技术,如边缘检测算法,将图像中的产品与背景区分开来,物体分割后,只需处理物体部分即可提取产品表面特征。选择特征提取算法,例如颜色特征提取、形状特征提取、纹理特征提取,其中,颜色特征提取为从图像中提取出颜色直方图、颜色矩、颜色谱等统计信息作为产品表面特征;形状特征提取为通过计算物体的轮廓、边界框、凸包等几何形状信息,获取产品表面的形状特征;纹理特征提取为从图像中提取纹理统计信息(如灰度共生矩阵、小波变换等),用于描述产品表面的纹理特征。通过上述特征提取算法计算得到产品表面的特征向量,这些特征向量用于产品识别、分类或其他相关任务。
步骤S300:根据所述第一分拣产品的物流形态,确定用于图像采集的关键表面特征;
具体而言,对第一分拣产品的物流形态进行分析,确定与物流过程中最重要的、具有区分性的表面特征,这些特征应该是能够准确识别产品的关键特征,包括尺寸特征、形状特征、颜色特征、纹理特征,其中,如果产品的尺寸非常关键,例如对于大小不同的产品进行分拣或分类,那么可以将尺寸作为关键表面特征进行图像采集;对于具有不同形状的产品,例如矩形、圆形、三角形等,可以将形状作为关键表面特征进行图像采集;某些产品的颜色对于物流操作来说非常重要,例如彩色标签、彩色包装等,因此,颜色可以作为关键表面特征进行图像采集;如果产品表面具有特殊的纹理,例如图案、纹路等,这些纹理可以作为关键表面特征进行图像采集。
步骤S400:以所述关键表面特征对所述产品表面特征进行比对,当比对结果为识别失败时,向第一物流机器人发送旋转指令;
具体而言,使用确定的关键表面特征对采集到的产品表面特征进行比对,例如通过计算特征向量的相似度进行比对,如果比对结果为识别成功,则可以继续下一步操作,当比对结果为识别失败时,向第一物流机器人发送旋转指令,让机器人将产品进行旋转以改变其方向或角度,旋转后,再次进行特征比对,以期望在新的角度或方向上能够成功识别产品。
重复执行该步骤,直到比对结果为识别成功或达到一定的尝试次数,如果尝试次数超过设定的阈值,仍然无法成功识别产品,则可能需要进行其他处理,例如通知操作员或进一步检查产品。
进一步而言,如图3所示,本申请步骤S400包括:
步骤S410:获取所述第一分拣产品的产品几何数据,以及所述第一分拣产品的接触面数据,其中,所述接触面数据为所述第一分拣产品与所述旋转机构台接触平面的数据;
步骤S420:将所述产品几何数据和所述接触面数据输入旋转控制模型中,根据所述旋转控制模型,输出第一旋转速度,其中,所述旋转控制模型嵌入所述旋转机构台的控制终端;
步骤S430:将所述第一旋转速度作为携带信息,添加至所述旋转指令。
具体而言,通过测量或三维扫描等方法,获取第一分拣产品的几何数据,包括产品的尺寸、形状、曲率等几何信息。确定第一分拣产品与旋转机构台接触的平面,并获取该接触平面的数据,例如,可以使用测量工具测量产品与旋转机构台接触的区域,获取该区域的表面形状、坐标位置、倾斜度等信息。
将产品的几何数据和接触面数据作为输入,输入到旋转控制模型中,这些数据可以作为模型的输入变量,用于计算旋转控制模型的输出,根据旋转控制模型,进行计算和优化,以确定第一旋转速度,该旋转速度可以作为旋转机构台的控制信号,用于调整和控制旋转机构台的运动。通过相应的软件和硬件,将旋转控制模型嵌入旋转机构台的控制终端中,以确保旋转控制模型能够与旋转机构台的控制系统进行通信和集成。
根据旋转机构台的控制系统和通信协议,生成旋转指令,旋转指令可以包括旋转方向、旋转速度、运动时间等参数,通过指令的特定格式或数据结构,将第一旋转速度作为携带信息,添加到旋转指令中,更新旋转指令,将添加了携带信息的指令发送至旋转机构台的控制终端。旋转机构台的控制终端接收到更新后的旋转指令后,可根据指令中的携带信息进行相应的控制操作,包括调整旋转速度、运动方向等,以实现旋转机构台的准确运动。通过添加携带信息到旋转指令中,可以将第一旋转速度作为关键信息进行传递和应用,这可以提供更多的控制和操作灵活性,以适应不同场景和需求。
进一步而言,本申请步骤S420还包括:
