Sistemas de visión artificial para logística y almacenes industriales

Los requisitos de complejidad y velocidad de las tareas logísticas aumentan constantemente. La identificación y trazabilidad del producto es una necesidad cada vez más importante para muchos almacenes modernos. Los productos se imprimen, marcan, graban,  o etiquetan con varios códigos de barras, códigos de datos, caracteres y símbolos para identificar el contenido y proporcionar información vital para su fabricación. Además, es necesario desembalar, inspeccionar, embalar y distribuir cada vez más mercancías en un tiempo cada vez más corto.

¿Qué es la visión artificial y cuáles son sus aplicaciones en almacenes logísticos?

Para comprender cómo funciona la visión por computadora en almacenes logísticos, vale la pena desglosar el mecanismo que refleja. ¿Cómo ven los humanos? En pocas palabras, nuestros ojos captan la imagen que luego procesa la retina, cuyas células envían impulsos al cerebro. Allí, específicamente, en la corteza visual, se interpreta esta imagen.

En el caso de las máquinas de visión para la logística, todo el proceso es muy similar. Tenemos un dispositivo de captura, que es una cámara, y uno de interpretación, una computadora equipada con un algoritmo de inteligencia artificial. Armada con IA, la máquina puede dar sentido a las imágenes tal como lo hacen los humanos. Empresas de diferentes industrias aprovechan esta capacidad, utilizando la visión artificial para agilizar sus procesos logísticos dentro del almacén y la cadena de suministros. Es ampliamente utilizado para la inspección de calidad, seguimiento, clasificación, optimización, etc.

Cómo los almacenes automatizados pueden beneficiarse de los sistemas de visión artificial para logística

La utilización de un software de procesamiento de imágenes proporciona todos los métodos y tecnologías necesarios para leer caracteres, códigos y símbolos, independientemente de cómo se hayan aplicado. Los objetos también se pueden identificar completamente sin códigos por características visuales de textura y color, por ejemplo.

Muchos procesos en intralogística y automatización de almacenes pueden beneficiarse del uso de la visión artificial. Los procesos de almacén se pueden automatizar parcialmente por completo con el uso de sistemas de visión artificial para la logística.

Los equipos de visión artificial para almacenes proporcionan todas las tecnologías necesarias para los requisitos de identificación, embalaje y trazabilidad, así como para muchos otros requisitos en la intralogística automatizada.

Perspectiva del uso de tecnologías de visión artificial en  almacenes y la cadena de suministro

Para comprender mejor cómo la visión artificial puede mejorar la automatización de los procesos existentes en la intralogística, veamos esta cadena de procesos que ilustra los pasos dentro de la cadena de valor.

Entrada de mercancías

Los productos suelen llegar en cajas sobre palets  y deben prepararse para su almacenamiento. La primera tarea es despaletizar las mercancías en, por ejemplo, un sistema de transporte. El artículo debe identificarse y determinar cómo se puede manipular la pieza. ¿El artículo tiene una superficie dura o tal vez una textura suave? ¿Se necesita un cuidado especial?

Utilizando tecnologías de visión artificial 3D para logística, se puede detectar la posición y la textura de los productos. Se puede guiar al robot de despaletizado para recoger los artículos individuales y colocarlos en un sistema transportador.

Otro proceso durante la entrega de mercancías es la lectura y decodificación de códigos para identificar el artículo. Además, se debe inspeccionar la calidad de los artículos para detectar, por ejemplo, daños durante el transporte. También, se debe determinar el tamaño y el volumen para usar esta información en un paso posterior, por ejemplo, durante el almacenamiento. Esta tarea se puede resolver muy fácilmente con sistemas de cámaras 2D comunes o cámaras inteligentes 2D listas para usar y un software de visión artificial para almacenes.

Prepararse para el almacenamiento

Esta etapa incluye el desembalaje de los productos, la identificación de las mercancías y el control de calidad de las mercancías entregadas.

Antes de que las mercancías puedan almacenarse, primero se debe realizar una inspección de mercancías entrantes. Para comprobar si la calidad de los bienes es suficiente, así como la integridad de los artículos entregados.

Por lo general, un tipo de solución de visión artificial para almacenes en este punto es el uso de una cámara 2D que toma una fotografía de la caja abierta y utiliza algoritmos de identificación para reconocer el contenido. La identificación se puede hacer leyendo un código, pero también si los objetos no llevan etiquetas legibles.

Almacenamiento

Para esta aplicación, se debe conocer la ubicación y las condiciones de almacenamiento. ¿Dónde se almacenarán las mercancías? ¿Hay suficiente espacio de almacenamiento?

La identificación de los espacios vacíos disponibles en la estantería se puede realizar mediante un sistema de visión artificial. Para ello, un robot móvil está equipado con una cámara para pasar por los estantes y tomar fotografías. El software WMS para la gestión de almacenes genera los espacios de almacenamiento libres y el tamaño del espacio de almacenamiento respectivo.

La información adicional sobre la ubicación, a su vez, se puede determinar utilizando otros algoritmos de visión artificial.

Identificación de productos

Para la entrega de los bienes embalados o sin embalar, estos deberán ser identificados y localizados antes de que puedan ser recogidos según sea necesario.

Al recolectar artículos del almacén, se puede usar un robot para identificar y retirar los artículos almacenados de los estantes. Básicamente, es la misma tecnología de aprendizaje profundo que identifica los espacios vacíos. La diferencia es que aquí por lo general se debe distinguir un mayor número de elementos.

Las tecnologías de visión para la logística con sensores 3D también podrían usarse para determinar las posiciones de agarre de los robots. La combinación de aprendizaje profundo y tecnologías 3D conduciría a un proceso de recuperación totalmente automatizado.

