マシンビジョンとディープラーニングは物流と倉庫業務をどのように改善できるでしょうか?

2021 年ピツニーボウズ荷物配送指数によると、2020 年に世界中で 1,310 億個の荷物が発送されました。この数字は、世界的なパンデミックと電子商取引業界の成長によって加速され、2026 年までに 2 倍以上に増加すると予想されています。オンライン小売での購入が増加するにつれて、物流、倉庫、出荷プロセスを自動化する必要性が優先事項になっています。

包装測定、品質検査、バーコード読み取り、光学式文字認識/光学式文字検証 (OCR/OCV)、マテリアル ハンドリングの最適化 (現在多くの企業)これを手動で実行すること）は、輸送業界のバリュー チェーンで自動化を実現する上で重要な段階です。

「物流、倉庫、運送会社は業務のスピードアップに努めています。しかし、エラーに対処する時間がないため、スピードには精度と精度が不可欠です。さらに、人員の問題も発生します。 「ゼブラ テクノロジーズのサプライ チェーン ソリューション担当ディレクター、マーク ウィーラー氏は述べています。「これら 3 つを組み合わせると、革新的な方法で既存のテクノロジーと新しいテクノロジーを組み合わせることで、非常にオープンな市場が得られます。新しいことに挑戦するためのテクノロジーです。」これらのイノベーションの中心はマシンビジョンです。

視覚誘導ロボット

倉庫や配送センターでは、商品のパレットが倉庫保管プロセスの開始と終了を示すことがよくあります。施設に入る際、パレット化された貨物は個別の箱に分解されるか、完全なパレットとして保管されます。デパレタイジングのアプリケーションは、主に人間を使用することから、視覚誘導ロボットに依存するようになりました。ロボットが前の商品をコンベア ベルトに置くと、マシン ビジョンが次にピッキングするパッケージを見つけてプロセスをスピードアップします。

「ほとんどの荷物は、パレットに積まれた状態で倉庫に到着し、倉庫から出荷されます。」と ifm AG のロボット事業開発担当のギャレット・プレイス氏は言います。ロジスティクスにおけるマシン ビジョンのアプリケーション。

コグネックスのロジスティクス ビジョン製品のシニア マネージャー、Ben Carey 氏は、ロジスティクスにおけるマシン ビジョンのアプリケーションには、測定、検査、ガイダンス、識別の 4 つの領域が含まれることに同意します。これらの各領域は、入荷プロセスから仕分け、出荷検査ポイントに至るまで存在します。ユースケースであり、変数の数を制限することについて何か言うでしょう。結局のところ、変数はエッジでアプリケーションを作成します。しかし、ほとんどの倉庫保管および物流業務の移動荷物は、色、サイズ、形、材質を問わず何でも構いません。これは、可変性のレベルにより、テクノロジーの選択とソリューションの作成は非常に困難になります。

「Amazon の過去数年間のロボット仕分けチャレンジがその良い例です。」と Place 氏は述べています。物流におけるマシンビジョンのユースケースのほとんどがマルチカメラおよびマルチモーダルである主な理由。この種のアプリケーションのばらつきを管理するには、1 つのカメラと 1 つのテクノロジでは十分ではありません。 「

Zivid Company 製品マーケティング マネージャーの John Leonard 氏も同意します。「主な用途には、施設内外でのボックスのパレタイジングやパレット積みが含まれます。これらの入庫作業と出荷作業の間には、主に、注文を満たすための個数ピッキング作業と注文ピッキング作業があります。これらはすべて、場所によって異なるさまざまな方法を使用して行われます。 「

これらの方法には、オンボード 3D ビジョンによって誘導される自律移動ロボット (AMR) が含まれます。たとえば、AMR は倉庫の壁を自律的に歩いてアイテムを見つけて選択できます。ロボットは、製造されたアイテムをピッキングすることもできます」他の移動ロボットは、商品をビジョン ステーションに搬送して、商品の種類と数量を確認できます。サイロのサイズと間隔により柔軟な構成が可能になり、AMR を使用してピッキングできるアイテムの種類が拡大します。保管用のパレットを取り出します。移動中、AGV はパレットの姿勢と障害物の検出をマシン ビジョンに依存します。マシン ビジョン コードの読み取りにより、プロセス全体を通じてパレットと箱の積荷が追跡されます。

いつ フル積載時パレットは施設から出る準備ができており、AGV が移動を管理しながら、ロボット アームが箱を完全に積載されたパレットに変換します。これらのすぐに使用できるパレットは、トラックに積み込まれる前に重量と測定が行われるため、パレットの寸法がマシン ビジョンの重要な部分となります。ロジスティクスのもう 1 つの強力な使用例。

「業界は、厳密に重量に基づいて配送料金を評価することから、寸法重量に基づいて請求することに移行しており、正確な寸法測定がこれまで以上に重要になっています。 LMI Technologies の南北アメリカ地域開発マネージャーであるダニエル・ハウ氏は、「スマート 3D センサーは、体積寸法測定、仕分け、表面欠陥検出などの梱包および物流プロセスの自動化における重要な推進力です。」と述べています。 「

多くの AMR および AGV は、ロボット センシングに ifm の O3R プラットフォームを使用しています。これは、コンパクト カメラ (VGA カメラと飛行時間型センサー) と、データを評価するための NVIDIA Jetson TX2 を搭載したビジョン プロセッシング ユニット (VPU) で構成されています。他社のセンサーを含む、最大 6 台のカメラを Linux ベースのデバイスに接続できます。

