Sistemi di visione artificiale per la logistica e i magazzini industriali

I requisiti di complessità e velocità delle attività logistiche sono in costante aumento. L'identificazione e la tracciabilità dei prodotti sono un'esigenza sempre più importante per molti magazzini moderni. I prodotti vengono stampati, contrassegnati, incisi o etichettati con vari codici a barre, codici dati, caratteri e simboli per identificarne il contenuto e fornire informazioni vitali per la loro produzione. Inoltre, sempre più merci devono essere disimballate, ispezionate, imballate e distribuite in tempi sempre più brevi.

Che cos'è la visione artificiale e quali sono le sue applicazioni nei magazzini logistici?

Per capire come funziona la visione computerizzata nei magazzini logistici, è opportuno scomporre il meccanismo che riflette. Come vedono gli esseri umani? In poche parole, i nostri occhi catturano l'immagine che viene poi elaborata dalla retina, le cui cellule inviano impulsi al cervello. Lì, in particolare nella corteccia visiva, l'immagine viene interpretata.

Nel caso delle macchine di visione per la logistica, l'intero processo è molto simile. Abbiamo un dispositivo di acquisizione, che è una telecamera, e un dispositivo di interpretazione, un computer dotato di un algoritmo di intelligenza artificiale. Grazie all'intelligenza artificiale, la macchina può dare un senso alle immagini proprio come fa l'uomo. Le aziende di diversi settori sfruttano questa capacità, utilizzando la visione artificiale per ottimizzare i processi logistici all'interno del magazzino e della catena di fornitura. È ampiamente utilizzata per l'ispezione della qualità, la tracciabilità, lo smistamento, l'ottimizzazione, ecc.

Come i magazzini automatizzati possono beneficiare dei sistemi di visione artificiale per la logistica

L'uso del software di elaborazione delle immagini fornisce tutti i metodi e le tecnologie necessarie per leggere caratteri, codici e simboli, indipendentemente dal modo in cui sono stati applicati. Gli oggetti possono essere identificati anche senza codici, ad esempio grazie alle caratteristiche visive di consistenza e colore.

Molti processi di intralogistica e automazione del magazzino possono trarre vantaggio dall'uso della visione artificiale. I processi di magazzino possono essere parzialmente o completamente automatizzati con l'uso di sistemi di visione artificiale per la logistica.

Le apparecchiature di visione artificiale per magazzini forniscono tutte le tecnologie necessarie per i requisiti di identificazione, imballaggio e tracciabilità, nonché per molti altri requisiti dell'intralogistica automatizzata.

Approfondimento sull'uso delle tecnologie di visione artificiale nei magazzini e nella catena di approvvigionamento

Per capire meglio come la visione artificiale possa migliorare l'automazione dei processi esistenti nell'intralogistica, analizziamo questa catena di processi che illustra le fasi della catena del valore.

Ricevuta della merce

La merce arriva solitamente in scatole su pallet e deve essere preparata per lo stoccaggio. Il primo compito è quello di depalettizzare la merce, ad esempio su un sistema di trasporto. L'articolo deve essere identificato e si deve determinare come può essere maneggiato: ha una superficie dura o una consistenza morbida? È necessaria una cura particolare?

Utilizzando le tecnologie di visione artificiale 3D per la logistica, è possibile rilevare la posizione e la consistenza dei prodotti. Può guidare il robot depalettizzante per prelevare singoli articoli e posizionarli su un sistema di trasporto.

Un altro processo durante la consegna delle merci è la lettura e la decodifica dei codici per identificare l'articolo. Inoltre, la qualità della merce deve essere ispezionata per rilevare, ad esempio, eventuali danni durante il trasporto. Inoltre, è necessario determinare le dimensioni e il volume per poter utilizzare queste informazioni in una fase successiva, ad esempio durante lo stoccaggio. Questo compito può essere risolto molto facilmente con i comuni sistemi di telecamere 2D o con telecamere intelligenti 2D pronte all'uso e con il software di visione artificiale del magazzino.