步骤S421:采集所述第一物流机器人所处仓储库的分拣产品样本;
步骤S422:以所述分拣产品样本中各个产品对应的产品几何数据和接触面数据,以及标识转速大小的标识信息,生成多组训练数据集;
步骤S423:以所述多组训练数据集进行训练,当训练至收敛时生成所述旋转控制模型。
具体而言,根据采集的目的,从仓储库中选择符合要求的分拣产品样本,例如,根据产品的类型、特征、数量等进行选择,并进行必要的标记或区分。
根据分拣产品样本,收集每个产品对应的产品几何数据和接触面数据。同时,收集标识转速大小的标识信息,这可以是预先根据转速设定的标记或数据。通过建立数据集的索引表,将收集到的产品几何数据、接触面数据和标识信息进行标注和关联,确保每组数据能够准确对应到相应的产品和转速大小信息。根据标注,生成多组训练数据集,每组数据集包产品的几何数据、接触面数据和对应的转速标识信息。
将多组数据集按照一定的比例划分为训练集、验证集和测试集,基于BP神经网络,使用训练集进行模型训练,训练的过程包括前向传播、反向传播、梯度下降等操作,以优化模型的参数和损失函数,训练过程中根据训练数据的反馈不断调整模型,直到达到收敛的状态。使用验证集对训练得到的模型进行验证,通过对验证集的预测和真实值的比较,评估模型的准确性和泛化能力,可以根据验证结果进行模型调整和优化,以提高模型的性能。当训练过程达到收敛状态并通过验证后,即可生成旋转控制模型。
通过以上步骤和方法,可以利用多组训练数据集训练旋转控制模型,从而实现对旋转机构台运动的精确控制,其中,模型的训练和优化过程可能需要进行多次迭代和调整,以提高模型的性能和稳定性。
步骤S500:根据所述旋转指令控制启动所述第一物流机器人的旋转机构台,利用所述旋转机构台对待分拣产品进行旋转操作,输出第二产品图像;
具体而言,第一物流机器人接收到来自系统的旋转指令,根据接收到的旋转指令,启动旋转机构台,旋转机构台是机器人的一部分,负责控制和执行产品的旋转操作,所述旋转机构台为物流分拣传送带上设置的一处可旋转平台,其上设有产品支撑板,当产品随传送带移动到产品支撑板时,使得所述产品支撑板背面的重力感应机制传感获取,当产品激活旋转指令时,由所述产品支撑板通过背面设置的平面支撑器升降,此时产品支撑板与产品放置的平面成夹角,当夹角垂直时,该平面上的产品通过支撑板落于旋转台上,再通过设置旋转指令,控制旋转台缓慢旋转,全面性对产品进行数据采集。根据旋转指令中的角度参数,控制旋转机构台使产品按照指定的角度进行旋转,同时,还需控制旋转的速度,以确保旋转操作平稳且符合要求。在旋转操作完成后,使用与第一分拣时相同的图像采集装置,采集旋转后的产品图像。
通过这样的操作,旋转机构台使得待分拣产品能够在不同的角度或方向上被采集和处理,从而得到第二产品图像,这样,系统可以利用第二产品图像进行进一步的识别、分类或其他相关处理。
步骤S600:通过对所述第二产品图像进行物流特征提取,获取旋转表面特征;
具体而言,采用与步骤S200相同的方法,获取旋转表面特征,为了说明书的简洁,在此不再赘述。
步骤S700:以所述旋转表面特征对所述待分拣产品进行识别,输出第一识别结果,按照所述第一识别结果对所述待分拣产品进行分拣处理。
具体而言,使用提取的旋转表面特征对待分拣产品进行特征比对,根据之前确定的特征提取算法和特征向量进行计算和比较,比对的目的是找到与已知表面特征相似的特征向量。根据特征比对的结果,判断待分拣产品的身份或类型,通过与已知的表面特征数据库比较,将待分拣产品所属的类别与已知的产品信息进行匹配,根据识别分类的结果,输出第一识别结果,包括产品的类别标签、名称或其他相关的信息。根据第一识别结果,对待分拣产品进行相应的分拣处理,包括将产品放置在相应的容器、运输工具或其他分拣目的地中。
进一步而言,如图2所示,本申请步骤S300还包括:
步骤S310:根据所述第一分拣产品的物流形态,判断所述第一分拣产品是否为单表面特征;
步骤S320:若所述第一分拣产品为单表面特征,以确定好的所述关键表面特征输入所述旋转机构台中,作为旋转止停条件;
