CN111899145A - 一种基于机器视觉的立体库盘库方法及*** - Google Patents
一种基于机器视觉的立体库盘库方法及*** Download PDFInfo
- Publication number
- CN111899145A CN111899145A CN202010535788.1A CN202010535788A CN111899145A CN 111899145 A CN111899145 A CN 111899145A CN 202010535788 A CN202010535788 A CN 202010535788A CN 111899145 A CN111899145 A CN 111899145A
- Authority
- CN
- China
- Prior art keywords
- inventory
- machine vision
- information
- goods
- stacker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000000630 rising effect Effects 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 241000531116 Blitum bonus-henricus Species 0.000 description 1
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种基于机器视觉的立体库盘库方法及***,立体库盘库方法,所述的该方法包括以下步骤:1)WMS下达盘库指令;2)工业相机遍历货位;3)触发工业相机拍照;4)将照片及位置信息传送至计算机;5)处理照片识别条码;6)生成机器视觉与WMS库存信息对比表;7)核对二者库存信息物料位置和条码是否一致;8)输出库存报告。与现有技术相比,本发明的有益效果是:能够有效地识别箱体条码信息,具有速度快、准确率高等优点。可以识别出不同品种、不同规格的条码,堆垛机和无人机定位精准,上位WMS生成报表整合两个来源信息,由此得出准确的盘库信息。
Description
技术领域
本发明属于立体库盘库方法,更具体的说涉及一种基于机器视觉的立体库盘库方法及***。
背景技术
在智能制造2025不断推进的新形势下,工业领域为解决不断上升的人工成本带来的压力问题,逐步向无人车间的方向发展,对生产设备的自动化程度提出了更高的要求。在自动化程度较高的立体库管理方面,由于机器故障或人为处理出错等情况的存在,导致库存信息和实物不一致,需要定期或不定期进行盘库操作,原有的操作方式是由工作人员拿着打印好的货位信息表乘坐堆垛机抵近实物所在货位现场核对,这种操作方法存在几方面的问题:
1、安全风险:目前市面上的堆垛机绝大对数是针对载货设计,设计时未包括人身安全保障措施,设计的安全等级也达不到载人的要求,人员乘坐上去盘库将面临巨大的高空坠落风险;
2、工作量较大:一般堆垛机一个巷道对应的货位都有千以上的数量级,如果人工逐一抵近核对,将会耗费海量的时间和精力;
3、生产效率低:自动立体库的应用场景一般都是在有着高周转率的生产现场库或者是物流枢纽库,对出入库的效率要求极高,如果采用人工盘库,必须将现有出入库操作停下来,整个生产过程在盘库完成前是停顿的。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种智能、高效、安全、准确的基于机器视觉的立体库盘库方法及***。
为了实现上述目的,本发明是通过以下技术方案实现的:所述的基于机器视觉的立体库盘库方法包括以下步骤:
1)WMS下达盘库指令;
2)工业相机遍历货位;
3)触发工业相机拍照;
4)将照片及位置信息传送至计算机;
5)处理照片识别条码;
6)生成机器视觉与WMS库存信息对比表;
7)核对二者库存信息物料位置和条码是否一致;
8)输出库存报告。
优选的,所述的步骤2)包括以下步骤:
21)调用TDCS分别驱动每台堆垛机载货台遍历该巷道立体库货位,运行顺序是从1列1层到末列1层,完成1层货位遍历;
22)上升一层到达末列2层,再回到1列2层完成2层货位遍历;
23)以此类推,用“S型”运动轨迹走完所有货位。
3. 根据权利要求1 所述的一种基于机器视觉的立体库盘库方法及***,其特征在于,所述的步骤3)包括以下步骤:
31)使用激光测距仪和走行、升降各一个编码器来实现堆垛机载货台(同安装其上的工业相机)的精准定位;
32)使用堆垛机机载PLC在到达准确位置的时刻控制输出电信号,触发工业相机拍照。
优选的,所述的步骤5)包括以下步骤:
51)使用低通滤波去除图像噪声进行图像模糊处理;
