ピースピッキング  Piece Picking System

ランダムワーク ピースピッキング

  
 DeepLearningによ学習アルゴリズムにより認識精度向上!

 

小箱などの比較的小さなワークの画像認識は、絵柄などのテンプレートマッチングを使用する手法の他弊社では、3次元と2次元を組合わせた3次元画像認識やDeepLearningの学習モデルを使用し認識させる手法を用います。特に高さに差がない薄物の認識は2次元の画像情報が不可欠で、色情報を使用して物体の特徴を把握し認識させます。どのくらい量の品種があるかで使用する認識アルゴリズムは異なります。ユーザー様の認識対象の製品を確認した上で最適なシステムを提案させていただきます。

 

ランダムワーク AIピッキング 事例 (2018年~)

DeepLearningでピッキングポイントを学習する手法

品種が多く従来の3次元のモデルマッチングの使用が難しい場合。AIによりピッキングポイントを学習させて画像認識を行います。必要な画像は30~60枚ほどです。学習の時間はPCに依存致しましたが10~20分ほどになります。画像は3次元に2次元のRGBを付加した色付き点群を使用します。


 

バラ積みピッキング 種別判定機能を付加 事例 (2018年~)

バラ積み状態の製品の位置と種別判定を行う最新の認識アルゴリズム!

DeepLearingによる学習によりバラ積み状態のワークの種別判定も可能となりました。



ランダムワーク ロボットピッキング 事例 (2015~2018年)

3次元と2次元を組合わせた独自の認識アルゴリズム
     事前登録無しでランダムな製品の認識が可能!

3次元と2次元の画像認識を組合せてランダムワークを認識させる手法。事前登録は不要
 

                                                     


 

 

 

 

 

 

 

 


modori.png