我们为一家领先的办公室墙板制造商开发了一个基于机器视觉和深度学习算法的机器人辅助拾取系统。目标是精确检测装有墙板配件的塑料袋，以便机器人能够可靠地抓取它们。为了显著提高生产力，整个工作流程将实现端到端的自动化。此外，我们还希望减轻员工的单调重复任务，让他们能够专注于更具挑战性的工作。
在开发合适的自动化解决方案时，需要考虑一个特殊因素：这些袋子中包含各种不同类型的配件。例如，螺丝、螺母和膨胀螺栓等固定材料，用于书写白板墙面的笔和荧光笔，软木墙板用的图钉，甚至还有用于擦拭墙面的海绵。因此，这些袋子的大小和重量可能各不相同，外观也多种多样。此外，由于其弹性，这些袋子可能会随机变形，可能被压缩、拉伸或以其他方式变形。
这种极高的产品差异性给 TEKVISA 的自动化工程师带来了重大挑战：目标是开发一种基于机器视觉的灵活解决方案，能够可靠地检测所有可能类型和形状的配件袋，从而实现安全的抓取过程。重要的是，该系统需要识别传送带上那些位置和方向最适合由机器人臂抓取的袋子。
整个设置由一个高分辨率的彩色区域扫描相机和特殊照明组成，以减少反射现象，从而精确检测每个袋子的内容。该应用程序的核心是一个创新的机器视觉系统。它能够精确识别传送带上的塑料袋，以便机器人能够准确地抓取它们。随后，机器人将这些袋子高精度地放置在即将包装的墙板上，准备进入最终的包装流程。
基于袋子外观和位置的多样性，机器视觉解决方案能够在每种情况下选择最佳的抓取对象。我们使用了机器视觉标准软件 MVTec HALCON 来实现这一目标。
系统首先通过深度学习算法使用样本图像进行全面训练，从而学习到袋子的众多不同特征，实现非常高的识别率，即使面对几乎无限的对象变化。未被选择的袋子会被重新定位并再次送入系统。通过重新定位，它们在传送带上会处于更有利的位置，使机器人更容易抓取并放置以进行运输。这样，即使是重叠和堆叠的袋子也能被有效抓取。集成的机器视觉软件使系统能够每分钟分析并精确识别多达60个袋子。