52)使用限制对比度的直方图均衡化图像的亮度特征以及边缘特征进行图像增强;
53)区分图像的裂缝特征以及背景进行阈值分割;
54)用膨胀运算与腐蚀运算处理图像的黑色特征区域和白色特征区域进行形态学运算。
优选的,所述的步骤6)包括以下步骤:
61)根据编码规范确定能区分物料品种的条码特征区域;
62)使用filter算法提取特征区域编码;
63)用获取的特征区域编码与物料BOM清单表比对运算,找出匹配项,确定物料品种。
优选的,所述的步骤7)包括以下步骤:
71) 使用TDCS***通过NPORT技术获取堆垛机当前载货台位置信息,该位置即定义为视觉识别位置;
72)使用WMS***取得对应货位信息和该货位所存储物料信息;
73)将63)、71)步骤取得的物料品种信息和位置信息与72)步骤取得的物料品种信息和位置信息比对,如相同货位所存储物料品种信息一致,则写入盘库结果报表的“比对信息一致表”,否则写入“比对信息不一致表”,两张表格作为盘库生成报表。
优选的,所述的基于机器视觉的立体库盘库***包括上位管理***、通信***、堆垛机,所述的上位管理***包括:WMS、TDCS、数据库、照片处理***,所述的照片处理***包括Python、Opencv、Pyzbar、视觉资源库、条码解码器;所述的通信***优选以太网,其中以太网优选Nport,所述的堆垛机包括PLC、I/O模块、载货台、货位、行走***、升降***。其中,所述的载货台安装工业相机;所述的货位包括其位置及其上摆放的物料,物料中设置照相感兴趣区域ROI,ROI包含条码;所述行走***包括行走变频器、行走电机、行走编码器;所述升降***包括升降变频器、升降电机、升降编码器。
优选的,所述盘库***的工作方式:上位调度***TDCS通过以太网Nport通信方式,把盘库指令传给堆垛机的PLC,PLC把指令传给行走变频器和升降变频器,行走变频器驱动行走电机向货位位置的列移动,同时升降变频器驱动升降电机把载货台向货位位置的层移动,通过编码器定位到达货位位置,此时PLC把照相指令通过I/O模块传给载货台上的工业照相机,对物料的ROI拍照,然后将位置和对应的ROI通过以太网Nport通信方式上传至上位***的数据库,照片处理***辨识条码后将其放置在对应的货位位置中。
本发明有益效果:
能够有效地识别箱体条码信息,具有速度快、准确率高等优点。可以识别出不同品种、不同规格的条码,堆垛机和无人机定位精准,上位WMS生成报表整合两个来源信息,由此得出准确的盘库信息。
附图说明
图1为本发明的方法流程图;
图2位本发明的***结构图;
1 上位管理***、11 WMS、12 TDCS、13 数据库、14 照片处理***、141 Python、142Opencv、143 Pyzbar、144 视觉资源库、145 条码解码器、2 通信***、21以太网、211Nport、3 堆垛机、31 PLC、32 I/O模块、33 载货台、331工业相机、34 货位、341 位置、342物料、3421 ROI、34211 条码、35 行走***、351 行走变频器、352 行走电机、353 行走编码器、36 升降***、361 升降变频器、362 升降电机、363 升降编码器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图与实例对本发明作进一步详细说明,但所举实例不作为对本发明的限定。
该方法包括以下步骤:
1)WMS下达盘库指令;
2)工业相机遍历货位;
3)触发工业相机拍照;
4)将照片及位置信息传送至计算机;
5)处理照片识别条码;
6)生成机器视觉与WMS库存信息对比表;
7)核对二者库存信息物料位置和条码是否一致;
8)输出库存报告。
所述的步骤2)包括以下步骤:
21)调用TDCS分别驱动每台堆垛机载货台遍历该巷道立体库货位,运行顺序是从1列1层到末列1层,完成1层货位遍历;
22)上升一层到达末列2层,再回到1列2层完成2层货位遍历;
23)以此类推,用“S型”运动轨迹走完所有货位;
所述的步骤3)包括以下步骤:
31)使用激光测距仪和走行、升降各一个编码器来实现堆垛机载货台(同安装其上的工业相机)的精准定位;
32)使用堆垛机机载PLC在到达准确位置的时刻控制输出电信号,触发工业相机拍照。
所述的步骤5)包括以下步骤:
51)使用低通滤波去除图像噪声进行图像模糊处理;
52)使用限制对比度的直方图均衡化图像的亮度特征以及边缘特征进行图像增强;
53)区分图像的裂缝特征以及背景进行阈值分割;
54)用膨胀运算与腐蚀运算处理图像的黑色特征区域和白色特征区域进行形态学运算。
所述的步骤6)包括以下步骤:
61)根据编码规范确定能区分物料品种的条码特征区域;
