画像検査装置・システム 組込用ミドルウェアの開発 ソフトウェア受託開発


3Dロボットビジョンと深層学習を組み合わせて、不定形な袋の認識を実現した「Ai袋物認識ソフト」

【はじめに】
 袋積載物デパレタイジングシステム向けに、3Dロボットビジョンと深層学習による袋物認識を組み合わせたシステムを提案します。

mainScreen.png:袋認識ソフトウェアのメイン画面

【学習モデル】
袋専用に教示した学習済モデルを用いることにより、すぐに袋を認識できます。
以下の手順で実ワークの写真(30〜50枚程度)を追加することで認識率が向上します。
learnModel.png:学習モデル

【AI袋物認識ソフト】
これまで難しかった充填が偏った袋や重なり合う袋の認識が可能になりました。
3Dロボットビジョンと深層学習の組み合わせにより、パレット上に積まれた重なり合う不定形な袋も安定して認識することができるようになりました。また、単に深層学習による認識に頼るのではなく、3D,2Dのデータを併用することにより、現場で使える袋認識、袋の位置・姿勢認識結果を出力します。​
■ 寸法チェック(サイズ、アスペクト比、面積比率)により誤認識を防ぎます。
■ 一つ下の段の製品を先にピッキングする事を防止する為、最上段の袋のみを検出します。​
■ 同じ層にある複数の製品のピッキング順についても条件を設定できます。
aibagrecsoft.png:AI袋物認識ソフト

【システム構成と動作フロー】
システム構成と動作フローは下記の通りです。
structflow.png:システム構成と動作フロー

【3Dビジョン設置プラン】
作業環境に応じた3Dロボットビジョンを提供
固定ビジョン、ハンドアイビジョンのいずれも対応可能です。            
カメラタイプ天井固定式ロボットアーム搭載式
設置イメージ
長所 (1)パレット内の袋を1回の撮影で認識可能。
(2)ロボットが退避中にワーク撮影→認識が可能。
(1)櫓が不要→システムが単純化→安価
(2)カメラ視野が狭いので小型の袋にも対応できる。
(3)ロボットの周囲の複数パレットに対応。
(4)ロボットの移動も可能
短所 堅牢な櫓が必要アームに搭載されているため、撮影→認識→移載動作がシーケンシャルとなり、タクトタイムが長くなる。
【袋物デパレタイジング仕様】                  
仕様項目内容
認識時間 撮影→点群前処理:0.7〜1.0秒
AI認識:約0.6秒
点群による検証時間:0.5〜2.0秒
袋の種類 袋サイズ、袋素材、色、印刷を問わない。
対応ロボット 安川電機、FANUC、川崎重工業、デンソー、不二越、UR、三菱電機他
新規ワーク(袋)の学習 お客様のワーク(袋)追加することで認識率が向上します。
キャリブレーション 専用キャリブレーションボードによる自動誤差補正。



Copyright © 株式会社YOODS All Rights Reserved.