步骤S330:当所述旋转机构台处于止停状态时,根据所述图像采集装置进行图像采集,输出所述第二产品图像。
具体而言,所述第一分拣产品进行形态分析,注意其形状、尺寸、外观等特征,检查产品是否具有多个可见的表面,如果产品只有一个表面是可见的,并且其他表面无法通过物流操作进行识别和处理,则可以判断该产品具有单表面特征。
如果第一分拣产品为单表面特征,使用图像采集装置获取第一分拣产品的图像,然后,对这些图像进行物流特征提取,以获取关键表面特征。将获取的关键表面特征输入到旋转机构台的控制系统中,作为旋转止停条件,该控制系统可以根据输入的特征信息,控制旋转机构台的运动,当旋转机构台开始运动时,可以持续地进行特征匹配和比对,当旋转后的产品表面特征与目标表面特征相匹配时表征目前旋转运行持续一周圈,可以采集到产品的全表面特征,停止旋转机构台的运动,以确保旋转机构台能够准确停止在目标位置。
确保旋转机构台已经停止在目标位置,不再进行旋转,根据实际情况,可能需要调整图像采集装置的焦距、曝光时间等,根据调整好的所述图像采集装置,采集旋转后的产品表面的图像,获取清晰、准确的第二产品图像。
通过以上步骤,可以利用关键表面特征作为旋转止停条件,实现对待分拣产品的准确旋转操作,这确保了旋转后的产品表面特征与目标表面特征相匹配,为后续的识别和分拣处理提供了准确的基础。
进一步而言,本申请步骤S310还包括:
步骤S311:若所述第一分拣产品不为单表面特征,判断所述第一分拣产品是否为表面全特征;
步骤S312:若所述第一分拣产品为表面全特征,记录所述第一分拣产品的实时表面特征后,启动所述旋转机构台;
步骤S313:当所述旋转机构台再次识别所述第一分拣产品的实时表面特征时,控制所述旋转机构台处于止停状态。
具体而言,若第一分拣产品不为单表面特征,则可以判断该产品是否具有表面全特征,具体地,通过对第一分拣产品进行分析,注意其形状、尺寸、外观等特征,检查产品是否具有多个可见的表面,如果产品具有多个可见表面,并且这些表面在物流过程中都可以进行识别和处理,则可以判断该产品具有表面全特征。
如果第一分拣产品具有表面全特征,使用图像采集装置对第一分拣产品的表面进行图像采集,对图像进行处理,提取出相关的表面特征,包括颜色特征、纹理特征、形状特征等。在实时表面特征记录完成后,启动旋转机构台,确保旋转机构台受到正确的控制信号,并按照设定的参数和逻辑进行旋转操作。通过记录第一分拣产品的实时表面特征并启动旋转机构台,可以建立起产品与旋转角度、方向以及对应的表面特征之间的关联,这为后续的处理步骤提供了准确的基础信息。
使用图像采集装置对第一分拣产品的表面进行图像采集,根据旋转机构台的要求和系统设定,采集图像后进行物流特征提取和识别,将识别到的实时表面特征与之前记录的表面特征进行比对和匹配,通过计算特征向量的相似度,判断识别到的表面特征与之前记录的表面特征是否相匹配,根据比对和匹配结果,控制旋转机构台的运动,当识别到的表面特征与之前记录的表面特征相匹配时,停止旋转机构台的运动,并保持处于止停状态。
通过以上步骤和方法,可以使旋转机构台在识别到实时表面特征时停止旋转操作,这可以确保旋转机构台停止的位置与第一分拣产品的旋转位置一致。
进一步而言,本申请步骤S312还包括:
步骤S3121:记录所述第一分拣产品的实时表面特征后,向所述图像采集装置发送图像采集指令,获取连续图像集合;
步骤S3122:从所述连续图像集进行关键帧选取,输出关键帧图像,以所述关键帧图像作为所述第二产品图像输出。
具体而言,向图像采集装置发送图像采集指令,以开始连续的图像采集操作,图像采集指令包含触发方式、采集间隔、采集持续时间等参数,图像采集装置接收到指令,便开始根据预设的参数和设定的时间间隔来连续地采集图像,通过连续的触发和图像采集,获取连续的图像集合。
从连续的图像集中选取关键帧,关键帧是在连续图像序列中具有某种特殊意义或代表性的图像,关键帧选择算法可以根据图像的特征、帧间差异、时间间隔等因素来进行判断和筛选,将选取的关键帧作为第二产品图像进行输出。
