视频国产九草精品|日日操夜夜操AAA熟女|午夜影院之啊我的小穴好爽|日韩免费五区六区|亚洲色图巨乳AV|国产动态视频YY无码视频|91国际友人一区|久久精品亚洲超碰|空姐国产青青草淫色|欧美日产国产成人免费

新松這項黑科技,可以讓機器人識別出600余種的異型煙……

2020-01-10 09:01:21 來源:新松機器人 閱讀量:20324 評論
分享:
  【塑料機械網(wǎng) 明星企業(yè)】隨著煙草行業(yè)的發(fā)展及消費者需求的變化,異型煙品類日漸繁多,也越來越受消費者的青睞。由于異型煙外形尺寸無法標準化,如何快速高效的分揀和包裝異型煙成為了一大難題,業(yè)內(nèi)都在期待一款高效而智能的分揀設備能夠解決這一難題。
 
  標準煙是指滿足以下條件的香煙:
 
  ○香煙直徑8mm,長為84mm,每盒20支;
 
  ○包裝盒長88mm、寬56mm、厚23mm(硬);
 
  ○包裝盒長85mm、寬53mm、厚22mm(軟);
 
  除此之外的煙都屬于異型煙
 
  通常一個市級煙草物流中心每天平均分揀量是50至60萬條,高峰分揀量約300萬條,異型煙每天平均分揀量是5至6萬條,分揀量高達20萬條。標準煙種類有上千種,出現(xiàn)頻次較高的異型煙的種類有300余種,種類約有600余種。
  
  異型煙分揀痛點分析
 
  “異型”:異型煙種類繁多,形態(tài)尺寸各異,由于長距離輸送,煙盒的角度、配單順序、姿態(tài)存在不確定性;
 
  “識別”:異型煙高度尺寸變化較大,且塑料薄膜反光嚴重,光源很難兼顧300至600種煙識別;
 
  “碼垛”:每個訂單所需要的異型煙又不同,因此傳統(tǒng)此類異型煙碼垛沒有行之有效的算法來實現(xiàn)異型煙的碼垛問題;
 
  “信息化”:傳統(tǒng)異型煙傳輸過程中無法實現(xiàn)正確訂單信息的確認及跟蹤,存在大量分揀出錯造成大量訂單返廠拆包處理。
 
  新松并聯(lián)機器人異型煙智能分揀解決方案
 
  以新松Delta并聯(lián)機器人為核心,配置新松視覺檢測系統(tǒng)Svision2D,融合二維視覺檢測技術、智能補光技術、深度學習DL算法技術、數(shù)據(jù)融合優(yōu)化技術等,對異型煙的分揀包裝系統(tǒng)提供了多方位、智能化的整體解決方案。

  該系統(tǒng)實現(xiàn)了以下功能:
 
  (1) 打通數(shù)據(jù)經(jīng)絡,實現(xiàn)故障預警
 
  新松并聯(lián)機器人分揀系統(tǒng),可以通過視覺系統(tǒng)判斷來煙狀態(tài),調(diào)整抓煙順序和抓煙角度,結合WMS訂單信息匹配,避免了來煙順序混亂導致的訂單錯誤或者異型煙損壞。當出現(xiàn)異常時,可發(fā)出報警提示。
 
  (2) 突破補光技術,實現(xiàn)多品種智能識別
 
  新松視覺系統(tǒng)Svision2D智能補光技術靈感來自于手術室無影燈的理念,解決了機器人本體遮擋光源情況。

  ▲ 新松并聯(lián)機器人
 
  (3) 融合深度學習算法,優(yōu)化視覺示教
 
  新松異型煙分揀系統(tǒng)融合了深度學習算法,對煙盒識別方式進行智能分類,動態(tài)調(diào)整識別參數(shù),優(yōu)化識別成功率和識別速度。
 
  (4) 優(yōu)化數(shù)據(jù)流程,提高系統(tǒng)效率
 
  本套機器人控制系統(tǒng)實時獲取訂單任務,優(yōu)化視覺模板匹配數(shù)量,將識別過程控制在100ms以下。
 
  (5) 優(yōu)化異型碼垛算法,實現(xiàn)動態(tài)異型碼垛
 
  根據(jù)訂單信息自動化優(yōu)化碼垛算法,在煙來料順序混亂的情況下,實現(xiàn)垛型的自動修正。
 
  來自用戶的評價
 
  新松為煙草物流中心提供8套異型煙分揀包裝并聯(lián)機器人系統(tǒng),已經(jīng)全部投產(chǎn)使用,每天處理訂單數(shù)以萬計。物流中心技術負責人表示:“原有的異型煙分揀設備效率低,出錯率高,經(jīng)常出現(xiàn)報錯、停機,或裝錯訂單情況,需要工人在線分揀包裝。期間也尋找過相關的企業(yè)和研究機構來試驗,效果均不理想,都以失敗告終。
 
  新松的并聯(lián)機器人異型煙分揀系統(tǒng)從上線調(diào)試到正式投產(chǎn)運行耗時短、效率高,實現(xiàn)了無人化、自動化的分揀和包裝,展現(xiàn)出了“技術硬核”的擔當與實力。”
我要評論
文明上網(wǎng),理性發(fā)言。(您還可以輸入200個字符)

所有評論僅代表網(wǎng)友意見,與本站立場無關。

產(chǎn)品推薦 更多