Preparazione per lo stoccaggio

Questa fase comprende il disimballaggio dei prodotti, l'identificazione della merce e il controllo di qualità della merce consegnata.

Prima che la merce possa essere immagazzinata, è necessario effettuare un'ispezione della merce in entrata. Per verificare se la qualità della merce è sufficiente e la completezza della merce consegnata.

In genere, un tipo di soluzione di visione artificiale per i magazzini consiste nell'uso di una telecamera 2D che scatta una foto della scatola aperta e utilizza algoritmi di identificazione per riconoscere il contenuto. L'identificazione può avvenire tramite la lettura di un codice, ma anche se gli oggetti non hanno etichette leggibili.

Immagazzinamento

Per questa applicazione, è necessario conoscere l'ubicazione e le condizioni di stoccaggio. Dove saranno stoccate le merci? C'è spazio sufficiente per lo stoccaggio?

L'identificazione degli spazi vuoti disponibili sullo scaffale può essere effettuata mediante un sistema di visione artificiale. A questo scopo, un robot mobile è dotato di una telecamera che attraversa gli scaffali e scatta foto. Il Software WMS per la gestione del magazzino genera gli spazi di memoria liberi e la dimensione del rispettivo spazio di memoria.

Ulteriori informazioni sulla posizione, a loro volta, possono essere determinate utilizzando altri algoritmi di computer vision.

Identificazione del prodotto

In caso di consegna di merci imballate o non imballate, queste devono essere identificate e localizzate prima di poter essere ritirate come richiesto.

Durante il prelievo di articoli dal magazzino, un robot può essere utilizzato per identificare e rimuovere gli articoli immagazzinati dagli scaffali. In pratica, si tratta della stessa tecnologia di apprendimento profondo che identifica gli spazi vuoti. La differenza è che in questo caso è necessario distinguere un numero maggiore di articoli.

Le tecnologie di visione per la logistica con sensori 3D potrebbero essere utilizzate anche per determinare le posizioni di presa dei robot. La combinazione di deep learning e tecnologie 3D porterebbe a un processo di recupero completamente automatizzato.

Misura di dimensioni e volume

Prima di imballare la merce, è necessario effettuare un controllo finale della qualità per garantire che il prodotto abbia lasciato il magazzino senza danni. Inoltre, le dimensioni e il volume dei prodotti possono essere determinati automaticamente con l'aiuto di un sistema di visione artificiale, per imballare tutto nel modo più efficiente possibile. Ciò consente di risparmiare sui materiali di imballaggio e, in ultima analisi, sui costi.

Con l'aiuto dell'elaborazione industriale delle immagini, è possibile controllare automaticamente quali prodotti sono contenuti in una scatola, ad esempio, e se la loro qualità è in ordine. Queste informazioni possono essere inviate a una stampante di codici a barre, che stampa i codici su etichette, ad esempio. Un altro sistema applica le etichette ai cartoni. In seguito, la visione artificiale controlla se la qualità dei codici stampati è conforme agli standard applicabili (qualità di stampa, spaziatura, ecc.), assicurando così che il codice possa essere letto da qualsiasi lettore di codici standard.

Consegna - Merci in uscita, controllo qualità e pallettizzazione

I prodotti imballati possono ora essere pallettizzati e preparati per la consegna.

Utilizzando il volume precedentemente determinato dall'elaborazione industriale delle immagini, è ora possibile determinare il numero di scatole da pallettizzare. Queste informazioni vengono utilizzate per impilare automaticamente ed efficientemente le scatole sui pallet. Inoltre, le coordinate per la lavorazione automatica da parte di un robot possono essere determinate sulla base di queste informazioni 3D.

Metodi di visione artificiale per magazzini logistici

Visione artificiale e apprendimento automatico

Una volta che l'immagine catturata arriva al dispositivo di interpretazione, l'algoritmo di apprendimento automatico la elabora. Nella maggior parte dei casi, i moderni sistemi basati sulla visione artificiale coinvolgono reti neurali. La comprensione dell'immagine è un compito complesso e l'apprendimento profondo è in grado di gestire tale complessità con il suo processo di comprensione a strati che imita l'attività neurale del cervello. I sistemi di visione artificiale possono svolgere compiti specifici, a seconda dello scopo per cui sono stati costruiti. Li abbiamo ordinati dal meno complesso al più complesso.