通过关键帧的选取,可以从连续的图像集中提取出代表性的图像,减少了图像处理和存储的工作量,同时保留了图像序列的重要信息。关键帧的选取可以根据实际需求进行调整和优化,以避免图像过于密集或稀疏,同时也要保证关键帧的代表性和准确性。
进一步而言,本申请还包括:
步骤S810:获取所述第一物流机器人所处仓储库的物流作业流程;
步骤S820:根据所述物流作业流程和所述第一分拣产品的物流形态,判断下一流程是否需要调度第二物流机器人;
步骤S830:当下一流程需要调度所述第二物流机器人,由所述第一物流机器人的控制终端向所述第二物流机器人发送调度请求。
具体而言,对第一物流机器人所处的仓储库进行调研,获取仓储库的布局、设备、流程以及相关的物流作业要求和规范,包括仓库的结构、货架布局、入库和出库流程、存储和分拣区域等,根据仓储库内的物流作业过程,记录下每个环节的具体流程和操作步骤,例如,从货物到达、入库、存放、定位、拣选/分拣、出库等各个环节的工作流程。收集和整理仓储库的物流作业数据,包括相关的数据和信息,如货物类型、数量、重量、尺寸、存储位置、运输路径、作业时间等,以及涉及的物料、货物标识。
对收集到的数据进行分析和整合,将各个环节的作业数据和作业过程进行整理和归纳,建立一个完整的物流作业流程图或流程表,这有助于清晰地展示物流作业的各个环节以及它们之间的关系和依赖。
根据获取的物流作业流程和相关数据,分析物流作业的整体流程和各个环节的要求,了解物流作业的流程顺序、工作量和处理能力等信息。根据第一分拣产品的物流形态和特性,分析其在物流作业中的处理要求,包括产品的大小、重量、形状等因素,以及是否需要特殊处理、分类或分拣等操作。比较物流作业流程和第一分拣产品的特性,判断下一流程是否需要调度第二物流机器人,例如,下一流程中有涉及第一分拣产品的后续处理、分拣、包装、运输等环节,并且需要额外的机器人协助完成,那么就需要调度第二物流机器人。
在判断下一流程需要调度第二物流机器人后,确认调度的具体需求和要求,包括需要调度的时间、任务类型、物料信息、目标位置等。基于调度需求和要求,生成调度请求,包括调度任务的标识信息、目标位置、任务类型等,确保请求的准确性和完整性。通过无线通信、网络传输或基于特定协议的数据传输等,将生成的调度请求发送给第二物流机器人。第二物流机器人的控制终端接收到调度请求后,进行相应的处理和响应,包括任务确认、路径规划、资源分配、运动控制等操作。
通过以上步骤和方法,可以实现第一物流机器人向第二物流机器人发送调度请求,这有助于协调多个物流机器人之间的工作,提高物流作业的整体效率和灵活性。
综上所述,本申请实施例所提供的智能物流机器人的自动分拣方法及系统具有如下技术效果:
对第一分拣产品的识别表面进行图像采集,获取第一产品图像,进行物流特征提取,获取产品表面特征,确定关键表面特征,进行比对,当比对结果为识别失败时,发送旋转指令,控制启动旋转机构台,对待分拣产品进行旋转操作,输出第二产品图像,进行物流特征提取,获取旋转表面特征,对待分拣产品进行识别,输出第一识别结果,按照第一识别结果对待分拣产品进行分拣处理。
解决了传统的物流分拣方法人工干预过多,使得速度较慢且容易受到人为疲劳和误差的影响,并且需要大量的人力投入,导致分拣效率低下、人力成本较高、物流操作的自动化程度和智能化水平低的技术问题,实现了通过智能物流机器人,实现自动完成分拣操作,实现了自动化的识别、分拣和处理,进而提高分拣准确性、效率和降低了人力成本,达到提高物流操作的自动化程度和智能化水平的技术效果。
实施例2
基于与前述实施例中智能物流机器人的自动分拣方法相同的发明构思,如图4所示,本申请提供了智能物流机器人的自动分拣系统,所述系统包括:
图像采集模块10,所述图像采集模块10用于根据图像采集装置,对第一分拣产品的识别表面进行图像采集,获取第一产品图像;
第一特征提取模块20,所述第一特征提取模块20用于对所述第一产品图像进行物流特征提取,获取产品表面特征;
表面特征确定模块30,所述表面特征确定模块30用于根据所述第一分拣产品的物流形态,确定用于图像采集的关键表面特征;
