物流可视化技术(物流自动化设备技术)

由于能够实现流程自动化并提高不同行业的生产力，机器视觉从未像现在这样重要。在工厂车间内外，客户的需求不断扩大和发展，但供应商已经通过扩大机器视觉技术的能力来迎接挑战。

以下是对机器视觉在技术和应用方面的一些最新趋势的介绍。这包括深度学习的重要性日益增加，物流和仓储的自动化程度提高，以及机器人拾取和放置技术的进步。

变革性技术

在过去的几年里，COVID-19的中断、劳动力短缺、供应链问题、通货膨胀率上升和政治紧张局势都凸显了对自动化的需求越来越大。在许多情况下，这些企业没有或仍然没有必要的人力来经营业务。幸运的是，机器视觉系统代表了所有类型的公司保持灯火通明的一种方式，同时也提高了效率，推动了收入。

举例来说，2021年--面对不确定的经济--北美机器视觉市场的订单量达到了30.2亿美元的历史新高，超越了2018年28.7亿美元的前纪录。相机、照明、光学器件、成像板和软件的订单全面增长，特定应用的机器视觉系统和智能相机也是如此。

作为其《2022年大创意》研究报告的一部分，美国ARK投资管理公司确定了14项可能改变世界工作方式的变革性技术。在今年的报告中，这14项技术如下：机器人、人工智能、自主移动、物联网、区块链、云计算、移动互联设备、3D打印、电池技术、可重复使用的火箭、基因测序、基因编辑、活体疗法和数字钱包。

在Automate和The Vision Show这样的贸易展上，可以看到许多这些技术的展览场地。ARK预测，这些技术的企业总价值将从2020年的14万亿美元增长到2030年的210万亿美元。这些技术中的几个技术汇集在一起的一个主要例子--包括物联网、机器人、人工智能、自主流动和云计算--是在物流和仓储领域。

实现全面的内部物流自动化

说到最新机器视觉发展的融合，也许没有比物流和仓储更好的例子了。现代仓库可能具有几种不同类型的机器视觉和自动化技术，包括机器人、自动导引车（AGV）、自主移动机器人（AMR）、2D和3D视觉、深度学习和先进的LED照明。

例如，一个完全自动化的仓库可以部署不同的技术组合，进行从接收货物到履行订单的所有操作。例如，在线订单下达后，软件会指导移动机器人自主地从其存储位置取回一个垃圾桶或手提箱，并将其带到人类员工或视觉引导机器人（VGR）处，以完成订单。在后一种情况下，VGR使用视觉从垃圾箱中挑选物品并将其放入适当的容器中。至少，这样的设置涉及带有安全传感器和3D视觉的AMR和使用3D视觉的拣选机器人。

物流业的一个常见挑战涉及检测和分拣从小信封到1米长箱子的各种包裹。亚马逊和沃尔玛等公司在自动化仓库中使用门户系统，货物在传送带上从接收区出发，用于履行订单。然而，传送带上包装尺寸的变化带来了问题，因为门户位于与生产线的固定距离和高度。一个大箱子或一个小的扁平包装的照明和焦点设置会有很大的不同，但供应商已经通过提供可调谐的视场灯来推动技术的发展，这些灯可以动态地调整投影距离，并能在不到500纳秒的时间内开启--当箱子快速移动时--以解决摄像机的聚焦深度问题，使应用变得生动。

多样化的3D成像发展

机器人取放技术在过去几年中取得了重大进展，使物流和仓储以外的应用受益。各个制造部门的许多公司都部署了VGR，用于从一个地方拣取物品，并将其精确地放置在其他地方。此外，从垃圾箱中拣选随机方向的物品（被称为 "垃圾箱拣选"）也是多年来为许多公司提供可靠服务的一种应用。

然而，随着客户需求的增长，多年来出现了某些垃圾箱拣选的挑战。例如，如果零件是松散的、随机堆放的、杂乱无章的、堆积的或混合的，系统就很难区分这些零件，更不用说拾取它们了。此外，对质量和速度的要求也在增加。然而，机器视觉供应商再次通过提高包括3D成像在内的几项关键技术的能力作出了回应。

首先，3D成像代表了机器视觉中快速增长的技术之一，今天的解决方案比以往任何时候都更加紧凑和实惠。今天的3D相机比它们的前辈提供更低的噪音、更高的分辨率、更高的精度和更高的速度。此外，3D成像解决方案的类型比以往任何时候都多。这包括立体视觉、飞行时间、激光线扫描和结构光。

仓位拣选和件数拣选的一个最新趋势是3D成像系统与深度学习/机器学习软件相结合，以解决独特的挑战，如从大量的SKU中拣选，拣选随机方向或不规则形状的物体，或拣选系统以前没有见过的物体。这些物品可能是小型消费品、食品、医疗产品或任何范围的不同部件。机器视觉领域的一些供应商已经提供了完全集成的取放和仓位拣选系统，这些系统利用深度学习，并将机器人、3D视觉和人工智能技术内置于系统中，可立即部署。

深度学习落地生根

深度学习在制造领域的自动检测应用中也变得越来越流行。多年来，深度学习在这个领域一直是个谜。除了最初被过度炒作--可能是作为传统机器视觉方法的替代品--深度学习可能由于它是一个 "黑盒子 "而让人望而生畏，很难在第一时间理解各个卷积神经网络的内部运作。

随着深度学习软件在市场上变得更加成熟和可用，以及对深度学习如何工作的理解不断加深，制造商已经发现了该技术很适合的应用。当需要训练数据、适当的图像标签、充足的资源和对定义缺陷的共识时，深度学习可以为希望执行半导体和电子检测、包装和汽车制造等任务的制造商增加巨大的价值，这只是其中的几个例子。

不断进步，无穷无尽

一般来说，自动化正在以创纪录的速度部署，因为它正在帮助所有行业中各种规模的公司提高生产力和全球竞争力。这里概述的技术只是最近帮助公司创新和推动收入的一些进展和趋势。传统的机器视觉技术，包括基于规则的算法、二维相机和条形码阅读器，继续以不断增长的速度可靠地服务于全球各类公司。

一如既往，机器视觉供应商继续满足终端用户和客户不断变化的需求，整个自动化领域也从中受益--找到新的方法来提高生产力和效率，防止当前和未来的中断，并最终推动收入。