Rilevamento di oggetti o movimenti

Il rilevamento è il compito più elementare della computer vision che non richiede al computer di capire effettivamente cosa sta vedendo, ma di riconoscere che qualcosa è visibile. Addestrato con un set di dati contenente immagini di oggetti o di movimento con caselle di delimitazione annotate, il modello AI può imparare rapidamente a rilevarli anche in immagini dettagliate.

Classificazione delle immagini

In questo caso, l'algoritmo di computer vision applica una classe a un'immagine in base alle conoscenze estratte dal database. Ad esempio, si vuole che dica se si tratta di una mela o di una banana. Addestrato su un database etichettato contenente immagini di mele e banane, impara a distinguere le due categorie.

Rete neurale profonda (DNN) per l'analisi logistica delle immagini

Rete neurale profonda (DNN): esempio di analisi logistica delle immagini

Segmentazione dell'immagine

Identificando un segmento di un'immagine in base a criteri specifici, ad esempio il colore o il valore di grigio (nel caso di immagini acromatiche), l'intelligenza artificiale del sistema di visione artificiale può trovare l'area di messa a fuoco. Si tratta di un'ottima funzione da utilizzare, ad esempio, nei sistemi di valutazione dei sinistri assicurativi. L'algoritmo può identificare rapidamente uno spazio da valutare all'interno della documentazione dell'incidente fornita in base alle parole chiave della richiesta di risarcimento o ad altre indicazioni.

Riconoscimento dell'immagine

Come insieme di metodi che consentono all'algoritmo di riconoscere diverse variabili (come oggetti, luoghi, loghi, ecc.), il riconoscimento delle immagini riunisce i compiti di rilevamento e classificazione degli elementi in un'immagine. La rete neurale, alimentata con un set di dati opportunamente preparato, impara a riconoscere i pattern di pixel che coinvolgono un particolare oggetto.

Tecnologie di visione artificiale per la logistica di magazzino

Cercatore di scatole generico e consapevolezza 3D basata sulla superficie

Queste tecnologie possono essere utilizzate per identificare gli oggetti e la loro posizione. Si adattano perfettamente all'uso, ad esempio, per la depalettizzazione delle scatole o per il recupero degli oggetti per la messa in servizio.

Per ulteriori informazioni sulla corrispondenza 3D basata sulla forma e sul cercatore di cornici generico è possibile contattare un azienda specializzata in tecnologie di visione artificiale per la logistica di magazzino, dove potranno consigliarvi in modo più dettagliato su tutti i metodi.

Lettura di codici a barre e codici dati

La scansione di codici a barre e codici dati è uno dei modi più semplici per identificare gli articoli. Esistono diversi tipi di codici a barre e codici dati. Entrambi i metodi affrontano fondamentalmente le stesse sfide, poiché i codici possono essere danneggiati o alterati. I più recenti algoritmi di visione artificiale per i centri logistici affrontano queste sfide e consentono una codifica robusta e veloce delle informazioni.

Riconoscimento ottico dei caratteri (OCR)

Oltre ai codici dati e ai codici a barre, alcuni articoli possono essere dotati di etichette arbitrarie con qualsiasi tipo di testo o carattere. In questi casi, il riconoscimento ottico dei caratteri (OCR) potrebbe essere un'opzione per identificare gli articoli in base al testo. Tale testo può essere disponibile in diversi tipi di carattere, dimensioni o persino stili di stampa, come la stampa a punti.

Sistemi di apprendimento automatico

I sistemi di apprendimento aiutano a identificare articoli arbitrari senza codici ed etichette, ma sono anche adatti al controllo qualità, come il rilevamento dei difetti. Permette nuove possibilità nell'ispezione della qualità degli articoli. Identificando l'articolo, il sistema di visione artificiale consente di determinare una strategia di movimentazione ottimizzata per le merci o gli articoli.