特征比对模块40,所述特征比对模块40用于以所述关键表面特征对所述产品表面特征进行比对,当比对结果为识别失败时,向第一物流机器人发送旋转指令;
旋转操作模块50,所述旋转操作模块50用于根据所述旋转指令控制启动所述第一物流机器人的旋转机构台,利用所述旋转机构台对待分拣产品进行旋转操作,输出第二产品图像;
第二特征提取模块60,所述第二特征提取模块60用于通过对所述第二产品图像进行物流特征提取,获取旋转表面特征;
分拣处理模块70,所述分拣处理模块70用于以所述旋转表面特征对所述待分拣产品进行识别,输出第一识别结果,按照所述第一识别结果对所述待分拣产品进行分拣处理。
进一步而言,所述系统还包括:
判断模块,用于根据所述第一分拣产品的物流形态,判断所述第一分拣产品是否为单表面特征;
止停条件获取模块,用于若所述第一分拣产品为单表面特征,以确定好的所述关键表面特征输入所述旋转机构台中,作为旋转止停条件;
第二图像采集模块,用于当所述旋转机构台处于止停状态时,根据所述图像采集装置进行图像采集,输出所述第二产品图像。
进一步而言,所述系统还包括:
第二判断模块,用于若所述第一分拣产品不为单表面特征,判断所述第一分拣产品是否为表面全特征;
表面特征记录模块,用于若所述第一分拣产品为表面全特征,记录所述第一分拣产品的实时表面特征后,启动所述旋转机构台;
止停状态控制模块,用于当所述旋转机构台再次识别所述第一分拣产品的实时表面特征时,控制所述旋转机构台处于止停状态。
进一步而言,所述系统还包括:
图像采集指令发送模块,用于记录所述第一分拣产品的实时表面特征后,向所述图像采集装置发送图像采集指令,获取连续图像集合;
关键帧选取模块,用于从所述连续图像集进行关键帧选取,输出关键帧图像,以所述关键帧图像作为所述第二产品图像输出。
进一步而言,所述系统还包括:
几何数据获取模块,用于获取所述第一分拣产品的产品几何数据,以及所述第一分拣产品的接触面数据,其中,所述接触面数据为所述第一分拣产品与所述旋转机构台接触平面的数据;
旋转速度输出模块,用于将所述产品几何数据和所述接触面数据输入旋转控制模型中,根据所述旋转控制模型,输出第一旋转速度,其中,所述旋转控制模型嵌入所述旋转机构台的控制终端;
旋转指令获取模块,用于将所述第一旋转速度作为携带信息,添加至所述旋转指令。
进一步而言,所述系统还包括:
产品样本采集模块,用于采集所述第一物流机器人所处仓储库的分拣产品样本;
训练数据集生成模块,用于以所述分拣产品样本中各个产品对应的产品几何数据和接触面数据,以及标识转速大小的标识信息,生成多组训练数据集;
训练模块,用于以所述多组训练数据集进行训练,当训练至收敛时生成所述旋转控制模型。
进一步而言,所述系统还包括:
物流作业流程获取模块,用于获取所述第一物流机器人所处仓储库的物流作业流程;
第三判断模块,用于根据所述物流作业流程和所述第一分拣产品的物流形态,判断下一流程是否需要调度第二物流机器人;
调度请求发送模块,用于当下一流程需要调度所述第二物流机器人,由所述第一物流机器人的控制终端向所述第二物流机器人发送调度请求。
本说明书通过前述对智能物流机器人的自动分拣方法的详细描述,本领域技术人员可以清楚得知道本实施例中智能物流机器人的自动分拣方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.智能物流机器人的自动分拣方法,其特征在于,所述方法包括:
根据图像采集装置,对第一分拣产品的识别表面进行图像采集,获取第一产品图像;
对所述第一产品图像进行物流特征提取,获取产品表面特征;
根据所述第一分拣产品的物流形态,确定用于图像采集的关键表面特征;
以所述关键表面特征对所述产品表面特征进行比对,当比对结果为识别失败时,向第一物流机器人发送旋转指令;
根据所述旋转指令控制启动所述第一物流机器人的旋转机构台,利用所述旋转机构台对待分拣产品进行旋转操作,输出第二产品图像;
通过对所述第二产品图像进行物流特征提取,获取旋转表面特征;
