Coleção robótica de sacolas – não tão utópica afinal

Objetos dispostos aleatoriamente de formas irregulares, feitos de materiais flexíveis que são facilmente deformáveis, enrugados e, portanto, difíceis de localizar? Este é agora um problema do passado.



«Decidimos utilizar nossa experiência, conhecimento e habilidades para aumentar ainda mais o desempenho de nossas soluções baseadas em IA e “ensiná-las” a detectar e coletar sacolas.»











Bin picking – ou seja, detecção robótica e seleção de objetos dispostos aleatoriamente de dentro de um bin com base em modelos CAD – é um tipo comum de aplicação com a qual lidamos, mesmo em ambientes industriais desafiadores. Nosso Bin Picking Studio é uma solução de seleção completa para integradores robóticos, que não precisam saber nada sobre visão computacional para configurá-la. Suas características robustas possibilitaram a entrada em basicamente todos os setores industriais – automotivo, manufatura, logística e outros.

No entanto, gradualmente começamos a receber solicitações de nossos clientes para uma solução que lhes permitisse coletar objetos de formas irregulares e em posições aleatórias dentro da lixeira . Começamos a trabalhar em algoritmos que nos permitiriam escolher esses tipos de objetos e, após algum tempo de esforço intensivo, nossas soluções orientadas por IA primeiro viu a luz do dia. Graças a algoritmos sofisticados, eles nos permitiram localizar e selecionar objetos de diferentes tamanhos, várias texturas e formas arbitrárias, incluindo deformações. Além do mais, os objetos não precisam ser empilhados em padrões ordenados, mas podem ser colocados de forma absolutamente aleatória e o robô ainda é capaz de reconhecê-los e pegá-los. Nossas soluções baseadas em IA possibilitadas por uma combinação de visão 3D precisa e algoritmos avançados de IA mostraram ao mundo as imensas oportunidades de automação de manuseio de materiais, fabricação, logística e muito mais.

E foi a logística que nos mostrou que ainda faltava uma última lacuna para cobrir todo o tipo de objectos e aplicações – e esta residia no facto de as mercadorias nem sempre serem transportadas em caixas sólidas mas algumas delas virem em sacos . Estes representam um grande desafio para a classificação automatizada, pois não mantêm sua forma - são flexíveis, enrugados, facilmente deformáveis ​​e, portanto, muito difíceis de localizar . Decidimos utilizar nossa experiência, conhecimento e habilidades para empurrar ainda mais o desempenho de nossas soluções baseadas em IA e “ensiná-las” a detectar e coletar sacolas .

O reconhecimento de limites entre sacolas que são colocadas caoticamente em um contêiner pode ser difícil até mesmo para humanos. A tarefa fica ainda mais complicada para bolsas transparentes . Difícil – mas possível. Desenvolvemos uma rede capaz de reconhecer malas, às vezes melhor do que nós. Eles podem estar sobrepostos e impedindo que sejam recolhidos, mas nosso sistema pode lidar com isso com facilidade e não permitirá que o robô pegue sacos totalmente ou parcialmente cobertos .

Outra dificuldade comum surge da natureza do material de que as sacolas são feitas - elas estão cheias de dobras e rugas, o que muitas vezes faz com que caiam da pinça logo após serem detectadas e levantadas com sucesso. Recomendamos o uso de uma pinça a vácuo com feedback para evitar tais falhas.

As soluções com tecnologia Photoneo AI agora são mais inteligentes do que nunca. E eles estão prontos para te atender!