62)使用filter算法提取特征区域编码;
使用字符串截取算法:
Substring(param1,param2)
第一个参数是起始位置,这是位置是原字符串的初始位置:注意:是从该位置开始取,但是不包括这个点,
第二个参数是结束位置,可以省略,省略的话就是从开始位置一直取到最后,如果不省略,就是取得指定的长度如果超出了原字符串的长度,则报错,此举认为是个Bug。举个例子:
“abcdefg”.Substring(3,2)”结果:de
"abcdefg".Substring(3,12)结果:报错
"abcdefg".Substring(3)”结果:defg
使用字符串截取算法可得到如下结果
String code32=” 913159131232030104120400001070720”
code32.Substring(2,6)= “315913”
最终得到物料特征区域编码:315913
63)用获取的特征区域编码与物料BOM清单表比对运算,找出匹配项,确定物料品种;
631)从数据库取出物料BOM清单表
DataTable dtItem=new DataTable();
632)循环取到的数据,与截取到的字符串进行对比
For(int i=0;i<dtItem.Rows.count;i++){
If(dtItem.row[i][“BARCODE”].tostring()==code32){
Return true;/
}else{
Return fase;//
}
}
根据权利要求1 所述的一种基于机器视觉的立体库盘库方法,其特征在于,所述的步骤7)包括以下步骤:
71) 使用TDCS***通过NPORT技术获取堆垛机当前载货台位置信息,该位置即定义为视觉识别位置;
72)使用WMS***取得对应货位信息和该货位所存储物料信息;
73)将63)、71)步骤取得的物料品种信息和位置信息与72)步骤取得的物料品种信息和位置信息比对,如相同货位所存储物料品种信息一致,则写入盘库结果报表的“比对信息一致表”,否则写入“比对信息不一致表”,两张表格作为盘库生成报表。
该***包括:上位管理***、通信***、堆垛机。
所述的上位管理***包括:WMS、TDCS、数据库、照片处理***。所述的照片处理***包括Python、Opencv、Pyzbar、视觉资源库、条码解码器。
所述的通信***优选以太网,其中以太网优选Nport。
所述的堆垛机包括PLC、I/O模块、载货台、货位、行走***、升降***。其中,所述的载货台安装工业相机;所述的货位包括其位置及其上摆放的物料,物料中设置照相感兴趣区域ROI,ROI包含条码;所述行走***包括行走变频器、行走电机、行走编码器;所述升降***包括升降变频器、升降电机、升降编码器。
所述盘库***的工作方式:上位调度***TDCS通过以太网Nport通信方式,把盘库指令传给堆垛机的PLC,PLC把指令传给行走变频器和升降变频器,行走变频器驱动行走电机向货位位置的列移动,同时升降变频器驱动升降电机把载货台向货位位置的层移动,通过编码器定位到达货位位置,此时PLC把照相指令通过I/O模块传给载货台上的工业照相机,对物料的ROI拍照,然后将位置和对应的ROI通过以太网Nport通信方式上传至上位***的数据库,照片处理***辨识条码后将其放置在对应的货位位置中。
所述盘库***的工作方式:上位调度***TDCS12通过以太网21Nport211通信方式,把盘库指令传给堆垛机3的PLC31,PLC31把指令传给行走变频器35和升降变频器36,行走变频器351驱动行走电机352向货位位置341的列移动,同时升降变频器361驱动升降电机362把载货台33向货位位置341的层移动,通过编码器353、363定位到达货位位置341,此时PLC31把照相指令通过I/O模块32传给载货台33上的工业照相机331,对物料的ROI3421拍照,然后将位置341和对应的ROI3421通过以太网21Nport211通信方式上传至上位***1的数据库13,照片处理***14辨识条码34211后将其放置在对应的货位位置341中。
以上实施例仅用以说明本发明的技术方案而非限制,尽管通过上述实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (9)
1.一种基于机器视觉的立体库盘库方法及***,其特征在于:所述的基于机器视觉的立体库盘库方法包括以下步骤:
1)WMS下达盘库指令;
2)工业相机遍历货位;
3)触发工业相机拍照;
4)将照片及位置信息传送至计算机;
5)处理照片识别条码;
6)生成机器视觉与WMS库存信息对比表;
7)核对二者库存信息物料位置和条码是否一致;
8)输出库存报告。
