物流系統視覺機器人貨物識別與揀選方法

耿遠程 （福建信息職業技術學院，福建 福州 350003）

0 引 言

近年來，隨著經濟全球化和物流需求的不斷增長，物流業務量逐漸增大，人工揀選效率的低下逐漸凸顯出來。如何在可接受成本前提下提高物流的效率，成為許多物流企業急需解決的問題。隨著人工智能技術的不斷發展和機器人技術的逐步成熟，越來越多物流企業開始將物流機器人應用于實際物流過程中。相關數據顯示，2021年我國物流機器人行業市場規模達到126億元，同比增長63.6%（見圖1）。我國物流機器人銷量持續增加，2021年銷量達到7.2萬臺，同比增長75.61%（見圖2）。

圖1 2015—2021 年我國物流機器人行業市場規模及增速情況

圖2 2017—2021 年我國物流機器人銷量及增速情況

視覺機器人技術可以有效解決物流行業揀選效率低、人力成本高等問題。目前，視覺機器人已經應用于多個領域，如工業生產、制造業、倉儲物流等。視覺機器人可以通過采集傳感器數據，并利用計算機視覺算法對圖像進行分析和處理，以實現快速準確的目標檢測和識別。因此，基于視覺機器人的貨物識別和揀選方法開展研究，對于提高物流揀選效率、降低物流成本具有重要的意義。本文旨在研究基于視覺機器人的貨物識別和揀選方法，以期為物流企業使用視覺機器人提供參考。

牛威楊（2023）[1]指出加強對智能倉儲物流中機器人技術的應用，能夠更好地實現無人管理、柔性化管理目標；劉昊等（2023）[2]設計了基于物聯網的物流搬運機器人，有效實現了對物料的搬運、分類和管理；賈照麗等（2023）[3]論述了機器人避障技術在物流分揀行業中的應用；黃志明（2022）[4]指出物流機器人系統的應用加速了倉庫智能化程度的升級，使倉庫從傳統走向智能；胡榮等（2022）[5]提出結合激光跟蹤儀器測量裝置，可以實現智能物流分揀跟隨機器人的輸出終端控制設計。

1 相關介紹

1.1 物流系統視覺機器人

物流系統視覺機器人是一種利用計算機視覺和機器學習技術的自動化設備，在物流過程中用于圖像識別、目標檢測和智能決策。物流系統視覺機器人被廣泛應用于物流活動的以下環節：其一，貨物分揀。視覺機器人可以通過攝像頭捕捉物品的圖像，并使用圖像識別算法對物品進行分類和識別。它可以快速準確地將不同類型的貨物分揀到相應的目的地，提高分揀效率并降低出錯率。其二，庫存管理。視覺機器人可以實時監測倉庫貨架上的貨物情況，并運用圖像識別技術跟蹤庫存的數量和位置，還可以幫助物流企業精準掌握庫存情況，優化貨物存儲和調配計劃，減少庫存積壓和缺貨現象的發生。其三，貨物追蹤。視覺機器人可在整個物流過程中跟蹤和定位貨物。它可以使用圖像識別技術對貨物進行標記和跟蹤，實時更新貨物的位置和狀態信息，有助于物流企業實現對貨物路徑和流向的可視化管理，提高運輸效率和安全性。其四，安全監控。視覺機器人可以在物流場景中進行安全監控和風險預警。它可以通過圖像識別和行為分析等技術，檢測到異常行為、盜竊以及其他安全問題，并及時報警或采取相應措施，保障物流作業的安全性和穩定性。

1.2 物流系統中貨物識別與揀選的重要性

物流系統中貨物識別與揀選對提高物流效率和準確性起著至關重要的作用：首先，可以減少由人工帶來的錯誤。利用視覺識別技術的機器人可以精確地辨別不同類型、不同尺寸、不同形狀的貨物，大大降低了人工錯誤的風險。其次，可以提高工作效率。視覺機器人能夠運用高速圖像處理和機器學習算法，快速準確地判斷貨物的屬性和目的地，從而實現快速揀選和分揀。相比于人工操作，機器人具有更高的工作效率，能夠在較短時間內處理大量貨物。在提高工作效率的同時還可以降低成本，通過自動化的貨物識別與揀選系統，物流企業可以減輕對人力資源的依賴，降低人工成本。再次，高效的貨物揀選和分揀能夠縮短物流時間，優化運輸方案，降低成本。最后，可以提升服務質量。準確的貨物識別和揀選可以避免貨物錯發、漏發等問題，有助于物流企業及時、精準地處理和交付貨物，提供更好的服務質量，增強客戶忠誠度和口碑提升客戶滿意度和信任度。

2 貨物識別方法

2.1 圖像采集與處理

2.1.1 使用攝像頭進行實時圖像采集

使用攝像頭采集實時圖像是貨物識別過程中必不可少的一步。攝像頭可以捕捉到待識別物品的圖像，并將其實時傳輸到計算機或其他識別設備中進行處理。在進行攝像頭采集時，需要考慮攝像頭的質量、采集環境的光線和背景、采集角度和距離等因素。攝像頭實時圖像采集流程如圖3所示。

圖3 攝像頭實時圖像采集流程

2.1.2 圖像預處理

圖像灰度處理是圖像處理的一項基本操作，可以將彩色圖像轉換成灰度圖像。灰度圖像是一種黑白圖像，每個像素的值代表該像素的亮度，像素值通常在0～255之間。圖像灰度處理的主要目的是去除彩色圖像中的顏色信息，更專注于圖像的灰度值，從而使圖像處理更加高效和方便。常見的圖像灰度處理方法包括平均值法、加權平均法、最大值法、最小值法等。對于一張彩色圖像，它的像素點可以表示為（r，g，b），其中，最大值法：gray=r'=g'=b'=max（r，g，b）；平均值法：gray=r'=g'=b'=（r+g+b）/3；加權平均法：gray=r'=g'=b'=Wrr+Wgg+Wbb，經過研究分析，當Wr為0.299，Wg為0.588，Wb為0.114時，視覺識別的灰度圖像處理效果最好。

數字圖像去噪中的值濾波是一種基于排序的空域濾波方法，它的原理是取一組大小為M×N的像素點，按照灰度值大小進行排序，然后取中間值作為濾波輸出。中值濾波不僅能夠很好地去掉椒鹽噪聲等隨機噪聲，還能夠保留圖像的邊緣信息，避免因使用低通濾波器而過度模糊圖像。其基本步驟如圖4所示。

圖4 中值濾波數字圖像去噪流程

其中，第三步可以使用公式表示如下：

m、n是上文提到的像素坐標，k、l值與模板大小的選取有關。總體來說，中值濾波是一種簡單高效的去噪方法，常用于數字圖像處理、計算機視覺和圖像識別等領域，也是處理圖像噪聲的一個最佳選擇。

2.2 物體檢測與定位

物體檢測和定位是計算機視覺中的重要任務，涉及在圖像或視頻中檢測并定位感興趣的物體。本文選取Sobel算子開展物體邊緣檢測。Sobel算子的原理是基于像素點的梯度值進行計算，通過計算每個像素點在水平和垂直方向上的梯度值來計算出整個圖像的梯度變換。Sobel算子可以使用不同的核大小進行計算，通常使用3×3的核來計算水平和垂直方向上的梯度值。這些梯度值可以用于檢測圖像中的邊緣和輪廓，邊緣和輪廓就是像素值改變的地方。對以上（m，n）周圍的點進行排列，然后使用Sobel算子進行計算，具體步驟如下。

其中，常數c為2，sx與sy卷積模板如下。

2.3 物體特征提取與描述

物體特征提取是描述物體或場景的本質特征的過程，它能夠用定量和可識別的方式描述物體或場景的屬性和特征。特征提取旨在找到可以描述和區分不同物體或場景的特征，而具有明顯特征的物體或場景能夠更容易地被識別和分類。通過使用RGB空間中的彩色圖像轉換為HSI空間進行特征提取。其中，H、S、I計算方法如下。

2.4 分類與識別

分類和識別是計算機視覺領域中重要的任務，主要目的是對圖像進行自動分類和標記。本文采用并行融合系統進行分類與識別，一種基本并行融合系統的方式是將多個單分類器的輸出同時輸入一個融合器中，使用一個綜合的融合函數將這些單分類器的輸出結果有機結合起來，從而構建一個完整的模式識別系統。視覺識別并行融合系統可以通過結合不同的單分類器來提高識別的準確性、魯棒性、適應性和實時性，是一種高效、優秀的模式識別方法。使用單個分類器進行分類工作，也有利于分類速度的提高。其框架如圖5所示。

圖5 并行融合系統框架

3 貨物揀選方法

3.1 揀選任務規劃與調度

貨物揀選任務規劃與調度首先需要在貨物揀選任務開始之前，根據客戶訂單和倉庫的庫存情況進行任務規劃。這就要求要提前了解訂單中的產品種類和數量以及目前所在的庫存區域和庫存數量等信息，以便確定哪些貨物需要揀選以及在哪個區域能夠找到它們。其次，調度機器人進行貨物揀選任務分配。規劃揀選任務后，需要將任務分配給機器人進行揀選。可以使用調度算法將任務分配給不同的機器人，以最大化揀選效率。例如，可以使用最短路徑算法來規劃機器人的運動路徑，以最小化機器人的行程和揀選時間。其中可以使用多源，無負權邊的算法，設定如下。

設Di，j，k為從i到j的只以（1...k）集合中的節點為中間節點的最短路徑的長度。

若最短路徑經過點k，則Di，j，k=Di，k，k-1+Dk，j，k-1；若最短路徑不經過點k，則Di，j，k=Di，j，k-1。因此，Di，j，k=min（Di，k，k-1+Dk，j，k-1，Di，j，k-1）。其中Di，j表示由點i到點j的代價。

需要注意的是，在機器人揀選貨物時需要對其進行監控和管理，以確保其按照預定路徑進行揀選，并及時發現和解決出現的問題。可以通過使用傳感器監測機器人的位置和狀態，并對機器人進行遠程控制和監管。

3.2 機器人抓取與搬運

為了實現快速的搬運操作，機器人需要具有高效的控制系統，可以實時響應操作指令，并且具備快速而平穩的移動能力，保證在較短時間內完成大量貨物的搬運任務。可以采用控制程序操縱機器人進行抓取與搬運，如圖6所示。在物流機器人的選擇上，對于貨物的抓取，要采用機械臂或夾爪等裝置。機械臂的抓取方式要根據具體的貨物形狀和重量來選擇不同的機械臂類型和抓取器械；夾爪要根據貨物型號的不同來選擇不同的夾爪形狀。此外，機器人的視覺系統要幫助控制機械臂或夾爪的位置及姿態，以達到更精準的抓取。對于貨物的搬運，機器人需要具有高精度的定位和操縱能力。在搬運過程中，機器人可以通過激光雷達或視覺系統來定位目標的位置，然后采用機械臂或者輪式機器人等方式實現精準搬運的操作。

圖6 機器人抓取與搬運控制系統

3.3 關鍵技術及挑戰

物流機器人的貨物揀選涉及以下三種關鍵技術。一是視覺引導與定位技術。對于貨物的實時監測和定位，需要具備高精度的視覺引導和成像技術，但是需要克服照明、遮擋等復雜環境的影響，確保貨物能夠被準確識別和定位。二是姿態控制與力控制技術。為了實現對貨物的準確抓取和放置，需要具備高精度的姿態控制和力控制技術。這是對機器人控制系統優化和集成的一項挑戰。三是協作機器人系統設計與集成。物流機器人通常需要與其他機器人或設備進行協作，完成復雜的運輸和分揀任務。需要注意的是，應該對機器人的系統設計和集成進行全面考慮，確保機器人間的通訊和協作更加順暢和高效。

4 未來物流系統視覺機器人的發展方向

4.1 智能化與自主性提升

未來物流系統視覺機器人的發展方向是智能化與自主性提升。在智能化方面，物流系統視覺機器人的感知、認知和決策能力將越來越強。通過集成高清攝像頭、深度相機、激光雷達等傳感器設備，機器人可以實時獲取周圍環境的圖像、深度和位置信息。同時，借助計算機視覺和機器學習技術，機器人可以對圖像數據進行處理和分析，實現目標檢測、物體識別、路徑規劃等功能。此外，機器人還可以運用自然語言處理技術與人進行交互，并具備學習和推理能力，能夠根據不同的任務需求做出相應的決策和行動。在自主性提升方面，物流系統視覺機器人將具備更高的自主導航和操作能力。借助先進的定位與導航系統，如激光SLAM技術，視覺機器人可以在復雜的環境中完成自主導航，包括地圖構建、路徑規劃和障礙物避讓等功能。結合感知能力和運動控制算法，視覺機器人可以快速、準確地完成各項復雜的物流操作工作。

4.2 多模態感知與融合

隨著科技的進步，傳感器技術的發展和應用場景不斷擴大，物流行業對于機器人在多種感知模態下的能力和整合能力提出了更高的要求。多模態感知是指物流系統視覺機器人能夠同時利用多種傳感器對環境進行感知并獲取數據。常見的感知模態包括視覺、聲音、力觸、激光雷達等。結合多種感知模態，機器人可以獲取更加豐富、全面的環境信息，提高感知的準確性和魯棒性。例如，在物流倉庫中，機器人可以通過視覺感知識別貨物的位置和標識，通過聲音感知識別異常噪音或報警信號，通過力觸感知檢測物體的質地和形狀等。多模態感知的應用可以使機器人更好地適應各種復雜的物流環境，并提高其在執行任務時的效率和安全性。多模態感知的融合就是將來自不同傳感器的數據進行集成和處理，實現對環境的全面理解與場景分析。通過機器學習、數據融合算法等技術手段，可以將來自多個傳感器的信息整合在一起，構建更準確、可靠的環境模型。在物流系統中，通過將視覺數據與聲音、力觸等其他傳感器數據相結合，機器人可以更好地感知運輸貨物的狀態、識別異常情況，并做出針對性的決策。例如，當機器人在搬運貨物的過程中發現視覺上的障礙時，可以結合激光雷達數據規劃路徑，避開障礙物。多模態感知的融合可以提高機器人在復雜環境下的適應能力和運行效果。

4.3 協作與協調能力增強

隨著物流行業的快速發展和工作場景的日益復雜化，單個機器人往往難以獨立完成所有任務，為此，提升機器人的協作與協調能力具有重要意義。一方面，物流系統視覺機器人的協作能力指的是多個機器人之間的合作與配合能力。通過建立機器人之間的通信和協調機制，可以實現多個機器人在同一任務或不同任務中的協同工作。例如，在倉庫環境中，多個視覺機器人可以分擔貨物的揀選、包裝、運輸等任務，通過有效的任務分配和資源優化，提高整體物流效率。同時，機器人之間的協作還可以增強物流系統的靈活性和魯棒性，當其中一個機器人出現故障或任務繁重時，其他機器人可以自動接替其任務，保證物流流程的連續性和穩定性。另一方面，物流系統視覺機器人的協調能力指的是機器人與人類操作員之間的協同工作能力。在物流領域，視覺機器人往往需要與人類操作員共同完成任務，因此，機器人應具備與人類進行有效溝通與合作的能力。例如，機器人需要理解和響應操作員的指令，并在工作過程中及時與操作員進行交互和反饋。通過引入自然語言處理、人機界面等技術，可以達到機器人與操作員之間的協調與配合，提高工作效率和準確性。

4.4 完善的安全性和可靠性

隨著自動化技術在物流行業的不斷應用，視覺機器人作為關鍵的配送和操作工具，其安全性和可靠性成為人們重要關注的領域。首先，完善安全性是確保物流機器人能夠在各種工作環境下安全運行的關鍵。如今的物流場景日益多樣化，機器人需要適應不同的操作環境，包括倉庫、工廠、道路等。其次，可靠性是確保物流機器人長時間、高效運行的必要條件。可靠性涉及機器人的穩定性、故障率和維護性等方面。通過不斷提升機器人的安全性能和穩定性能，可以確保其在復雜的物流環境中高效、安全地運行，為物流行業的自動化提供有力支持。

5 結 論

隨著經濟社會的不斷進步，物流行業得到了迅猛發展，現代物流配送中心已經成為整個社會經濟發展的重要基礎設施。然而，在現代物流配送中心中，傳統的人工分揀方式工作效率低且準確率低，不能滿足現代物流配送中心對貨物分揀高效率、高精度和高可靠性的要求。因此，開發和應用機器視覺技術以提高貨物識別與分揀準確率成為一個重要研究課題。本文就物流系統視覺機器人貨物識別與揀選方法展開分析，以期為物流企業使用視覺機器人提供參考。