Robotla birlikte yerleşik derin öğrenme çekirdeği rgb-d akıllı stereo kamerası, derin öğrenme algoritması ve geleneksel görme algoritmasının organik kombinasyonu ile robot her zaman verimli bir şekilde algılamaya yönlendirilir.
Paylaş
1) Proje geçmişi:
Gereksinimlerin açıklaması:
1. El ile besleme yerine görsel ve kemer kontrolü kullanın.
2. karton, yumuşak torba, yılan derisi torba, zarf ve diğer paket türleriyle uyumlu olmalıdır.
3. paket konumlandırma, ayrım, yığılma fonksiyonlarını elde etmek gerekir.
4. Paketlerin yığılmamasını veya fazla stoklanmamasını ve tek tek geçmesini sağlamak.
teknik gereksinimler:
Paket yüksekliği aralığı: 10~500 mm.
2. gerçek zamanlı işleme süresi ≤ 100ms.
3. Ayrılma başarı oranı > 99%.
4. Sistem işleme verimliliği > 4000 parça/saat.
2) Çözüm mimarisi:
yüksek maliyet, paket yığılması ve düşük verimlilik sorunlarına yönelik olarak, tırmanış yığılma sistemi, yüksek performanslı sanayi kamerası + yüksek performanslı barındırma çözümü ve gelişmiş derin öğrenme algoritmasını, çok sayıda yığılmış paket ve çok çeşitli karmaşık sahneler için doğru paket konumlandırmasını tamamlamak için benimser ve daha
3) Program avantajları:
1. bilimsel zamanlama: kendi geliştirilen akıllı kontrol sistemi, paket en uygun kontrol düzenleme, yığılmış paketlerin etkili ayrımı sağlamak, yanlış ayrılma basıncının geri uç azaltmak için.
2. personel azaltmak ve verimliliği artırmak: her bir tırmanma ve yığma sistemi seti 2 işgücünü değiştirir, maksimum verimlilik 2000 parçaya/saata yakın, çapraz kemer tam sınıflandırma verimliliği gereksinimlerini karşılamak için.
3. istikrarlı ve güvenilir: derin öğrenme algoritmasına dayanarak, yumuşak torbalar, siyah torbalar ve zarflar gibi karmaşık paketlerden korkmaz ve doğru konumlandırma sağlar.
4. güçlü genişleme: arka uç, çapraz bant otomatik paket çözümü tamamlamak için tek parça ayrım, edp, altı taraflı okuma ve diğer otomasyon ekipmanlarına erişebilir.
EN
