Système de tri des colis et des paquets automatisé par l'IA

La séparation manuelle d'énormes piles de colis et d'enveloppes, suivie de leur tri et de leur placement sur un tapis roulant, devient difficile, surtout pendant les périodes de pointe. L'automatisation de ce processus peut augmenter la productivité, réduire les coûts et le temps et réduire les blessures. Un système robotisé de séparation et de tri alimenté par l'intelligence artificielle devient une nécessité pour les entreprises de logistique qui souhaitent répondre aux demandes toujours croissantes du commerce électronique.

La séparation manuelle :une chose du passé ?

Les flux de colis connaissent de fortes fluctuations tout au long de l'année, culminant généralement autour du Black Friday et de la période de Noël. Les volumes mondiaux de colis ont généralement augmenté à un rythme pouvant atteindre 25 % par an.

L'épidémie de COVID-19 a également mis à l'épreuve le traitement des commandes dans les délais. Le recours accéléré au commerce électronique a accru la demande de capacité. Ceci, à son tour, entraîne une augmentation des coûts opérationnels liés non seulement à la nécessité d'embaucher plus d'employés, mais également au processus de recrutement lui-même. Les périodes qui seraient normalement considérées comme les meilleures et les plus rentables d'un point de vue commercial deviennent donc les pires.

En plus des exigences de débit et des pics de demande, la santé et la satisfaction des travailleurs sont des défis pour la séparation et le tri manuels. Les employés peuvent faire face à l'ennui des tâches répétitives, ainsi qu'aux blessures causées par la manipulation d'objets lourds irréguliers. Cela peut entraîner des dépenses d'indemnisation des accidents du travail et une baisse de la productivité.

Vision et robotique à la rescousse

Les défis ci-dessus peuvent être surmontés en automatisant le processus de séparation et de tri, ce qui peut rendre les coûts plus prévisibles et fournir une évolutivité pour les pics de demande.

L'automatisation la plus avancée aujourd'hui combine la vision industrielle 3D, les algorithmes d'IA et la compatibilité avec les grandes marques de robots. Il est également possible de mesurer la qualité et le succès d'un système pick-and-place particulier. Passons à des exemples concrets. Comment une entreprise peut-elle bénéficier de la mise en place d'un système automatisé si elle doit isoler et trier des lots de colis volumineux et non structurés ?

Par exemple, Photoneo intègre la vision industrielle 3D développée en interne avec des algorithmes permettant aux robots de prélever plus de 2 250 colis par heure. Le système de vision fournit des données 3D précises et permet une localisation précise qui conduit à une précision de préhension de +/- 3 mm.

Photoneo Singulation and Sorting System est basé sur un réseau de neurones pré-entraîné qui peut reconnaître les colis hors de la boîte, sans aucune formation, pour un taux de réussite de la cueillette de 95 %.

Les 5% restants sont le résultat des propriétés mécaniques des colis et du matériau. Par exemple, si un objet a une surface froissée ou est en tissu, il peut tomber de la pince et devoir être repris. Selon Photoneo, ces objets sont toujours sélectionnés avec succès à la deuxième tentative. Il a affirmé qu'il pouvait atteindre un temps de cycle inférieur à 1,5 seconde et qu'il était compatible avec une gamme de marques de robots.

Mode de balayage unique ou mode de sélection multiple

La vitesse de performance dépend du mode de numérisation choisi. Un mode de balayage unique effectue un balayage, traite les données, localise un objet et envoie une commande au robot pour qu'il le sélectionne. Ce processus est répété pour chaque objet. Le délai de traitement ne dépasse généralement pas 0,5 seconde.

Une autre option est un mode multi-sélection, auquel cas le scanner/caméra effectue un scan, le système reconnaît tous les objets sélectionnables et le robot les sélectionne les uns après les autres sans aucune interruption. Le nombre de numérisations peut être ajusté à l'application particulière. Comme il n'y a pas de retard de traitement en mode multi-sélection, les performances sont plus rapides et le temps de cycle n'est limité que par la vitesse du robot.

