Sådan bruger du computer vision i automatisering af lager og logistik
Kamerateknologien har gennemgået en hastig udvikling i de seneste år og spiller en stadig vigtigere rolle på forskellige områder, herunder automatisering af lager og logistik. På lagre anvendes kameraer ikke kun til at overvåge sikkerheden, men også til at optimere processer, overvåge lagerniveauer og øge effektiviteten.
Machine Vision-systemer kan automatisk registrere, tælle og spore lagerbeholdning, hvilket hjælper lageroperatører med at holde styr på deres beholdning i realtid. Dette muliggør præcis lagerstyring og minimerer risikoen for udsolgte varer eller mangler.
Anvendelse af Computer Vision i lager og logistik
1. Lagerstyring
Kameraer bruges til at automatisere lagerstyringsprocesser, såsom stregkodescanning, varegenkendelse og varesporing. Fordelene ved realtidssynlighed af lagerbeholdningsniveauer og forbedret nøjagtighed ved lageroptælling bør fremhæves.
Moderne logistiklagre kan ikke længere drives effektivt uden computer vision-teknologi og automatiseringsløsninger. Moderne distributionscentre med en maksimal grad af automatisering er afgørende for at opretholde globale forsyningskæder.
Hvor mange arbejdstrin tidligere blev udført af en lagermedarbejder, er automatiserede processer med computer vision, robotter, OCR-/stregkodelæsere og automatiserede gaffeltrucks nu standarden. På den ene side øger disse cyklushastigheden betydeligt og minimerer på den anden side fejl forårsaget af menneskelige fejl.
Nogle af de vigtigste komponenter til disse automatiseringstrin er industrielle kameraer, egnede objektiver, den rette Machine Vision-belysning og computer vision-software til de respektive applikationssituationer.
2. Kvalitetskontrol
Kameraer bruges til kvalitetskontrolformål, f.eks. til at kontrollere produktfejl, opdage beskadigede varer og sikre overholdelse af kvalitetsstandarder. Computer vision på lagre og inden for logistik kan opdage afvigelser mere effektivt end manuelle inspektioner.
3. Procesoptimering med computer vision
Kameraer bruges til at optimere lagerprocesser, såsom plukning og pakning. Computer vision-software og billedbehandlingsalgoritmer kan analysere optagelser for at identificere flaskehalse, strømline arbejdsgange og forbedre den samlede effektivitet.
4. Fjernovervågning og -styring
Fjernovervågning og -styring ved hjælp af computer vision-teknologi gør det muligt for lagerchefer at få adgang til live-kamerafeeds og analysedashboards fra enhver placering for at overvåge driften, identificere problemer og træffe datadrevne beslutninger i realtid.
Valg af industrikamera til lagerlogistik
I vores kundeapplikation er der installeret en scanningstunnel, hvorigennem forskellige pakker transporteres direkte til lageret via et transportbånd. Pakkerne kan have forskellige størrelser.
Inspektionsopgaven er at aflæse stregkoder på pakkerne for automatisk at tildele dem den tilsvarende lagerplacering og justere lagerbeholdningen i lagerstyringssoftwaren i overensstemmelse hermed. En yderligere udfordring ved denne inspektionsopgave er, at etiketterne med stregkoderne ikke passerer gennem scanningstunnelen på noget defineret punkt; de kan være på toppen eller på en af pakkens fire sider, med den eneste undtagelse, at koden ikke kan være på undersiden af pakken. På det punkt, hvor billedet optages, stopper pakken kortvarigt.
Først skulle vi finde et passende industrielt kamera til denne applikation. For at kunne aflæse en stregkode pålideligt skal vi vide, hvor bred den tyndeste stregkode er. Denne linje bør repræsenteres af mindst 2 pixels for at sikre, at den også genkendes reproducerbart af billedbehandlingssoftwaren.
I denne applikation skal et FOV (synsfelt) på 500x350mm dækkes af kameraet, og den tyndeste linje i stregkoden har en tykkelse på 0.2mm. Dette resulterer i en påkrævet opløsning på 17.5MP eller 5000x3500 pixels (0.2mm skal repræsenteres af 2 pixels-> 0.1mm/pixel = 5000 pixels på 500mm x 3000 pixels på 300mm).
Et godt valg til denne opgave er 'MER2-2000-19U3M', et 20MP rolling shutter kamera med en 1" Sony IMX183-sensor. Da stregkoderne er sorte og hvide, er et monokromt kamera tilstrækkeligt til denne applikation. Da stregkoderne kan være fastgjort på 5 forskellige sider af pakken (top, front, tilbage, venstre eller højre), besluttede kunden at anvende ét kamerasæt for hver synsretning for pålideligt at dække alle mulige synsretninger.
I princippet kunne dette arbejdstrin forenkles yderligere i fremtiden ved at sikre, at pakkerne ved levering placeres på transportbåndet i en defineret position. Dette ville sikre, at stregkoden kun kan være på én side, og at en kameraopsætning kun ville være nødvendig dér i scanningstunnelen.
Kunden var imidlertid bekymret for, at hele processen regelmæssigt kunne gå i stå, blot fordi positioneringen ikke blev udført korrekt ved levering af pakkerne. Dette ville medføre et fuldstændigt stop af transportlinjen, og omkostningerne ved denne afbrydelse ville hurtigt overstige omkostningerne til de kamerasæt, der kræves for at inspicere alle sider af pakkerne.
Objektivvalg til IMX183
For at bestemme det rigtige Machine Vision-objektiv bruger vi vores objektivberegner.
MER2-2000 bruger en 1”-sensor med en opløsning på 5496x3672 pixels ved en pixelstørrelse på 2,4 µm. Brug af et C-mount-objektiv med en brændvidde på 16 mm 'VA-LCM-20MP-16MM-F2.8-110' ved en arbejdsafstand på
680 mm resulterer i et synsfelt på 547x366 mm.
Objektivberegner
Machine Vision-belysning til lagerlogistik
Ud over designet af kameraet og objektiverne er ensartet og homogen belysning af området fra alle sider afgørende for denne applikation. Vores anbefaling til dette er Machine Vision-belysning fra vores Barlys-serie VA-BL3, som fås i forskellige størrelser og farver.
For at beskytte kameraopsætningen mod eksterne påvirkninger anvender kunden vores Aluminium Machine Vision Kamera Hus. Den særlige fordel ved disse beskyttelseshuse er deres fleksibilitet takket være det modulære kabinetdesign. Objektiver i forskellige størrelser kan anvendes. Dette giver kunden mulighed for at anvende beskyttelseshuset, selv hvis applikationen ændres, f.eks. hvis FOV eller arbejdsafstand ændres.
Support til lagerlogistik med computer vision?
Computer vision-teknologi tilbyder en effektiv løsning til automatisering af lagerprocesser og optimering af logistikoperationer. Ved at implementere kamerasystemer med Machine Vision-software kan lagre opnå lagerstyring i realtid, sikre kvalitetskontrol, strømline arbejdsgange og muliggøre fjernovervågning.
Som illustreret i eksemplet med scanningstunnelen er omhyggelig udvælgelse af kameraer, objektiver og belysning afgørende for en vellykket implementering. Med korrekt planlægning og de rette komponenter kan computer vision forbedre effektiviteten og nøjagtigheden betydeligt i lagerlogistikken.
Ønsker du at implementere en lignende applikation? Vi hjælper dig gerne med at vælge de rette komponenter til din lager- og logistikautomatisering. Du er velkommen til at kontakte os!