以所述旋转表面特征对所述待分拣产品进行识别,输出第一识别结果,按照所述第一识别结果对所述待分拣产品进行分拣处理;
根据第一分拣产品的物流形态,确定用于图像采集的关键表面特征,包括:
根据所述第一分拣产品的物流形态,判断所述第一分拣产品是否为单表面特征;
若所述第一分拣产品为单表面特征,以确定好的所述关键表面特征输入所述旋转机构台中,作为旋转止停条件;
当所述旋转机构台处于止停状态时,根据所述图像采集装置进行图像采集,输出所述第二产品图像;
判断所述第一分拣产品是否为单表面特征,包括:
若所述第一分拣产品不为单表面特征,判断所述第一分拣产品是否为表面全特征,其中,通过对第一分拣产品进行分析,包括形状、尺寸、外观特征,检查产品是否具有多个可见的表面,如果产品具有多个可见表面,并且这些表面在物流过程中都可以进行识别和处理,则可以判断该产品具有表面全特征;
若所述第一分拣产品为表面全特征,记录所述第一分拣产品的实时表面特征后,启动所述旋转机构台;
当所述旋转机构台再次识别所述第一分拣产品的实时表面特征时,控制所述旋转机构台处于止停状态。
2.如权利要求1所述的方法,其特征在于,记录所述第一分拣产品的实时表面特征后,方法还包括:
记录所述第一分拣产品的实时表面特征后,向所述图像采集装置发送图像采集指令,获取连续图像集合;
从所述连续图像集进行关键帧选取,输出关键帧图像,以所述关键帧图像作为所述第二产品图像输出。
3.如权利要求1所述的方法,其特征在于,当比对结果为识别失败时,向第一物流机器人发送旋转指令,方法包括:
获取所述第一分拣产品的产品几何数据,以及所述第一分拣产品的接触面数据,其中,所述接触面数据为所述第一分拣产品与所述旋转机构台接触平面的数据;
将所述产品几何数据和所述接触面数据输入旋转控制模型中,根据所述旋转控制模型,输出第一旋转速度,其中,所述旋转控制模型嵌入所述旋转机构台的控制终端;
将所述第一旋转速度作为携带信息,添加至所述旋转指令。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
采集所述第一物流机器人所处仓储库的分拣产品样本;
以所述分拣产品样本中各个产品对应的产品几何数据和接触面数据,以及标识转速大小的标识信息,生成多组训练数据集;
以所述多组训练数据集进行训练,当训练至收敛时生成所述旋转控制模型。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第一物流机器人所处仓储库的物流作业流程;
根据所述物流作业流程和所述第一分拣产品的物流形态,判断下一流程是否需要调度第二物流机器人;
当下一流程需要调度所述第二物流机器人,由所述第一物流机器人的控制终端向所述第二物流机器人发送调度请求。
6.智能物流机器人的自动分拣系统,其特征在于,用于实施权利要求1-5任一项所述的智能物流机器人的自动分拣方法,包括:
图像采集模块,所述图像采集模块用于根据图像采集装置,对第一分拣产品的识别表面进行图像采集,获取第一产品图像;
第一特征提取模块,所述第一特征提取模块用于对所述第一产品图像进行物流特征提取,获取产品表面特征;
表面特征确定模块,所述表面特征确定模块用于根据所述第一分拣产品的物流形态,确定用于图像采集的关键表面特征;
特征比对模块,所述特征比对模块用于以所述关键表面特征对所述产品表面特征进行比对,当比对结果为识别失败时,向第一物流机器人发送旋转指令;
旋转操作模块,所述旋转操作模块用于根据所述旋转指令控制启动所述第一物流机器人的旋转机构台,利用所述旋转机构台对待分拣产品进行旋转操作,输出第二产品图像;
第二特征提取模块,所述第二特征提取模块用于通过对所述第二产品图像进行物流特征提取,获取旋转表面特征;
