Sistemas de visão artificial para logística e armazéns industriais

Os requisitos de complexidade e velocidade das tarefas logísticas aumentam constantemente. A identificação e rastreabilidade do produto é uma necessidade cada vez mais importante para muitos armazéns modernos. Os produtos são impressos, marcados, gravados ou etiquetados com vários códigos de barras, códigos de dados, caracteres e símbolos para identificar o conteúdo e fornecer informações vitais para a sua fabricação. Além disso, é necessário desembalar, inspecionar, embalar e distribuir cada vez mais mercadorias em um tempo cada vez mais curto.

O que é visão artificial e quais são as suas aplicações em armazéns logísticos?

Para compreender como funciona a visão computacional em armazéns logísticos, vale a pena detalhar o mecanismo que ela reflete. Como os seres humanos veem? Em poucas palavras, os nossos olhos captam a imagem que é então processada pela retina, cujas células enviam impulsos ao cérebro. Lá, especificamente no córtex visual, essa imagem é interpretada.

No caso das máquinas de visão para logística, todo o processo é muito semelhante. Temos um dispositivo de captura, que é uma câmara, e um de interpretação, um computador equipado com um algoritmo de inteligência artificial. Munida de IA, a máquina pode dar sentido às imagens tal como os humanos o fazem. Empresas de diferentes setores aproveitam essa capacidade, utilizando a visão artificial para agilizar os seus processos logísticos dentro do armazém e da cadeia de abastecimento. É amplamente utilizada para inspeção de qualidade, rastreamento, classificação, otimização, etc.

Como os armazéns automatizados podem beneficiar dos sistemas de visão artificial para logística

A utilização de um software de processamento de imagens fornece todos os métodos e tecnologias necessários para ler caracteres, códigos e símbolos, independentemente de como foram aplicados. Os objetos também podem ser identificados completamente sem códigos, por características visuais de textura e cor, por exemplo.

Muitos processos em intralogística e automatização de armazéns podem beneficiar-se do uso da visão artificial. Os processos de armazenamento podem ser parcialmente automatizados com o uso de sistemas de visão artificial para logística.

Os equipamentos de visão artificial para armazéns fornecem todas as tecnologias necessárias para os requisitos de identificação, embalagem e rastreabilidade, bem como para muitos outros requisitos na intralogística automatizada.

Perspectiva do uso de tecnologias de visão artificial em armazéns e na cadeia de abastecimento

Para compreender melhor como a visão artificial pode melhorar a automatização dos processos existentes na intralogística, vejamos esta cadeia de processos que ilustra as etapas dentro da cadeia de valor.

Entrada de mercadorias

Os produtos geralmente chegam em caixas sobre paletes e devem ser preparados para armazenamento. A primeira tarefa é despaletizar as mercadorias em, por exemplo, um sistema de transporte. O artigo deve ser identificado e deve-se determinar como a peça pode ser manuseada. O artigo tem uma superfície dura ou talvez uma textura suave? É necessário algum cuidado especial?

Utilizando tecnologias de visão artificial 3D para logística, é possível detectar a posição e a textura dos produtos. É possível orientar o robô de despaletização para recolher os artigos individuais e colocá-los num sistema transportador.

Outro processo durante a entrega de mercadorias é a leitura e descodificação de códigos para identificar o artigo. Além disso, a qualidade dos artigos deve ser inspecionada para detectar, por exemplo, danos durante o transporte. Também é necessário determinar o tamanho e o volume para usar essas informações numa etapa posterior, por exemplo, durante o armazenamento. Essa tarefa pode ser resolvida facilmente com sistemas de câmaras 2D comuns ou câmaras inteligentes 2D prontas para uso e um software de visão artificial para armazéns.

Preparar-se para o armazenamento

Esta etapa inclui a desembalagem dos produtos, a identificação das mercadorias e o controlo de qualidade das mercadorias entregues.

Antes que as mercadorias possam ser armazenadas, deve-se primeiro realizar uma inspeção das mercadorias recebidas. Para verificar se a qualidade dos bens é suficiente, bem como a integridade dos artigos entregues.

Geralmente, um tipo de solução de visão artificial para armazéns neste ponto é o uso de uma câmara 2D que tira uma fotografia da caixa aberta e utiliza algoritmos de identificação para reconhecer o conteúdo. A identificação pode ser feita através da leitura de um código, mas também se os objetos não tiverem etiquetas legíveis.

Armazenamento

Para esta aplicação, é necessário conhecer a localização e as condições de armazenamento. Onde as mercadorias serão armazenadas? Há espaço de armazenamento suficiente?

A identificação dos espaços vazios disponíveis na prateleira pode ser feita através de um sistema de visão artificial. Para isso, um robô móvel é equipado com uma câmara para passar pelas prateleiras e tirar fotografias. O Software WMS para gestão de armazéns gera os espaços de armazenamento livres e o tamanho do respetivo espaço de armazenamento.

As informações adicionais sobre a localização, por sua vez, podem ser determinadas utilizando outros algoritmos de visão artificial.

Identificação de produtos

Para a entrega de bens embalados ou não embalados, estes devem ser identificados e localizados antes de poderem ser recolhidos, conforme necessário.

Ao recolher artigos do armazém, pode-se usar um robô para identificar e retirar os artigos armazenados das prateleiras. Basicamente, é a mesma tecnologia de aprendizagem profunda que identifica os espaços vazios. A diferença é que, neste caso, geralmente é necessário distinguir um número maior de elementos.

As tecnologias de visão para logística com sensores 3D também poderiam ser usadas para determinar as posições de preensão dos robôs. A combinação de aprendizagem profunda e tecnologias 3D levaria a um processo de recuperação totalmente automatizado.

