Paket- und Paketsortiersystem automatisiert durch KI

Die manuelle Vereinzelung riesiger Stapel von Paketen und Briefumschlägen mit anschließendem Sortieren und Ablegen auf einem Förderband wird besonders in Spitzenzeiten zur Herausforderung. Die Automatisierung dieses Prozesses kann die Produktivität steigern, Kosten und Zeit sparen und Verletzungen reduzieren. Ein robotergestütztes Vereinzelungs- und Sortiersystem mit künstlicher Intelligenz wird für Logistikunternehmen, die mit den ständig steigenden Anforderungen des E-Commerce Schritt halten wollen, zu einer Notwendigkeit.

Manuelles Vereinzeln — war gestern?

Die Paketströme unterliegen das ganze Jahr über starken Schwankungen, die typischerweise um den Schwarzen Freitag und die Weihnachtszeit herum ihren Höhepunkt erreichen. Das weltweite Paketvolumen wächst im Allgemeinen mit einer Rate von bis zu 25 % pro Jahr.

Der COVID-19-Ausbruch hat auch die pünktliche Auftragserfüllung auf die Probe gestellt. Die beschleunigte Abhängigkeit vom E-Commerce hat die Nachfrage nach Kapazität erhöht. Dies wiederum führt zu höheren Betriebskosten, die nicht nur auf die Notwendigkeit zurückzuführen sind, mehr Mitarbeiter einzustellen, sondern auch auf den Einstellungsprozess selbst. Perioden, die normalerweise aus Verkaufssicht als die besten und profitabelsten gelten würden, werden so zu den schlechtesten.

Neben Durchsatzanforderungen und Nachfragespitzen sind die Gesundheit und Zufriedenheit der Mitarbeiter Herausforderungen für das manuelle Vereinzeln und Sortieren. Mitarbeiter können Langeweile durch sich wiederholende Aufgaben sowie Verletzungen durch den Umgang mit unregelmäßig schweren Gegenständen erleiden. Dies kann zu Lohnkosten und verminderter Produktivität der Arbeitnehmer führen.

Vision und Robotik zur Rettung

Die oben genannten Herausforderungen können überwunden werden, indem der Vereinzelungs- und Sortierprozess automatisiert wird, wodurch die Kosten vorhersehbarer werden und Skalierbarkeit für Bedarfsspitzen bereitgestellt wird.

Die fortschrittlichste Automatisierung von heute kombiniert 3D-Bildverarbeitung, KI-Algorithmen und Kompatibilität mit großen Robotermarken. Es ist auch möglich, die Qualität und den Erfolg eines bestimmten Pick-and-Place-Systems zu messen. Kommen wir zu konkreten Beispielen. Wie kann ein Unternehmen von der Implementierung eines automatisierten Systems profitieren, wenn es große, unstrukturierte Paketladungen vereinzeln und sortieren muss?

So integriert Photoneo beispielsweise selbst entwickelte 3D-Bildverarbeitung mit Algorithmen, die es Robotern ermöglichen, mehr als 2.250 Pakete pro Stunde zu kommissionieren. Das Bildverarbeitungssystem liefert genaue 3D-Daten und ermöglicht eine präzise Lokalisierung, die zu einer Greifgenauigkeit von +/-3 mm führt.

Das Vereinzelungs- und Sortiersystem von Photoneo basiert auf einem vortrainierten neuronalen Netzwerk, das Pakete sofort und ohne Schulung erkennen kann, für eine Kommissioniererfolgsrate von 95 %.

Die restlichen 5 % ergeben sich aus den mechanischen Eigenschaften der Pakete und dem Material. Wenn beispielsweise ein Objekt eine zerknitterte Oberfläche hat oder aus Stoff besteht, kann es sein, dass es vom Greifer herunterfällt und erneut aufgenommen werden muss. Solche Objekte werden laut Photoneo immer beim zweiten Versuch erfolgreich gepickt. Es behauptete, dass es eine Zykluszeit von weniger als 1,5 Sekunden erreichen kann und mit einer Reihe von Robotermarken kompatibel ist.

Single-Scan versus Multi-Pick-Modus

Die Leistungsgeschwindigkeit ist abhängig vom gewählten Scanmodus. Ein Single-Scan-Modus führt einen Scan durch, verarbeitet die Daten, lokalisiert ein Objekt und sendet einen Befehl an den Roboter, um es aufzunehmen. Dieser Vorgang wird für jedes Objekt wiederholt. Die Verarbeitungsverzögerung beträgt im Allgemeinen nicht mehr als 0,5 Sekunden.

Eine weitere Option ist ein Multi-Pick-Modus, in diesem Fall macht der Scanner/die Kamera einen Scan, das System erkennt alle kommissionierbaren Objekte und der Roboter nimmt sie ohne Unterbrechung nacheinander auf. Die Anzahl der Scans kann an die jeweilige Anwendung angepasst werden. Da es im Multi-Pick-Modus keine Verarbeitungsverzögerung gibt, ist die Leistung schneller und die Zykluszeit wird nur durch die Geschwindigkeit des Roboters begrenzt.

