AI機器視覺如何實現倉庫配送自動化

僅在美國,港口的集裝箱量就在飆升,甚至處於積壓狀態。例如,從 2016 年到 2020 年,薩凡納港的集裝箱進口量增加了 32%。 喬治亞港務局.應對全球供應鏈中集裝箱積壓、勞動力短缺和不斷增長的電子商務需求的倉庫正在購買和租賃比以往更多的房地產,並投資於自動化技術和人工智能係統以跟上步伐。

隨著越來越多的倉庫轉向凌華科技尋求開發和部署這些工業 AI 系統的指導,我們想分享我們看到倉庫在倉庫自動化技術方面獲得最大價值和最快投資回報的地方。

倉庫自動化

自 2011 年以來,我們一直在談論製造業中的工業 4.0 和自動化,以及自 2016 年之前的物料搬運領域。那麼,我們做得怎麼樣?我們在製造方面比在倉庫方面走得更遠。在 2019 年現代物料搬運調查中,超過 50% 的倉庫配送中心經理表示他們仍然主要使用手動流程。

在過去的幾年裡,我和我的團隊參觀了 100 多個倉庫,但沒有一個倉庫是完全自動化的。在嘗試採用人工智能等新興技術時,我們經常會看到一個看似簡單但非常普遍的挑戰:人工智能將在哪裡產生最大的回報?對於任何 AI 項目,重要的是關注業務成果和用例。雖然這看起來很明顯,但我們發現,對於我們的客戶來說,這個初始步驟通常具有挑戰性。這一步是最關鍵的,否則項目很可能會失敗。

我們發現機器視覺是一種更容易實施和利用 AI 的技術,而且由於其靈活性,它也是一種可以在倉庫履行中看到最快回報的技術。無論您處於自動化之旅的哪個階段(參見下圖 1),人工智能機器視覺都將與您相遇,建立在您已有的基礎設施和流程(手動、自動和自主)之上。

圖 1 自動化之旅。資料來源:凌華科技

AI機器視覺如何工作?

機器視覺是針對倉庫應用程序的基於圖像的分析,例如 檢查、過程控制、安全和機器人引導;將人類視覺賦予傳送帶、機器人或計算機等機器,只需記錄它所看到的內容。

機器視覺有兩個不同層次,基於規則和基於人工智能。

基於規則的機器視覺 – 標準機器視覺能夠檢測出什麼時候出現問題,但不能告訴我們究竟出了什麼問題(分類),也不能指導系統在收到信息後採取行動。基於規則的機器視覺的示例包括讀取文本、條形碼、識別填充水平或讀取儀表。

基於人工智能的機器視覺 – AI 機器視覺無需唯一標識符即可識別以前看到的事物。 AI 機器視覺對其所見事物進行分類,隨著時間的推移變得更加智能,並且還可以創建自動化工作流程以採取行動。

那麼AI機器視覺系統是如何工作的呢?

1. 收集圖像

如果你拍了 200 張你的臉,然後把它們給我,我可以建立一個面部識別模型,它會非常準確。但是,如果使用的攝像頭指向某個角度,在夜間以顆粒圖像分辨率拍攝圖像,例如 ATM 攝像頭,系統就會陷入困境。因此,收集圖像實際上必須是該過程的第一部分。

2. 標記對象

這實際上是一個手動過程。為了訓練人工智能係統,你必須幫助它。你必須告訴系統你從哪裡開始尋找,以及要尋找什麼。

3. 培訓

訓練是一個自動化過程,它在神經網絡中運行。系統拍攝被標記的圖像並扭曲它們。它拉伸它們,翻轉它們,改變顏色,模糊它們,並將捕獲的一張圖像變成 10,000 張圖像。它消耗的圖像越多,系統就越智能。

4. 測試

然後系統創建一個模型。該模型本質上是一組算法,用於查看傳入的新圖像,然後傳達所看到的內容以提供置信度。

5. 行動

創建模型後,我們必須對其進行處理。那麼,如果機器看到有人站在不安全的位置怎麼辦?動作必須以自動方式發生。讓我們看一些例子。

用於倉庫履行的人工智能機器視覺

倉庫在主要履行領域(接收、存儲、揀選、包裝和運輸)中的效率越高,質量保證、準時交貨和客戶滿意度越高,壓力越小,成本和員工倦怠就越低。

這些示例同時使用基於規則和基於 AI 的機器視覺。

接收和儲存 – 機器視覺與人工智能自動化並提高了所有資產在整個生命週期中的可追溯性。例如,配備機器視覺和信標的叉車可以消除接收和存儲過程中的人為錯誤。庫存管理所需的自動掃描和數據輸入允許叉車司機和接收人員將速度和安全放在首位。