スピードとスループットの向上に対する高い需要

物流および倉庫アプリケーションは多くの課題に直面していますが、より高速でより高いスループットの要件が求められています。絶え間ない。課題としては、透明なポリ袋に梱包された商品が挙げられますが、これらは光の反射により画像処理に課題が生じます。他のピッキング操作では、アイテム検出プロセスの一部として色が必要になる場合があり、画像内の色情報をサポートする 3D ビジョンが必要になる場合があります。

Leonard 氏によると、すべての 3D カメラは産業環境で一般的なマイクロメートル範囲、衝撃、温度変動、振動で動作するように設計されているため、キャリブレーションはすべての 3D カメラにとって課題です。キャリブレーションに影響し、したがって 3D カメラの精度に影響します。

Zivid 3D カメラなどの一部のカメラは、産業環境で動作するように特別に設計および製造されており、IP65 等級に準拠しており、自動キャリブレーション機能を備えています。これは、大型のローラー シャッター ドア (物流倉庫ではよくあること) の開閉によって温度が 5 度変化しても、カメラは完全に調整された状態を保つように調整されることを意味します。

#LMI Corporation は、超広視野の Gocator 2490 センサーを開発しました。このセンサーは、配送用のパッケージ サイズを迅速かつ正確に測定できるように特別に設計されています。ボックスはコンベア上を 2 m/s の速度で移動できます。 Howe 氏によると、単一の広視野 Gocator 2490 スマート センサーは、ボックス全体の寸法 (幅 x 高さ x 奥行き) を 800 Hz でスキャンし、1 m x 1 m のスキャン領域で 3 つの次元 (x のすべて) を測定できます。 、Y、Z で 2.5 mm の解像度を提供します）。

解像度は十分に高いため、Gocator 2490 はさまざまなパッケージ サイズの寸法を測定できるだけでなく、パッケージ内の微妙な欠陥も検出できます。このオンライン検査機能により、欠陥のあるパッケージが検出されたときに合否判定をトリガーできます。

Gocator 2490 は、商品が入った開いたパッケージをスキャンし、隙間を埋めるために必要な梱包材の量を判断する隙間充填など、より高度な梱包アプリケーションに対処する機会も提供します。 。このようなアプリケーションの場合、デュアルカメラ構成は、箱やトートバッグ内の遮蔽を回避するのに役立ちます。

エッジ ディープ ラーニング

物流分野の複雑さが飛躍的に増大するにつれ、マシン ビジョンのアプリケーションもさらなる課題に直面しています。たとえば、高速コンベア ベルト上でランダムな方向にあるさまざまな種類の物体を検出しようとすると、従来のルールベースのマシン ビジョン検査では、このような状況では困難に直面します。

しかし、組み込みプラットフォームにおける使いやすい機械学習と深層学習が、これまで困難だったアプリケーションを解決するために登場しつつあります。たとえば、コグネックスが最近発売した In-Sight 2800 は、セットアップが簡単でプログラミングを必要としないエッジ ラーニングを備えています。箱からスーツケース、ビニール袋に至るまであらゆるものを迅速かつ正確に仕分けし、完全にスマート カメラで実行されます。

「In-Sight 2800 のエッジ ラーニングなどのテクノロジーにより、パッケージの検査率が向上し、手動での手戻りが減り、より高度なマテリアル ハンドリングの自動化によって注文の精度が向上します」と Carey 氏は述べています。 「当社のお客様は、処理速度の向上と手動でのやり取りの減少から恩恵を受けており、これらの企業は従業員数を変更することなく変動する需要を管理できるようになります。これは、今日の労働力が逼迫した環境において引き続き問題となっています。課題。」

マシン ビジョンの民主化

たとえば、2D カメラや 3D カメラ、コンピューティング能力の強化など、現代の倉庫に導入されているテクノロジーのほとんどは、すべて以前に知られていた方法の反復です。やや新しいのは、これらすべてのテクノロジーをマルチカメラ、マルチモーダル戦略で活用し、ML の大規模な処理能力と組み合わせてアプリケーションを管理することです。

「以前は、倉庫では単一ベンダーのソリューションが使用されていました。現在では、複数のベンダーとテクノロジーの組み合わせが見られます。各ベンダーとテクノロジーにはそれぞれ独自の強みがあります」と Place 氏は説明しました。課題を解決するために一緒に導入されます。このアプローチは、これまでマシン ビジョンでは触れられていなかったユースケースを今後も解き放っていきます。これを、倉庫保管と物流におけるマシン ビジョンの民主化と考えてください。」

Itテクノロジーの進歩に焦点を当てるのは難しい。確かに、産業用カメラはより優れた、再現性の高いデータを提供し、計算も高速化していますが、状況を変えるものは何もありません。最大の進歩は、倉庫の問題を解決するためのマルチテクノロジーアプローチにおけるコンポーネントの使いやすさにあります。

「物流はロボット工学の方向に進んでいます。ロボット工学は統合の問題です。マシンビジョンとその複雑さは単一カメラの焦点から離れ、現代のすべてのシステムを削減するために、倉庫に必要なコンポーネントは摩擦の焦点に統合されています。このアプローチは、私たちをこの旅の次のステップに連れて行きます。」

以上がマシンビジョンとディープラーニングは物流と倉庫業務をどのように改善できるでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。