2.根据权利要求1 所述的一种基于机器视觉的立体库盘库方法及***,其特征在于,所述的步骤2)包括以下步骤:
21)调用TDCS分别驱动每台堆垛机载货台遍历该巷道立体库货位,运行顺序是从1列1层到末列1层,完成1层货位遍历;
22)上升一层到达末列2层,再回到1列2层完成2层货位遍历;
23)以此类推,用“S型”运动轨迹走完所有货位。
3.根据权利要求1 所述的一种基于机器视觉的立体库盘库方法及***,其特征在于,所述的步骤3)包括以下步骤:
31)使用激光测距仪和走行、升降各一个编码器来实现堆垛机载货台(同安装其上的工业相机)的精准定位;
32)使用堆垛机机载PLC在到达准确位置的时刻控制输出电信号,触发工业相机拍照。
4.根据权利要求1 所述的一种基于机器视觉的立体库盘库方法及***,其特征在于,所述的步骤5)包括以下步骤:
51)使用低通滤波去除图像噪声进行图像模糊处理;
52)使用限制对比度的直方图均衡化图像的亮度特征以及边缘特征进行图像增强;
53)区分图像的裂缝特征以及背景进行阈值分割;
54)用膨胀运算与腐蚀运算处理图像的黑色特征区域和白色特征区域进行形态学运算。
5.根据权利要求1 所述的一种基于机器视觉的立体库盘库方法及***,其特征在于,所述的步骤6)包括以下步骤:
61)根据编码规范确定能区分物料品种的条码特征区域;
62)使用filter算法提取特征区域编码;
63)用获取的特征区域编码与物料BOM清单表比对运算,找出匹配项,确定物料品种。
6.根据权利要求1 所述的一种基于机器视觉的立体库盘库方法及***,其特征在于,所述的步骤7)包括以下步骤:
71) 使用TDCS***通过NPORT技术获取堆垛机当前载货台位置信息,该位置即定义为视觉识别位置;
72)使用WMS***取得对应货位信息和该货位所存储物料信息;
73)将63)、71)步骤取得的物料品种信息和位置信息与72)步骤取得的物料品种信息和位置信息比对,如相同货位所存储物料品种信息一致,则写入盘库结果报表的“比对信息一致表”,否则写入“比对信息不一致表”,两张表格作为盘库生成报表。
7.一种基于机器视觉的立体库盘库方法及***,其特征在于:所述的基于机器视觉的立体库盘库***包括上位管理***、通信***、堆垛机,所述的上位管理***包括:WMS、TDCS、数据库、照片处理***,所述的照片处理***包括Python、Opencv、Pyzbar、视觉资源库、条码解码器;所述的通信***优选以太网,其中以太网优选Nport,所述的堆垛机包括PLC、I/O模块、载货台、货位、行走***、升降***。
8.其中,所述的载货台安装工业相机;所述的货位包括其位置及其上摆放的物料,物料中设置照相感兴趣区域ROI,ROI包含条码;所述行走***包括行走变频器、行走电机、行走编码器;所述升降***包括升降变频器、升降电机、升降编码器。
9.根据权利要求7所述的一种基于机器视觉的立体库盘库方法及***,其特征在于:所述盘库***的工作方式:上位调度***TDCS通过以太网Nport通信方式,把盘库指令传给堆垛机的PLC,PLC把指令传给行走变频器和升降变频器,行走变频器驱动行走电机向货位位置的列移动,同时升降变频器驱动升降电机把载货台向货位位置的层移动,通过编码器定位到达货位位置,此时PLC把照相指令通过I/O模块传给载货台上的工业照相机,对物料的ROI拍照,然后将位置和对应的ROI通过以太网Nport通信方式上传至上位***的数据库,照片处理***辨识条码后将其放置在对应的货位位置中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010535788.1A CN111899145A (zh) | 2020-06-12 | 2020-06-12 | 一种基于机器视觉的立体库盘库方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010535788.1A CN111899145A (zh) | 2020-06-12 | 2020-06-12 | 一种基于机器视觉的立体库盘库方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111899145A true CN111899145A (zh) | 2020-11-06 |
Family
ID=73206311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010535788.1A Pending CN111899145A (zh) | 2020-06-12 | 2020-06-12 | 一种基于机器视觉的立体库盘库方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899145A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516617A (zh) * | 2021-04-02 | 2021-10-19 | 云南省烟草质量监督检测站 | 一种基于机器视觉和ai深度学习的烤烟等级识别建模方法 |