機器視覺 AI,用於從相機的角度進行接收和存儲。資料來源:凌華科技

採摘—— 無論是用於組裝還是訂單履行,配備機器視覺和人工智能的機器人都能準確地挑選零件並將它們放入手提袋或盒子中。 AI 允許用戶更進一步,通過識別最佳“拾取點”和放置方向來加快包裝過程並最大化包裝體積。

從相機的角度揀選機器人垃圾箱。資料來源:凌華科技

包裝 - 機器視覺與人工智能審核每個訂單的正確性。揀選訂單後,這些解決方案會根據內容自動驗證訂單。這可以支持和/或取代質量保證技術人員,允許他們重新分配到整個倉庫的其他任務。標記為不完整/不正確的訂單可以在發貨前標記為重新包裝。

使用 AI 機器視覺在客戶配送倉庫的包裝過程中自動檢查定制訂單。
資料來源:凌華科技

船運 - 機器視覺和人工智能在碼垛過程中繼續審核每個訂單的正確性。放置在托盤上的所有包裹都根據唯一標識符、形狀和尺寸進行標記。驗證托盤的訂單正確性和履行可追溯性可以大大提高盈利能力。該行業在托盤化過程中受到人為錯誤的困擾,高混合訂單目前無法從機器人技術的成本/能力中受益。凌華科技 智能托盤 例如,解決方案是利用 AI 機器視覺的半自動碼垛解決方案。

 凌華科技 智能托盤 客戶履行中心正在使用的解決方案。資料來源:凌華科技

安全與保障 – 機器視覺和人工智能用於確定是否以及何時應允許員工進入、配備適當的個人防護設備 (PPE) 或進入未經授權的區域。同樣的技術可用於識別滑點、跳閘點和/或夾點。

機器視覺人工智能檢測建築工人是否佩戴了他們所需的個人防護裝備——安全帽和背心——以確保工人的安全。資料來源:凌華科技

人工智能機器視覺是我的解決方案嗎?

要確定機器視覺是否適用於某個過程,一個簡單的問題是:如果我拍攝這個過程,我是否能夠看到、推斷、推斷、閱讀我想讓機器看到、推斷、推斷和閱讀的任何內容?如果答案是肯定的,那麼AI機器視覺就可以做到。如果你能用自己的兩隻眼睛看到它,那麼我們就可以訓練一個系統來做到這一點。

我們可以幫助您舉辦研討會和路線圖,以幫助您建立 數字實驗飛行員 在短短 2 週內。並非每個用例都需要基於 AI 的機器視覺,我們可以幫助您確定哪些流程最能從 AI 機器視覺中受益,以及最好從哪裡開始。在實施人工智能機器視覺技術時,我們建議如下:

做很多小賭注,而不是一個大實驗

為了使自動化投資順利、快速(不是持續數年),首先要以漸進的方式處理流程。例如,您能想像作為第一個 AI 項目來管理“從接收到運輸的整個產品生命週期的可追溯性研究”將是多麼昂貴、漫長和痛苦?

相反,做幾個小賭注。從自動化使人工任務更快、更容易、更高效的事情開始,例如托盤化、包裝或叉車以提高庫存準確性。請注意,當您在整個企業中橫向擴展自動化技術時,這些技術可以相互配合。

將智能移入或接近事物

無論是嵌入式、分佈式還是智能計算, 邊緣計算 使人工智能能夠實時生成、使用、計算和分發數據,以便在最重要的時候做出決策並採取行動。

例如,設計用於機器人質量檢查的機器視覺 AI 系統可能需要在不到 0.05 秒的時間內檢查產品的缺陷,然後傳送帶將另一個產品移到其鏡頭下。這裡的誤差幅度變得非常小,需要立即發生數據移動。邊緣計算是數據與人、地點和機器相遇的地方,因此會發生這種即時、實時的動作。 

這是一項團隊運動,讓您的生態系統和合作夥伴參與進來

我們不知道所有問題的答案,任何供應商都不應該告訴您他們知道。如果您正在與任何拒絕與其他供應商、其他 OEM 或您已有的合作夥伴合作的人合作,因為他們認為這是競爭技術,您可能想尋找其他地方。

了解有關凌華科技 AI 機器視覺邊緣硬件的更多信息 這裡.

詳細了解我們的凌華科技 AI 機器視覺邊緣軟件 這裡.

丹尼爾柯林斯
丹尼爾柯林斯

凌華科技北美邊緣解決方案總監

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。