作者：Neil Ballinger 是 EU Automation 的 EMEA 負責人。（圖片來源：EU Automation）

使用所謂的拾取和放置機器人進行訂單揀選并不是什么新鮮事。然而，直到現在，機器人還不能準確地從一個由各種零件組成的垃圾箱中挑選物品，并將其放入機器中--但現在這種情況正在改變。在這篇文章中，自動化部件供應商EU Automation（德國自動化零部件供應商）的歐洲、中東和非洲地區負責人Neil Ballinger討論了選擇垃圾箱揀選機器人的挑戰。

在垃圾箱揀選機器人中的機器視覺系統在工作場所提供了許多好處。這些措施包括減少零件的處理，引入機器人的適應性自動化，更好地利用操作人員的時間，減少操作人員患上RSI綜合癥的風險。然而，在此類任務的有效性方面超過人類之前，這項技術仍有很長的路要走。

撿拾垃圾的機器人仍需克服的挑戰之一是垃圾箱中物體的排列。撿拾垃圾的機器人有時難以檢測到垃圾箱中難以區分的小物品或隨機排列的物品。為了解決這個問題，cobots需要具有高動態范圍、高分辨率和高精度的3D視覺系統。

但是，即使滿足了這些要求，閃亮和反光的部件仍然是一個問題，因為三維圖像處理系統往往難以從反光或閃亮的物體上獲得良好的三維數據。這是因為反射和相互反射會導致點云的失真和反常。

圖像處理系統，垃圾箱揀選系統的進一步挑戰

對于bin-picking系統的另一個挑戰是較少的閉塞離群值。這可能是由基線較寬的相機或相機定位不佳造成的，然后導致在垃圾箱邊緣出現陰影。因此，基于視覺的機器人可能會錯過角落里 "被遮擋 "的物體，從而造成細節的損失。這個問題可以通過更小的基線和更好的相機位置來解決，以包括更高的光學遮擋。

雖然更好的相機和相機位置無疑有助于提高精度，但它們不一定能解決揀選圖像處理系統的所有問題。例如，在處理疊加的、柔軟的和可變形的部件，如塑料袋或不同高度和形狀的物體時，垃圾箱揀選機器人仍有問題。

這些機器人也會遇到影響性能的干擾。例如，如果cobot被移動，就會影響到距離的計算，導致cobot撞上容器的側面或其他部分。這意味著機器人不是完全自主的，如果發生錯誤，仍然需要人類的監督。

高質量垃圾箱揀選機器人的案例

盡管在開發垃圾箱揀選機器人方面存在挑戰，但目前市場上有許多型號的機器人在視覺和隱蔽性問題上都有所改進。其中一個例子是歐姆龍的協作式TM機器人，它集成了視覺，支持工業級的模式識別、物體定位和條形碼識別。

倉位揀選視覺系統的一個成功例子是為倉位揀選開發的Zivid Two 3D相機。Zivid Two擁有一個超緊湊的深度傳感器，基線小，閉塞性能更理想。

自20世紀90年代首次出現以來，撿拾垃圾的機器人無疑已經取得了長足的進步。盡管如此，在不再需要人類或人類監督之前，還需要一些時間。考慮到彌補技能和人員短缺的持續壓力，這項技術很可能在不久的將來發展到接近人類能力。在此之前，目前可用的垃圾箱揀選視覺系統可以幫助減少傷害，實現質量控制和更多。

機器損壞和故障停工可能給企業造成數百萬元的收益損失。EU Automation 向您提供全球范圍內觸手可及的自動化零部件供應，讓全球各地的制造商避免不必要的故障停機時間。機器故障和停工會給企業造成數百萬元的收入損失。我們向全世界供應全新、翻修以及淘汰的自動化零件