Vision et intelligence

La qualité des données 3D détermine le succès d'une solution automatisée de séparation et de tri. On pourrait avoir le système le plus intelligent, mais sans de bonnes données 3D sur lesquelles travailler et s'appuyer, sa sortie serait inutile. Une bonne caméra 3D doit fournir une résolution et une précision élevées, un volume de numérisation et une profondeur de champ importants, ainsi qu'une vitesse de numérisation élevée.

D'autres facteurs importants sont la capacité à supprimer la lumière ambiante et les performances "plug-and-play". Si la caméra 3D déployée offre toutes ces fonctionnalités, le système obtient suffisamment de données pour que l'IA les traite et localise avec succès chaque objet.

L'approche la plus moderne de la segmentation et de la localisation des colis alimentées par l'IA consiste à utiliser des réseaux de neurones convolutifs, qui ont fait de grands progrès au cours des dernières années. Ces réseaux de neurones peuvent reconnaître des colis, des enveloppes et même des sacs de n'importe quelle forme, texture et matériau, ainsi que leurs dimensions, leur position et leur orientation.

Les meilleures solutions sont basées sur des algorithmes qui ont été formés sur d'énormes bases de données d'objets et peuvent donc facilement et rapidement généraliser et reconnaître de nouveaux types d'objets qu'ils n'ont jamais vus auparavant. Les rides, déformations et autres irrégularités ne doivent pas faire obstacle à une reconnaissance rapide.

Une fois la détection et la localisation réussies, le robot reçoit l'ordre de sélectionner un objet particulier, puis de le placer à un emplacement prédéfini, par exemple sur un tapis roulant.

Défis majeurs pour la singularisation

Les développeurs de systèmes de singularisation robotique sont confrontés à de nombreux défis. Un problème majeur pour la vision 3D est posé par les surfaces qui sont brillantes ou réfléchissantes, contiennent divers motifs et images, ou sont noires. Les variétés de texture causent également des difficultés. Les colis sont généralement empilés de manière non structurée, se chevauchant, ce qui rend difficile leur localisation.

L'un des plus grands défis réside dans la nature des sacs - leur forme est déformée, pleine de plis et de rides, ce qui rend extrêmement difficile pour un robot préhenseur de les saisir. Ce sont les raisons pour lesquelles il est si essentiel de combiner une vision 3D de haute qualité avec des algorithmes d'IA avancés et sophistiqués - seul ce puissant combo peut relever de manière fiable tous les défis ci-dessus.

Étendre la gamme d'applications

L'utilisation d'une solution d'automatisation alimentée par l'IA ne se limite pas à la simple séparation et au tri des colis. Si une caméra 3D peut numériser des scènes en mouvement en haute qualité et à grande vitesse, il est possible de mesurer les colis à la volée et de les trier en fonction de leur taille ou d'autres critères.

Par exemple, Photoneo MotionCam-3D, qui est capable de capturer des objets se déplaçant jusqu'à 40 m/s, peut atteindre une précision de mesure de 1 cm et fournit une résolution de carte de profondeur de ~2 Mpx et 15 millions de points 3D/sec.

Les systèmes combinant l'IA et la vision artificielle 3D peuvent également être utilisés pour déplier ou déballer des enveloppes et des colis froissés - et effectuer virtuellement des transformations géométriques - afin d'améliorer la lisibilité de l'OCR pour un traitement ultérieur. Ce que certains de ces systèmes permettent également, c'est le tri des colis sur la base de codes-barres.

Les applications et les capacités possibles de ces systèmes se développent et s'étendent avec les progrès de l'IA et de la vision artificielle, mais aussi avec les demandes du marché qui dictent la direction de ce développement.

La séparation robotique peut augmenter la sécurité, la productivité et la fiabilité, tout en réduisant considérablement les coûts. L'automatisation est devenue un outil crucial pour optimiser les processus en logistique. Les entrepôts et les centres de distribution ont eu du mal à retenir les travailleurs pendant les énormes augmentations du flux de colis pendant les vacances et maintenant du commerce électronique pendant la pandémie de COVID-19. Le déploiement de robots intelligents guidés par la vision pour la séparation et le tri de flux de colis énormes et non structurés est le moyen de répondre à ces défis.

Cet article a été initialement publié dans Le rapport sur les robots sous le titre :"Comment la séparation et le tri des colis peuvent bénéficier des robots alimentés par l'IA". .