Medida de tamanho e volume

Antes de embalar a mercadoria, deve ser realizada uma verificação final de qualidade para garantir que o produto saiu do armazém sem danos. Além disso, o tamanho e o volume dos produtos podem ser determinados automaticamente com a ajuda de um sistema de visão artificial para embalar tudo da forma mais eficiente possível. Isto poupa materiais de embalagem e, em última análise, custos.

Com a ajuda do processamento industrial de imagens, é possível verificar automaticamente quais produtos estão contidos numa caixa, por exemplo, e se a sua qualidade está em ordem. Essas informações podem ser enviadas para uma impressora de códigos de barras, que então imprime os códigos nas etiquetas, por exemplo. Outro sistema aplica as etiquetas às caixas. Em seguida, utiliza-se a visão artificial para verificar se a qualidade dos códigos impressos está em conformidade com as normas aplicáveis (qualidade de impressão, espaçamento, etc.), garantindo assim que o código possa ser lido por qualquer leitor de códigos padrão.

Entrega – Saída de mercadorias, controlo de qualidade e paletização

Agora, os produtos embalados podem ser paletizados e preparados para entrega.

Utilizando o volume previamente determinado pelo processamento industrial de imagens, agora é possível determinar o número de caixas a serem paletizadas. Essas informações são utilizadas para empilhar as caixas em paletes de forma automática e eficiente. Além disso, as coordenadas para o processamento automatizado por um robô podem ser determinadas com base nessas informações 3D.

Métodos de visão artificial para armazéns logísticos

Visão artificial e aprendizagem automática

Assim que a imagem capturada chega ao dispositivo de interpretação, o algoritmo de aprendizagem automática processa-a. Na maioria dos casos, os sistemas modernos baseados em visão computacional envolvem redes neurais. Compreender a imagem é uma tarefa complexa e o aprendizado profundo pode lidar com essa complexidade com seu processo de compreensão em camadas que imita a atividade neuronal no cérebro. Os sistemas de visão computacional podem realizar tarefas específicas, dependendo da finalidade para a qual foram construídos. Nós os classificamos do menos ao mais complexo.

Detecção de objetos ou movimentos

A deteção é a tarefa mais básica da visão computacional, que não exige que o computador compreenda realmente o que está a ver, mas sim que reconheça que algo é visível. Treinado com o conjunto de dados que contém imagens de objetos ou movimento com quadros delimitadores anotados, o modelo de IA pode aprender rapidamente a detetá-los, mesmo em imagens detalhadas.

Classificação de imagens

Neste caso, o algoritmo de visão artificial aplica uma classe a uma imagem com base no seu conhecimento extraído da base de dados. Por exemplo, pretende que ele lhe diga se é uma maçã ou uma banana. Treinado com uma base de dados etiquetada que contém imagens de maçãs e bananas, ele aprende a distinguir as duas categorias.

Rede Neural Profunda (DNN) para análise de imagens logísticas

Rede neural profunda (DNN): exemplo de análise de imagens logísticas

Segmentação de imagem

Ao identificar um segmento de uma imagem com base em critérios específicos, por exemplo, cor ou valor de cinza (no caso de imagens acromáticas), a IA do sistema de visão artificial pode encontrar a área de foco. É um ótimo recurso para usar, por exemplo, em sistemas de avaliação de sinistros de seguros. O algoritmo pode identificar rapidamente um espaço para avaliar dentro da documentação de imagem fornecida do acidente com base nas palavras-chave na reclamação ou outra indicação.

Reconhecimento de imagem

Como um conjunto de métodos que permite ao algoritmo reconhecer diferentes variáveis (como objetos, localizações, logotipos, etc.), o reconhecimento de imagens reúne as tarefas de deteção e classificação de elementos numa imagem. A rede neural alimentada com um conjunto de dados devidamente preparados aprende a reconhecer os padrões de píxeis que implicam um objeto em particular.

Tecnologias de visão artificial para a logística de armazéns

Pesquisador de caixas genéricas e consciência 3D baseada na superfície

Essas tecnologias podem ser utilizadas para identificar objetos e a sua posição. São perfeitamente adequadas para uso, por exemplo, na despaletização de caixas ou na recuperação de objetos para colocação em serviço.

Você pode obter mais informações sobre a correspondência 3D baseada em formas e o localizador de quadros genéricos entrando em contato com uma empresa especializada em tecnologias de visão artificial para a logística de armazéns, onde poderá obter aconselhamento mais detalhado sobre todos os métodos.

Leitura de código de barras e código de dados

A leitura de códigos de barras e códigos de dados é uma das formas mais fáceis de identificar artigos, até agora. Existem vários tipos diferentes de códigos de barras e códigos de dados disponíveis. Ambos os métodos enfrentaram basicamente os mesmos desafios, uma vez que os códigos podem ser danificados ou alterados. Os algoritmos de visão artificial mais recentes para centros logísticos abordam esses desafios e permitem uma codificação robusta e rápida das informações.

Reconhecimento óptico de caracteres (OCR)

Além do código de dados e dos códigos de barras, alguns elementos podem estar equipados com etiquetas arbitrárias que apresentam qualquer tipo de texto ou caracteres. Nesses casos, o reconhecimento óptico de caracteres (OCR) pode ser uma opção para identificar elementos com base no texto. Esse texto pode vir em diferentes fontes, tamanhos ou até mesmo estilos de impressão, como a impressão por pontos.

Sistemas de aprendizagem automática

Os sistemas de aprendizagem ajudam a identificar elementos arbitrários sem códigos ou etiquetas, mas também são adequados para o controlo de qualidade, como a deteção de defeitos. Permitem novas possibilidades na inspeção da qualidade dos artigos. Ao identificar o artigo, o sistema de visão artificial permite determinar uma estratégia de manuseamento otimizada para bens ou artigos.