机器视觉在内部物流领域的应用

货物接收

产品抵达时通常是装箱放在托盘上，需要针对储存进行准备工作。第一个任务是将货物从托盘卸下，例如卸到传送带系统上。必须对物品进行识别，并确定如何处理。物品是否表面坚硬，或者可能质地柔软？是否需要特别护理？

利用 3D 技术，可以检测到货物的位置和质地。然后就可以引导机器人拣选单件物品，再将它们放在传送带系统上。

货物交付过程中的另一个流程是读取代码并解码以识别物品。此外，还必须对物品质量进行检测，例如检测有无运输损坏。另外，必须确定尺寸和体积，以便在后续步骤中使用这些信息，例如储存期间。这项任务使用普通 2D 相机系统或即用型 2D 智能相机和现代机器视觉软件，即可非常轻松地完成。

准备储存

这个阶段包括产品开箱、货物识别和交付货物质量控制。

在储存货物之前，必须先进行入库货物检验，检查货物质量是否过关，以及交付的物品是否完整。

通常是使用 2D 摄像头对打开的箱子进行拍照，然后使用识别算法识别里面的内容物。识别可以通过读取代码来完成，但如果物体上没有可读取的标签，也可以通过深度学习来完成。

储存 - 识别货架空位状态

对于这类应用，必须知道储存地点和条件。货物会储存在什么地方？是否有足够的储存空间？

例如，可以运用深度学习来识别货架上的可用空位。

为此，在移动式机器人上配备一个摄像头，让其驶过货架并拍照。  软件会输出可用储存空间和相应储存空间的大小。

而关于位置的其他信息，又可以通过其他机器视觉算法确定。

储存 - 识别货架空位状态

对于这类应用，必须知道储存地点和条件。货物会储存在什么地方？是否有足够的储存空间？

例如，可以运用深度学习来识别货架上的可用空位。

为此，在移动式机器人上配备一个摄像头，让其驶过货架并拍照。  软件会输出可用储存空间和相应储存空间的大小。

而关于位置的其他信息，又可以通过其他机器视觉算法确定。

调试 - 测量尺寸和体积以优化包装

在包装货物之前，应进行最终质量控制，以确保产品完好无损地离开仓库。此外，在机器视觉系统的帮助下，可以自动确定货物的大小和体积，以便尽可能提高打包效率。这样可以节省包装材料，最终节约成本。

借助工业图像处理，可以自动检查纸箱中包含哪些产品，以及这些产品的质量是否符合要求。这些信息可以转发给条形码打印机，打印机随后会在标签上打印代码。另一套系统将标签贴到纸箱上，然后使用机器视觉来检查打印代码的质量是否符合相应标准（打印质量、间距等），从而确保代码可以由任何标准读码器读取。

交付 - 货物发出质量控制和码垛

现在，可以对打包好的货物进行码垛，准备交付。

利用之前通过工业图像处理确定的体积，可以确定需要码垛的箱子数量。利用这些信息，可以高效地将箱子自动堆放在托盘上。此外，还可以根据这些 3D 信息确定坐标，由机器人自动处理。

基于表面的 3D 匹配和通用箱盒查找器

这些技术可用于识别物体及其位置，特别适合卸下货箱或取回物品进行调试等应用。

进一步了解基于形状的 3D 匹配和通用箱盒查找器，其中对所有方法都有更详细的介绍。

条形码和二维码读取

如今，条形码和二维码读取是识别物品最简单的方法之一。有几种不同类型的条形码和二维码。这两种方法面临的挑战基本相同，因为代码可能损坏或因其他原因干扰读取。新近的机器视觉算法解决了这些挑战，可对信息进行稳定快速的解码。

阅读我们免费提供的白皮书，了解如何解决常见的条形码读取问题。

光学字符识别 (OCR)

除了二维码和条形码之外，一些物品还可能配备任意标签，呈现任何类型的文本或字符。在这种情况下，可以选择光学字符识别 (OCR)，基于文本识别物品。此类文本可能采用不同的字体、字号甚至打印样式，例如点阵式打印。

查看此页面可以进一步了解采用机器视觉技术的 OCR。

深度学习

深度学习不仅有助于识别没有代码或标签的任意物品，也适用于质量控制，如检测缺陷。它为物品质量检测带来了新的可能。通过识别物品，深度学习能够为货物或物品确定优化的处理策略。

点击此处可进一步了解深度学习方法的全部能力