CN114751121A (zh) * | 2022-03-01 | 2022-07-15 | 红塔烟草(集团)有限责任公司 | 一种立体库视觉盘库自动控制*** |
-
2020
- 2020-06-12 CN CN202010535788.1A patent/CN111899145A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516617A (zh) * | 2021-04-02 | 2021-10-19 | 云南省烟草质量监督检测站 | 一种基于机器视觉和ai深度学习的烤烟等级识别建模方法 |
CN114751121A (zh) * | 2022-03-01 | 2022-07-15 | 红塔烟草(集团)有限责任公司 | 一种立体库视觉盘库自动控制*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3101978C (en) | Tracking vehicles in a warehouse environment | |
CN110245663B (zh) | 一种用于钢卷信息识别的方法 | |
CN111275063B (zh) | 一种基于3d视觉的机器人智能抓取控制方法及*** | |
Mi et al. | A fast automated vision system for container corner casting recognition | |
CN111899145A (zh) | 一种基于机器视觉的立体库盘库方法及*** | |
CN110084243B (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
CN105488806A (zh) | 一种工件位置追踪定位方法及定位*** | |
CN111112108B (zh) | 一种船体板材切割零件分拣装备及方法 | |
CN111243016B (zh) | 一种集装箱自动识别与定位方法 | |
CN103253410A (zh) | 一种半自动贴标生产线 | |
CN109454004B (zh) | 机器人扫描分拣***及方法 | |
US11772271B2 (en) | Method and computing system for object recognition or object registration based on image classification | |
CN111167731B (zh) | 一种产品分拣方法、产品分拣***和智能分拣机器人 | |
US20230381971A1 (en) | Method and computing system for object registration based on image classification | |
CN116337887A (zh) | 铸造缸体上表面缺陷检测方法及*** | |
CN111855667A (zh) | 一种适用于地铁车辆的新型智慧列检***和检测方法 | |
CN207976755U (zh) | 一种基于机器视觉和plc的钢材仓储控制*** | |
KR102407361B1 (ko) | 인공 지능 기반 공정 인식 시스템 | |
CN113610754B (zh) | 一种基于Transformer的缺陷检测方法及*** | |
CN114155438A (zh) | 一种集装箱装卸安全检测方法和*** | |
CN112149687A (zh) | 目标识别的方法 | |
US11644845B2 (en) | Industrial vehicle with feature-based localization and navigation | |
CN118261533A (zh) | 基于5g和工业互联网的智能物流仓储管理***及方法 | |
US20240037785A1 (en) | Method for mapping location codes | |
CN117094543A (zh) | 一种面向远程数据库读取控制的开槽机应用方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |