模块8：产品智能分拣系统搭建-理论

模块8：产品智能分拣系统搭建产品智能分拣系统的概述智能分拣系统常用方法人工智能边缘设备应用案例分析目标检测的实现原理PARTONEPARTTWOPARTTHREEPARTFOUR产品智能分拣系统的概述人工智能边缘设备应用01产品智能分拣系统，指的是不同于传统的人工或者半自动控制分拣方式的一种全自动分拣方式，可以自动识别物体的标签或者物体本身的类别，并进行分类与分拣，其一般包括如图所示的输送装置、识别装置、分拣装置三大部分;输送装置主要负责组织待分拣物品，把待分拣物品输送到识别装置中，识别装置由不同传感器组成，通常主要传感器为摄像头，识别装置主要负责识别待分拣物品，并把识别结果转换成指令发送给分拣装置，是整个产品智能分拣系统的核心，分拣装置主要负责接受识别装置的结果，对具体物品进行分拣。1产品智能分拣系统的概述输送装置识别装置分拣装置产品分拣是生产制造环节中不可或缺的一部分，为了更好地将产品进行管理，为后续的工作提供便利，如何更好地改进分拣作业和提高分拣效率，是制造、物流、零售等行业所面临的主要问题。除此之外，人们对产品的需求越来越多样化，用传统产品分拣方式处理多样化的产品，不仅成本高，而且效率低，这使得各行业不得不对传统产品分拣方式进行改革。1.1产品智能分拣系统的背景基于机器视觉的产品智能分拣系统智能化自动化信息化基于机器视觉的产品智能分拣系统在当今自动化生产线上起着重大的作用，它打破了传统分拣方式的高成本低回报的尴尬现状。产品智能分拣系统的广泛应用，是人力资源密集型产业向自动化与智能化产业转型的重要标志，对传统制造、物流、零售等行业进入新的智能化发展阶段提供了积极作用。1.2产品智能分拣系统的意义分拣效率高智能分拣系统不受时间、气候、人力等因素的限制，可以持续运行时间通常以天为单位进行计算。分拣差错率低智能分拣系统的分拣误差，主要来源于不正确的分拣信息输入，这取决于分拣信息的输入机制。基本无人化采用智能分拣系统的目的之一，就是为了减少作业人员数量，减轻人员的劳动强度，提高人员的使用效率，因此自动分拣系统能最大限度地减少人员的使用，基本做到无人化。智能分拣系统常用方法人工智能边缘设备应用02在智能分拣系统中，自动识别技术发挥着关键作用。自动识别技术就是利用识别装置对被识别物品进行识别，从而自动获取被识别物品的相关信息，同时，将所识别到的信息传输到对应的计算机处理系统，并实施后续处理。其中包括生物识别技术、图像识别技术、磁卡识别技术、条码识别技术、射频识别技术等。2智能分拣系统常用方法条码识别技术射频识别技术图像识别技术一维条形码偏重于“标识”商品，但通常只在水平方向表示信息，而不在垂直方向表示任何信息。常见的一维条形码如图所示；一维条形码技术有着可手动输入、设备简单便捷、成本较低的特点。但是，一维条形码容量小，通常只能表示物品的基本信息，如果需要物品更详细的信息，必须依赖数据库或通讯网络。而且由于其携带信息量大小有限，因此只具备校验功能而不具备纠错能力，所以破损或污染后可读性较差。2.1条形码识别技术-一维条形码技术二维条形码偏重于“描述”商品，在拥有水平和垂直方向的二维空间存储信息。常见的二维条形码如图所示；二维码具有信息容量大、编码范围广、容错能力强、防盗能力强等优点，而且还拥有纠错能力以及校验的能力。具备立体、庞大的信息存储和表达功能，可以不依赖数据库或通讯网络直接储存物品的详细信息。目前在制造业中主要有物流跟踪和产品追溯这两种用途。2.1条形码识别技术-二维条形码技术RFID射频识别技术是以无线电波识别与传输为基础的自动识别技术。RFID的识别系统包括计算机网络、电子标签、读写器三个基本组成部分。生活中常见的门禁卡、二代身份证等都用到了RFID射频识别技术。该技术可以将智能电子标签拣货系统、RF系统、AS/RS系统、自动分合流控制输送系统等集中到操作管理平台之中，从而实现智能化操作。2.2RFID射频识别技术随着人工智能的不断发展，目标检测技术在智能分拣系统中也得到了广泛应用。