Vision und Intelligenz

Die Qualität der 3D-Daten entscheidet über den Erfolg einer automatisierten Vereinzelungs- und Sortierlösung. Man könnte das intelligenteste System haben, aber ohne gute 3D-Daten, mit denen man arbeiten und sich darauf stützen kann, wäre seine Ausgabe nutzlos. Eine gute 3D-Kamera muss eine hohe Auflösung und Genauigkeit, ein großes Scanvolumen und eine große Schärfentiefe sowie eine hohe Scangeschwindigkeit bieten.

Weitere wichtige Faktoren sind die Fähigkeit, Umgebungslicht zu unterdrücken, und „Plug-and-Play“-Leistung. Wenn die eingesetzte 3D-Kamera all diese Funktionen bietet, erhält das System genügend Daten, damit die KI sie verarbeiten und jedes Objekt erfolgreich lokalisieren kann.

Der modernste Ansatz zur KI-gestützten Segmentierung und Lokalisierung von Paketen ist die Verwendung von Convolutional Neural Networks, die in den letzten Jahren große Fortschritte gemacht haben. Diese neuronalen Netze können Pakete, Umschläge und sogar Tüten jeder Form, Beschaffenheit und jedes Materials sowie ihre Abmessungen, Position und Ausrichtung erkennen.

Die besten Lösungen basieren auf Algorithmen, die auf riesigen Datenbanken von Objekten trainiert wurden und daher neue Arten von Objekten, die sie noch nie zuvor gesehen haben, einfach und schnell verallgemeinern und erkennen können. Falten, Verformungen und andere Unregelmäßigkeiten sollten einer schnellen Erkennung nichts im Wege stehen.

Nach erfolgreicher Erkennung und Lokalisierung erhält der Roboter den Befehl, ein bestimmtes Objekt aufzunehmen, und platziert es dann an einer vordefinierten Stelle, z. B. auf einem Förderband.

Große Herausforderungen für die Vereinzelung

Entwickler von robotergestützten Vereinzelungssystemen stehen vor zahlreichen Herausforderungen. Ein großes Problem für das 3D-Sehen stellen Oberflächen dar, die glänzend oder reflektierend sind, verschiedene Muster und Bilder enthalten oder schwarz sind. Auch unterschiedliche Texturen bereiten Schwierigkeiten. Pakete werden in der Regel unstrukturiert gestapelt und überlappen sich, was eine Lokalisierung erschwert.

Eine der größten Herausforderungen liegt in der Beschaffenheit von Beuteln – ihre Form ist deformiert, voller Falten und Falten, was es für einen Robotergreifer äußerst schwierig macht, sie aufzunehmen. Aus diesen Gründen ist es so wichtig, hochwertige 3D-Vision mit fortschrittlichen und ausgefeilten KI-Algorithmen zu kombinieren – nur diese leistungsstarke Kombination kann alle oben genannten Herausforderungen zuverlässig bewältigen.

Erweiterung des Anwendungsspektrums

Der Einsatz einer KI-gestützten Automatisierungslösung endet nicht beim einfachen Vereinzeln und Sortieren von Paketen. Wenn eine 3D-Kamera bewegte Szenen in hoher Qualität und mit hoher Geschwindigkeit scannen kann, ist es möglich, Pakete im laufenden Betrieb zu vermessen und nach ihrer Größe oder anderen Kriterien zu sortieren.

Beispielsweise kann die Photoneo MotionCam-3D, die Objekte erfassen kann, die sich mit bis zu 40 m/s bewegen, eine Messgenauigkeit von 1 cm erreichen und eine Tiefenkartenauflösung von ~2 Mpx und 15 Millionen 3D-Punkte/Sek. bereitstellen.

Systeme, die KI und 3D-Bildverarbeitung kombinieren, können auch zum Auffalten oder Auspacken von zerknitterten Umschlägen und Paketen verwendet werden – und virtuelle geometrische Transformationen vornehmen – um die Lesbarkeit von OCR für die weitere Verarbeitung zu verbessern. Einige dieser Systeme ermöglichen auch das Sortieren von Paketen anhand von Barcodes.

Die möglichen Anwendungen und Fähigkeiten dieser Systeme entwickeln und erweitern sich mit den Fortschritten in KI und maschinellem Sehen, aber auch mit Marktanforderungen, die die Richtung dieser Entwicklung vorgeben.

Die robotergestützte Vereinzelung kann die Sicherheit, Produktivität und Zuverlässigkeit erhöhen und die Kosten erheblich senken. Automatisierung ist zu einem entscheidenden Werkzeug geworden, um Prozesse in der Logistik zu optimieren. Lagerhäuser und Distributionszentren haben während der erlebten enormen Zunahme des Paketstroms um die Feiertage und jetzt durch den E-Commerce während der COVID-19-Pandemie damit zu kämpfen, Mitarbeiter zu halten. Der Einsatz von bildgesteuerten, intelligenten Robotern zur Vereinzelung und Sortierung riesiger, unstrukturierter Paketströme ist die richtige Antwort auf diese Herausforderungen.

Dieser Artikel wurde ursprünglich veröffentlicht in Der Roboterbericht unter dem Titel:„Wie das Vereinzeln und Sortieren von Paketen von KI-betriebenen Robotern profitieren kann“. .