分拣处理模块,所述分拣处理模块用于以所述旋转表面特征对所述待分拣产品进行识别,输出第一识别结果,按照所述第一识别结果对所述待分拣产品进行分拣处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410199929.5A CN117772616B (zh) | 2024-02-23 | 2024-02-23 | 智能物流机器人的自动分拣方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410199929.5A CN117772616B (zh) | 2024-02-23 | 2024-02-23 | 智能物流机器人的自动分拣方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117772616A CN117772616A (zh) | 2024-03-29 |
CN117772616B true CN117772616B (zh) | 2024-05-14 |
Family
ID=90392811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410199929.5A Active CN117772616B (zh) | 2024-02-23 | 2024-02-23 | 智能物流机器人的自动分拣方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117772616B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697478A (zh) * | 2017-10-20 | 2019-04-30 | 山东新北洋信息技术股份有限公司 | 一种货物身份信息获取装置及其控制方法 |
CN110142228A (zh) * | 2019-06-01 | 2019-08-20 | 哈尔滨理工大学 | 锯片裂纹检测识别分拣系统及分拣方法 |
CN111346832A (zh) * | 2020-04-16 | 2020-06-30 | 宁波市镇海大来智能科技有限公司 | 智能视觉识别分拣平台 |
CN213529667U (zh) * | 2020-09-24 | 2021-06-25 | 南阳市利民科技开发有限公司 | 一种物流分拣识别设备 |
CN113869184A (zh) * | 2021-09-24 | 2021-12-31 | 恩梯梯数据(中国)信息技术有限公司 | 一种物流面单识别方法、系统及装置 |
CN114749380A (zh) * | 2022-04-12 | 2022-07-15 | 浙江工商职业技术学院 | 一种物流装配线用分拣装置 |
CN115463844A (zh) * | 2022-08-25 | 2022-12-13 | 宁夏银方智能科技有限公司 | 一种基于双重识别的货物智能分拣方法及系统 |
CN218079054U (zh) * | 2022-08-15 | 2022-12-20 | 犇犇(山东)节能环保科技有限公司 | 快递自动识别无纸化面单信息分拣器 |
-
2024
- 2024-02-23 CN CN202410199929.5A patent/CN117772616B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697478A (zh) * | 2017-10-20 | 2019-04-30 | 山东新北洋信息技术股份有限公司 | 一种货物身份信息获取装置及其控制方法 |
CN110142228A (zh) * | 2019-06-01 | 2019-08-20 | 哈尔滨理工大学 | 锯片裂纹检测识别分拣系统及分拣方法 |
CN111346832A (zh) * | 2020-04-16 | 2020-06-30 | 宁波市镇海大来智能科技有限公司 | 智能视觉识别分拣平台 |
CN213529667U (zh) * | 2020-09-24 | 2021-06-25 | 南阳市利民科技开发有限公司 | 一种物流分拣识别设备 |
