针对传统重工制造业自动化分拣存在的工件种类繁杂多样、工件背景环境嘈杂、工件尺寸差异巨大等痛点,面向重工行业工件切割下料分拣场景,推出国内首套基于AI + 3D视觉的全自动智能下料分拣产线。该产品集工件高精度视觉检测、工件精准识别与动态抓取、自适应柔性分拣与智能规划码放以及多机器人协同规划等技术于一体,全方位解决切割后废料筐内平面工件的自动、快速、精准、柔性分拣,并结合上下游工序,全局调度分拣工序各环节工艺的全自动闭环控制。
设计上充分结合行业内用户典型生产状况,严密考虑了工件的砂光、喷码、校平、码盘等工艺需求和工序流程,能够完成工件全生命周期管理和全流程自动化分拣。技术上集工件高精度视觉检测、工件精准识别与动态抓取、自适应柔性分拣与智能规划码放,以及多机器人协同规划等技术于一体,可实现下料切割件的自动、快速、精准、柔性分拣,在为企业降低大量人力成本的同时,实现产能跨越式提升,助推重工制造业的智能化转型升级。该成果工作节拍可达到10秒以内,识别准确率超***%,可识别缝隙宽度约为***,可识别海量工件种类,并支持工件归类放置。针对特定场景内置优化抓取码垛算法可以实现精准避障
1、弱特征钢板切割件高精度定位与识别。针对钢板切割下料分拣中光照环境复杂、切缝特征微弱、工件位移变形等核心难点,采用点云图像跨模态融合特征增强、基于注意力机制的特征学习及匹配、基于点云深度学习的6D位姿估计等技术,实现了弱特征钢板切割工件高精度检测、识别与抓取,识别准确率达99%以上;2、海量工件小样本细粒度识别。针对分拣场景中工件种类繁多、类间差异度小、训练样本不足等核心难点,采用海量目标增量式识别、注意力引导的细粒度分类、对比学习小样本分类等技术,实现了海量工件准确识别,准确率达***%;3、超大视场下工件精准识别与定位。针对大型工件分拣过程中相机视场有限、工件尺寸跨度大、识别定位精度低等核心难题,采用多相机高精度图像拼接、超大拼接图像多尺度目标检测、可形变模板匹配等技术,实现了十米级视野下工件的亚毫米级定位;4、构建了分拣产线数字化智能控制系统。该系统融合了生产订单和设备状态等数据,可对分拣产线进行柔性调度和控制,具备产线动态调优、多工位选位、多机协同分拣、动态码盘等功能;5、采用自主设计的点阵式单点可控柔性端拾器,结合3D视觉的智能化控制算法,实现了对异形工件的精准吸附。
公司团队在计算机视觉、机器人、3D图形、云计算大数据等领域拥有多年研究积累,多项研究成果达到国际领先水平,多次获得国家和省部级科技奖励。现有近300人团队,其中博士占比10%,硕士以上60%,本科以上99%,来自于普林斯顿、瑞士联邦理工、德国波恩大学、德国慕尼黑理工大学、美国哥伦比亚大学、加拿大西安大略大学、上海交通大学、武汉大学、华中科技大学、西安交通大学、同济大学、天津大学、中南大学、湖南大学、中科院等知名高校与科研机构,技术力量雄厚。
评价单位:“科创中国”机器视觉与智能产业科技服务团 (中国图象图形学学会)
评价时间:2022-11-01
综合评价
该成果集工件高精度视觉检测、工件精准识别与动态抓取、自适应柔性分拣与智能规划码放,以及多机器人协同规划等技术于一体,实现了切割后废料筐内平面工件的自动、快速、精准、柔性分拣、全局调度以及各环节工艺的全自动闭环控制。在弱特征工件高精度检测、海量工件准确识别、超大视场下工件精准定位、海量工件的灵活抓取等方面取得了一定技术上的突破,可有效为各类工业生产企业降低人力成本,实现产能跨越式提升,助推重工制造业的智能化转型升级,技术有一定的创新性且相对成熟,目标市场正处于成长期,该成果具有一定的竞争优势。
总体而言,该成果技术思路方向较好,未来市场空间较大,有利于当前政策要求,转化成熟度很高,值得支持推广。建议强化成本控制,与竞品对比体现出差异化优势,从而实现规模化推广应用。建议强化相应产品开发,加大产业链开发力度。
查看更多>