Medida de tamaño y volúmen

Antes de embalar la mercancía, se debe realizar un control de calidad final para garantizar que el producto ha salido del almacén sin daños. Además, el tamaño y el volumen de los productos se pueden determinar automáticamente con la ayuda de un sistema de visión artificial para empaquetar todo de la manera más eficiente posible. Esto ahorra materiales de embalaje y, en última instancia, costes.

Con la ayuda del procesamiento industrial de imágenes, es posible verificar automáticamente qué producto(s) está(n) contenido(s) en una caja, por ejemplo, y si su calidad está en orden. Esta información se puede enviar a una impresora de códigos de barras, que luego imprime los códigos en las etiquetas, por ejemplo. Otro sistema aplica las etiquetas a los cartones. Luego, se utiliza la visión artificial para verificar si la calidad de los códigos impresos cumple con los estándares aplicables (calidad de impresión, espaciado, etc.), asegurando así que el código pueda ser leído por cualquier lector de códigos estándar.

Entrega – Salida de mercancías, control de calidad y paletizado

Ahora los productos embalados se pueden paletizar y preparar para la entrega.

Utilizando el volumen previamente determinado por procesamiento industrial de imágenes, ahora se puede determinar el número de cajas a paletizar. Esta información se utiliza para, de forma automática y eficiente, apilar las cajas en palets. Además, las coordenadas para el procesamiento automatizado por un robot se pueden determinar en base a esta información 3D.

Métodos de visión artificial para almacenes logísticos

Visión artificial y aprendizaje automático

Una vez que la imagen capturada llega al dispositivo de interpretación, el algoritmo de aprendizaje automático la procesa. En la mayoría de los casos, los sistemas modernos basados en visión por computadora involucran redes neuronales. Comprender la imagen es una tarea compleja y el aprendizaje profundo puede manejar esa complejidad con su proceso de comprensión en capas que imita la actividad neuronal en el cerebro. Los sistemas de visión por computadora pueden llevar a cabo tareas específicas, según el propósito para el que fueron construidos. Los hemos ordenado de menos a más complejos.

Detección de objetos o movimientos

La detección es la tarea de visión por computadora más básica que no requiere que la computadora comprenda realmente lo que está viendo, sino que reconozca que algo es visible. Entrenado con el conjunto de datos que contiene imágenes de objetos o movimiento con cuadros delimitadores anotados, el modelo de IA puede aprender rápidamente a detectarlos incluso en imágenes detalladas.

Clasificación de imágenes

En este caso, el algoritmo de visión artificial aplica una clase a una imagen basada en su conocimiento extraído de la base de datos. Por ejemplo, quieres que te diga si es una manzana o un plátano. Entrenado con una base de datos etiquetada que contiene imágenes de manzanas y plátanos, aprende a distinguir las dos categorías.

Deep Neural Network (DNN) para análisis de imágenes logísticas

Red neuronal profunda (DNN): ejemplo de análisis de imágenes logísticas

Segmentación de imagen

Al identificar un segmento de una imagen en función de criterios específicos, por ejemplo, color o valor de gris (en el caso de imágenes acromáticas), la IA del sistema de visión artificial puede encontrar el área de enfoque. Es una gran característica para usar, por ejemplo, en los sistemas de evaluación de reclamos de seguros. El algoritmo puede identificar rápidamente un espacio para evaluar dentro de la documentación de imagen proporcionada del accidente en función de las palabras clave en el reclamo u otra indicación.

Reconocimiento de imagen

Como conjunto de métodos que permite que el algoritmo reconozca diferentes variables (como objetos, ubicaciones, logotipos, etc.), el reconocimiento de imágenes reúne las tareas de detección y clasificación de elementos en una imagen. La red neuronal alimentada con un conjunto de datos debidamente preparados aprende a reconocer los patrones de píxeles que implican un objeto en particular.

Tecnologías de visión artificial para la logística de almacenes

Buscador de cajas genéricas y conciencia 3D basado en la superficie

Estas tecnologías se pueden utilizar para identificar objetos y su posición. Son perfectamente adecuados para su uso, por ejemplo, para el despaletizado de cajas o al recuperar objetos para la puesta en servicio.

Puedes obtener más información sobre la coincidencia 3D basada en formas y el buscador de cuadros genéricos contactando con una empresa especializada en tecnologías de visión artificial para la logística de almacenes, donde te pueden asesorar sobre todos los métodos con más detalle.

Lectura de código de barras y código de datos

La lectura de códigos de barras y códigos de datos es una de las formas más fáciles de identificar artículos, hasta ahora. Hay varios tipos diferentes de códigos de barras y códigos de datos disponibles. Ambos métodos enfrentaron básicamente los mismos desafíos, ya que los códigos pueden dañarse o alterarse. Los algoritmos de visión artificial para centros logísticos más recientes abordan estos desafíos y permiten una codificación robusta y rápida de la información.

Reconocimiento óptico de caracteres (OCR)

Además del código de datos y los códigos de barras, algunos elementos pueden estar equipados con etiquetas arbitrarias que presentan cualquier tipo de texto o caracteres. En tales casos, el reconocimiento óptico de caracteres (OCR) podría ser una opción para identificar elementos en función del texto. Dicho texto puede venir en diferentes fuentes, tamaños o incluso estilos de impresión como la impresión de puntos.

Sistemas de aprendizaje automático

Los sistemas  de aprendizaje ayudan a identificar elementos arbitrarios sin códigos ni etiquetas, pero también es adecuado para el control de calidad, como la detección de defectos. Permite nuevas posibilidades en la inspección de la calidad de los artículos. Al identificar el artículo, el sistema de visión artificial permite determinar una estrategia de manejo optimizada para bienes o artículos.