图形分类技术可以用于确定产品的类别属性信息，OCR技术识别则可以识别产品标签中的文字信息。目前，目标检测技术在自动分拣中常作为条形码识别的补充模块，当条形码识读出现异常时，由目标检测技术获取产品信息，结合条形码识读结果，确定产品即将流向的分拣口。实现分类主要包括三个步骤，其过程如图所示。2.3图像识别技术构建数据集训练模型部署模型在实际工程应用中，针对不同的类别，通常需要重新获取数据集，构建对应的网络，训练模型。分类模型的输出时，通常无法直接输出具体的类别，只能通过置信度判断，一般选择所有类别中置信度最高的类别作为分类模型的输出。2.3图像识别技术构建数据集确认目前分类任务所包括的所有需要被分类的的目标类别，针对每个类别的物品，拍摄制作或者网上搜集一定数量其对应的图像，最后，由所有类别的图像组成的数据集合，即可称为数据集。训练模型数据集结合分类任务的难度，选择或者构建对应的分类模型，将数据集输入网络即可开始训练，若训练结束后的各项指标都达到预定要求，则可以完成训练，并提取出模型用于后续的部署运用之中。部署模型针对不同的设备，开发相应的模型部署方案，并且需要优化训练后的模型，例如模型蒸馏、模型剪枝以及模型量化，在保证模型准确率的前提下，提高模型的推理速度。如图所示，是某公司在一个智能分拣项目中，使用目标检测技术进行自动分拣的应用案例，图中白色房间处，即为该系统的识别装置。其产品为整箱封装的啤酒、牛奶、矿泉水等，产品种类有限，且箱子外表面有颜色或纹理差异，这种区别能够降低分类难度，提高自动分拣识别的准确率。2.3图像识别技术人工智能边缘设备应用案例分析人工智能边缘设备应用03传统零售领域主要包含三大元素，分别为人、货、场，人是指消费者，货是指商品，场是指各种大卖场、超市、便利店等。场可以再细分到最小的有机单元，就是货架。随着新零售时代到来，货架已经逐渐成为零售企业的战场。需求：品牌商和零售商需要精确的获取线下商品的实际陈列信息。3人工智能边缘设备应用案例分析有没有竞品?应该陈列哪些品类?商品放在哪里比较适合？商品有多少?……面对激烈的市场竞争，某大型商超为保证更精准、高效的落实终端的商品投放，保证驱动销售长久持续增长，在过去曾投入核销部的40多人，通过商超内架设的摄像头，以人工的方式对商超内货架图像进行逐条逐张照片检查，再根据核销结果进行商品分拣摆放。3.1核心诉求1、人工核销速度慢活动高峰期一天的量需要持续3-5天才能完成，导致对终端费用执行结果反馈慢，不能满足市场营销部门的快速反馈需求；2、人工核销成本高需要维持40多人的核销团队，并持续加班加点工作。3、核销岗位面临招人困难人工成本逐年增加等挑战。该公司最终选择了智能核销模式来实现终端费用执行的核销。结合摄像头采集到的门店的图片与商品检测算法，能够精准高效的识别出图片中的目标商品，进而统计出商品投放的数量、商品分销率、货架商品比例等结果，达到准实时的商品核销结果反馈，让市场人员能够在极短时间内掌握终端费用投放结果，及时调整商品投放计划并进行商品分拣摆放。3.2解决方案目标检测的实现原理人工智能边缘设备应用04目标检测是最简单的计算机视觉任务，问题核心在于如何根据不同图像的内容，输出对应的类别。传统的目标检测方法是通过特征描述及检测来工作的，然而这类传统方法只在一些简单的目标检测任务有效，例如分辨物体的形状、颜色以及大小；深度学习在目标检测中的应用，往往是通过卷积神经网络，在神经网络中经过多个不同尺度的卷积运算，提取图像不同尺度的特征，再结合激活函数和池化计算，得到每种类别的置信度，最后通过Softmax函数来归一化，然后输出图像内容是否为每个类别具体的概率。4目标检测的实现原理图像预处理在将图像传入卷积神经网络之前，为了更好地进行提取图像特征，需要对该图像进行预处理；其中包括对图像进行去噪、重新裁剪等操作，最后再将图像转化成张量，这是由于计算机无法像人眼一般直接读取图像信息，所以需要将图像转化成计算机能够读取的信息。4目标检测的实现原理-图像预处理4目标检测的实现原理-卷积神经网络卷积神经网络