消费性包装商品(CPG)制造商必须按照订单需求,满足零售客户和消费者日益增长的包装变化需求。人们想要定制订单和大规模定制,但这不是制造商制造或包装商品的方式。相反,利润率取决于从大批量和长时间生产运行中获得的生产效率。因此,在生产出各种尺寸和格式的产品之后,如何对存货箱中混合的不同类型的产品进行分类,至关重要。

 

 

1Douglas MachineDatalogic两家公司最近联合开发了一款视觉引导的机器人拾取和分类系统,其能以约100ppm的上限速度,重新定位和整理以柔性袋包装的混合产品。

 

直到最近,替代人类手工分选的唯一解决方案仍然是高度工程化的包装输送系统。这种设备占地面积较大,因为这种系统需要传送带连续运转,并且还要具有用于产品分离的单独控制的伺服驱动部分。

 

每个分离部分上方的传感器查看经过的产品,并提供用于独立地减慢或加速传送机上特定辊子的信号,目的是为了能让机器人将产品分离出去做进一步的处理。虽然这些系统可以均匀地将产品放置到传送机上,但是实际的分离速度往往是不一致的,某些时候带有随机性,并且对于那些朝向不正确的产品,可能还需要手动干预。

 

今天,二次包装解决方案供应商Douglas Machine公司与Datalogic公司合作,为CPG行业开发出了一种更快速、更紧凑和更高效的产品分选解决方案。这是一套视觉引导的机器人拾取与分类系统,能够对包装在柔性袋中的混合产品进行重新定位和核对。为了实现每分钟拾取100次(ppm)的上限速度,该视觉系统采用了运行IMPACT软件套件的MX80视觉处理器与图案识别(ID)工具。

 

 

2:视觉引导的机器人拾取与分类系统,使用Datalogic E151 200万像素黑白GigE相机,相机安装在输送机上方的进料和三角型机器人之间。相机、机器人和输送机都位于一个圆顶中,该圆顶设计用于阻挡环境光,并反射来自安装在输送机两侧的两个30英寸白色LED条形灯发出的光,为整个视觉系统提供间接、漫射和一致的照明。

 

若自动化设备能够将大量随意混合的产品分类成有序的产品流,则需要设备中的视觉系统具有快速和强大的对象识别能力。

 

在这个应用中,机器视觉系统必须能够识别每个产品,即使需要识别的包装隐藏在凌乱的产品中,Douglas Machine公司项目经理Philip Falcon说,机器视觉系统也必须能够识别产品的两侧,并且可以忍受360°图案旋转、透视扭曲、不同尺寸和照明变化,因为很难始终如一地将灵活的包装呈现给视觉系统。

 

Douglas Machine公司首席工程师Adnan Haq表示,在这套系统的开发过程中存在着诸多设计挑战。首先,触碰和重叠的包装往往会干扰每次拾取,所以每次机器人拿起一个包装时,都必须获取一幅新图像。

 

3DatalogicPattern ID工具提供快速和强大的对象识别功能,其可以帮助自动化设备轻松地将大量随意混合的产品,分类成有序的产品流。

 

另外,由于机器人的末端执行器在相机的视场内不断进出,所以图像采集窗口很窄,必须与机器人的位置严格同步。加上0.6秒的周期时间要求,这样从相机触发到图像输出仅有不足100毫秒的时间,输出结果用于向机器人控制器提供下一次拾取的x-y轴位置。最后,包装的柔软光滑的表面特性将使成像更加复杂,因为光滑的包装表面会由于弯曲、扭曲或皱纹引起光线反射,并且扭曲或起皱的袋子也可以使视觉系统用于识别、定位和分类产品的图像出现失真。

 

所有机器人制造商都渴望通过自己的视觉系统参与这个项目,直到我们描述了应用挑战,然后便没有人能确定他们可以做到这一点了。Douglas Machine公司高级机械工程师Josh Klein解释说:但是Datalogic公司在图案分类工具的速度和牢固性方面都提供了实用价值,即使包装出现了变形、褶皱、翻转和旋转的情况,也能够快速识别包装。

 

在系统运行期间,包含不同类型产品的各种大容量存储箱,从视觉引导的机器人分选系统连续进入系统上游。

 

每个存储箱在进料处被自动倾倒之前,扫描每个存储箱上的条形码,以向主机控制器提供条形码数据、拾取高度和产品尺寸。

 

主机控制器将这些可变的控制数据组合输出给视觉系统和机器人控制器。或者,自动数据改变可以由操作员在HMI或其他系统输入上控制。

 

视觉引导的机器人拾取与分类系统,使用Datalogic E151 200万像素黑白GigE相机,相机安装在输送机上方的进料和三角型机器人之间。相机、机器人和输送机都位于一个圆顶中,该圆顶设计用于阻挡环境光,并反射来自安装在输送机两侧的两个30英寸白色LED条形灯发出的光,为整个视觉系统提供间接、漫射和一致的照明。相机必须针对视觉系统进行校准,以便向机器人控制器提供准确的拾取位置和包装高度信息。输送机的速度也会随着包装尺寸而变化,以保证产品以一定的密度通过分拣站。

 

进料处的条形码让我们知道什么产品即将进入分拣站,因此我们可以更改可变的控制数据组合,当产品连续进入系统中时,可以针对不同的产品尺寸、不同的产品高度以及包装充气的情况,调整视觉系统和输送机的速度。Haq解释说,根据传送机的速度,当大批次产品到达机器人时,可以启用新的控制数据组合。这些都会快速自动完成。

 

在系统分类产品之前,必须用特定的图案集对Pattern ID工具进行训练,以便在操作期间在捕获的图像上识别这些图案。因为这个应用中的每个包装都有两个面,所以训练需要获取两幅图像,一幅是正面图像,另一幅是背面图像。为每个图像创建一个模型,允许系统自动识别产品,无论在运行时相机捕获到的是产品的哪个面。在当前的图像上定义感兴趣区域(ROI),并在该区域搜索训练的图案。然后将该工具链接到包含两个模型的图案数据库,并将每个产品的ROI分类。

 

Klein表示这种识别非常稳健、高速。识别时间主要取决于图像分辨率,与图案数据的大小无关,如果有很多不同的产品需要识别的话,这个系统将非常适合。在操作中,将检查图像ROI与训练数据库进行比较,以找到与所存储图案之间的一处或多处匹配。为了优化应用的处理速度并最大限度地提高吞吐量,工程师开发出了功能块,并在IMPACT软件套件的集成开发环境(IDE)中进行了排序。

 

“Datalogic IMPACT软件套件的IDE,具有我们优化应用并定制机器所需要的所有工具。”Haq说道,我们只是选择了我们如何实施它们,然后应用ROIBlobPattern ID等工具,并在构建块中将它们放到一起,以运行程序并对图像分析操作进行排序,以实现吞吐量的最大化。