CN113869184A (zh) * | 2021-09-24 | 2021-12-31 | 恩梯梯数据(中国)信息技术有限公司 | 一种物流面单识别方法、系统及装置 |
CN114749380A (zh) * | 2022-04-12 | 2022-07-15 | 浙江工商职业技术学院 | 一种物流装配线用分拣装置 |
CN218079054U (zh) * | 2022-08-15 | 2022-12-20 | 犇犇(山东)节能环保科技有限公司 | 快递自动识别无纸化面单信息分拣器 |
CN115463844A (zh) * | 2022-08-25 | 2022-12-13 | 宁夏银方智能科技有限公司 | 一种基于双重识别的货物智能分拣方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117772616A (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102579783B1 (ko) | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 | |
CN107045641B (zh) | 一种基于图像识别技术的货架识别方法 | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
CN107617573B (zh) | 一种基于多任务深度学习的物流编码识别和分拣方法 | |
CN108416412B (zh) | 一种基于多任务深度学习的物流复合码识别方法 | |
CN109724984B (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
CN107179324B (zh) | 检测产品包装的方法、装置和系统 | |
CN113877836B (zh) | 一种基于视觉检测系统的智能识别分拣系统 | |
CN113927601B (zh) | 一种基于视觉识别实现机械臂精准挑拣的方法及系统 | |
US20220036371A1 (en) | Identifying and grading system and related methods for collectable items | |
JP7514413B2 (ja) | 廃棄物選別装置 | |
CN111597857B (zh) | 一种物流包裹检测方法、装置、设备及可读存储介质 | |
CN112150439A (zh) | 注塑件的自动分拣设备及分拣方法 | |
CN116593479B (zh) | 电池盖板外观质量检测方法、装置、设备及存储介质 | |
CN114529510A (zh) | 一种阴极铜在线质量自动检测分类方法 | |
CN113688825A (zh) | 一种ai智能垃圾识别分类系统和方法 | |
CN114332622A (zh) | 一种基于机器视觉的标签检测方法 | |
CN117531717A (zh) | 一种巡逻式智能垃圾分拣机器人及其工作方法 | |
CN117772616B (zh) | 智能物流机器人的自动分拣方法及系统 | |
CN116071348B (zh) | 基于视觉检测的工件表面检测方法及相关装置 | |
US20230152781A1 (en) | Manufacturing intelligence service system connected to mes in smart factory | |
CN115860605A (zh) | 一种基于视觉识别的仓储物流检测系统 | |
CN112069841B (zh) | X光违禁品包裹跟踪方法及装置 | |
CN116152243B (zh) | 基于图像分析的集装箱装卸作业状态的检测方法 | |
CN116119275A (zh) | 一种基于多模型级联的钢背表面检测的生产线控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |