【摘 要:文章介紹了一種快遞入庫智能分揀機器人系統,該系統應用機械臂和視覺識別系統的結合,使快遞入庫分揀智能化、高效化,徹底解決了快遞入庫分揀是遇到的常見問題,同時也解放了快遞入庫員的雙手,使快遞入庫更加準確、高效。】
引 言
傳統方式的物流快遞入庫方式是入庫人員用掃描槍掃描快遞的二維碼,將快遞逐一入庫,這種人工操作方式效率低,在掃碼過程中容易出錯,漏掃、重復掃描的快遞會時有發生。項目通過機械臂與百度人工智能相結合,解決目前中小快遞站的痛點問題。系統應用的小型機械臂為主要操作工具,在快遞放入功能區后,視覺識別系統通過掃描條形碼方式識別快遞信息,與后臺數據庫進行信息核對,核對信息如果有誤,機械臂將快遞放入指定的錯誤區域,等待特殊處理過程,如果快遞核對信息正確,機械臂將快遞放入傳送帶,快遞進入快遞緩沖區,等待視覺系統讀入快遞信息并在后臺數據庫建立一一對應的倉庫位置信息,然后機械臂將快遞送至指定位置,完成快遞的入庫,此過程完全由機器自主完成,節約了大量的人力物力,并且此過程可以24小時不間斷作業,快遞入庫效率大大提高。
1、前期調研
在開發本系統前,學生團隊對本院的菜鳥驛站進行了大量的實地調研,學生作為快遞公司的員工正式上崗,對快遞進行分揀入庫,當時正值學院暑期放假時間,學生冒著高溫酷暑,進行崗位實習,充分體會了快遞入庫人員的辛苦及其繁瑣的入庫工作,找到了他們的崗位工作痛點:
(1)快遞核驗工作全部依靠手工操作,繁瑣而且工作量大;
(2)倉庫空位置查詢工作人工完成,并手工記錄空倉位子,速度慢、效率低。
針對以上快遞站的兩個痛點,開發了本系統。
2、系統開發
2.1 快遞信息校驗
首先,快遞有區域快遞站送到中小快遞站(菜鳥驛站)時,需要經過站內人員對快遞進行信息核驗校對,即從后臺的信息數據庫里調出用戶數據與快遞包裹上的信息進行核對,有些非淘寶件,上面的用戶信息不透明,還需要工作人員手動輸入信息,由于菜鳥驛站每天需要處理的包裹非常多,整個快遞入庫核驗的過程工作量巨大,而且核驗過程是一個重復性極強的工作,完全可以由機器代替,因此本過程由視覺系統和機械臂配合共同來完成,首先由視覺系統捕捉快遞包裹上的地址、人名、電話等二維碼和文字信息,然后與數據庫中的信息進行比對,如果核對信息正確,機械臂將快遞包裹送至傳送帶,運輸至入庫,如果快遞包裹信息錯誤,機械臂將包裹放入錯誤區域。
2.2 快遞包裹入庫
由傳送帶運輸過來的快遞包裹,由視覺系統捕捉,視覺系統此時查詢倉庫中的空倉位置,如果有空倉位置,通知機械臂將快遞包裹送到指定空倉位置,并記錄快遞包裹的準確位置,并將數據寫入后臺數據庫。
3、代碼編寫
3.1 快遞信息校驗代碼編寫
3.2 快遞入庫代碼編寫
4、產品功能
快遞入庫智能分揀機器人系統,通過機械臂與人工智能視覺的結合,解決目前中小快遞收發點存在的問題。本系統操作流程如下:快遞送貨員將快遞送到站點,工作人員把貨物放入指定位置,視覺識別快遞并判斷快遞信息的正確與否,如果錯誤則放入指定的錯誤區域,如果正確通知機械臂將貨物送入傳送帶,視覺系統讀入快遞信息并建立位置信息,機械臂把貨物放入到倉庫指定位置,上述過程通過視覺識別系統和機械部的配合實現了快遞的入庫。
5、產品特點
隨著互聯網技術的快速發展,中國的快遞量也呈遞增趨勢,2018年全年快遞業務量達到507.1億件,在中小快遞站,大量的快遞包裹都是人工入庫,耗費了大量的人力資源和時間成本。本系統通過機械臂與人工智能視覺的結合,解決目前中小快遞收發點存在的上述問題。應用本系統可以降低人工輸入過程中可能出現的失誤,并且節約了很多時間和大量勞動力,具體有如下特點:
(1)能全天候工作、不需要休息。本系統利用機械臂與傳送帶配合流水作業方式來自動分揀,不受氣候、人的體力、時間等的限制,可以連續作業,因此自動分揀系統在效率上遠遠高于人工作業。
(2)相比于人工分揀,誤差率降低。本系統的分揀誤差率僅在3%,遠遠低于語音識別方式輸入和人工鍵盤輸入方式,本系統的誤差也局限于二維碼的印刷本身有差錯,否則不會出錯。因此,本自動分揀系統主要采用二維碼技術來識別貨物。
(3)分揀系統的無人化操作。本自動分揀系統能最大限度地減低人力資源成本,做到無人化,分揀系統本身不需要人為干預,但是后期的設備維護等,還是需要人工來進行。
6、產品應用
產品的目標市場定位是中小快遞站,通過機械臂與傳送帶配合來進行快遞的分揀入庫。解決了傳統的人工手工掃描入庫的效率低且容易出錯的問題。產品定價上通過成本定價和市場需求來決定產品的價格,建立多元化發展的市場定位,完善價格體系。
新時代鞋服物流與供應鏈面臨的變革和挑戰03月07日 20:38
點贊:這個雙11,物流大佬一起做了這件事11月22日 21:43
物流管理機構及政策分布概覽12月04日 14:10
盤點:2017中國零售業十大事件12月12日 13:57
2017年中國零售電商十大熱點事件點評12月28日 09:58