NUEVA TECNOLOGÍA DE VISIÓN MÁQUINA PARA LA AUTOMATIZACIÓN DE ENTORNOS DE ALMACENES MODERNOS

La adopción de la automatización en el almacenamiento y la logística continúa creciendo a medida que las empresas buscan un medio para mejorar la eficiencia, aumentar el rendimiento e impulsar los ingresos para seguir siendo competitivos. En China, el mercado de robots industriales más grande del mundo; por ejemplo, la automatización de almacenes crecerá a un ritmo tasa de crecimiento anual compuesta del 13.5% en los próximos cinco años, según la empresa de inteligencia de mercado Interact Analysis.

Los sistemas de automatización en los almacenes vienen en varias formas y tamaños, aprovechando tecnologías como la visión artificial, robots móviles autónomos, vehículos guiados automatizados, robots industriales tradicionales, robots colaborativos, control de movimiento y más. Incluso dentro del ámbito de la visión artificial específicamente, se implementan diferentes tipos de tecnologías para ayudar a las empresas a optimizar diversos procesos. A continuación se analizan las diversas formas en que las tecnologías de visión artificial (incluidas cámaras de alta resolución y alta velocidad, lectores de códigos de barras y software) agregan valor en los entornos de logística y almacenamiento actuales.

Los entornos modernos de almacén y logística implementan una amplia gama de tecnologías de automatización, incluidos robots industriales, robots móviles autónomos, cámaras de visión artificial, lectores de códigos de barras, cámaras inteligentes, cámaras 3D y diferentes tipos de software. Desde el momento en que los productos ingresan a una instalación logística hasta el momento en que se empaquetan en un camión para su entrega, la visión artificial desempeña un papel importante. 

Existen varios tipos de aplicaciones, desde paletizado, despaletizado y dimensionado hasta clasificación de alta velocidad y túneles de escaneo. Por supuesto, las necesidades de cada aplicación varían mucho y no todas las aplicaciones de almacén son compatibles con las cámaras de alta velocidad y alta resolución que ofrece Emergent Vision Technologies. Aún así, a medida que las aplicaciones evolucionan y se aceleran, ciertas tareas en el almacén se beneficiarán de dichas cámaras. Éstas incluyen:

Existen varios tipos de tareas de inspección automatizadas dentro de una instalación logística, desde inspeccionar las mercancías en busca de daños a su llegada hasta garantizar que el embalaje esté completo y optimizado antes del envío. Las cámaras de escaneo de área combinadas con software de visión artificial pueden ayudar a automatizar de manera confiable estos procesos y más, incluida la documentación. Esto puede incluir la captura de imágenes de paletas, cajas, remolques y otros equipos para evaluar la calidad y las condiciones generales. 

Las tecnologías de visión artificial también ayudan con el almacenamiento en almacenes, realizando tareas como verificación de existencias, detección de daños y guía de robots, como sistemas automatizados de almacenamiento y recuperación. Mientras tanto, en el cumplimiento, la visión artificial ayuda con varias tareas, incluida la verificación del estado y las dimensiones de los paquetes, la verificación de la selección y la dispensación y la documentación de los envíos salientes.

La logística y el almacenamiento son una industria de bajos márgenes, por lo que la velocidad y la precisión son importantes a la hora de elegir una cámara de visión artificial. Las cámaras de escaneo de área de obturación global se implementan comúnmente en aplicaciones de logística porque los productos están en movimiento a altas velocidades, por lo que detener este proceso significa pérdida de productividad. Las cámaras de alta velocidad han permitido que los sistemas de visión artificial en entornos de almacén se adapten a estas necesidades y mantengan los procesos en movimiento.    

Para aplicaciones de automatización de almacenes donde se requiere una transmisión de imágenes confiable sin paquetes o fotogramas perdidos, las cámaras de Emergent Vision Technologies admiten una configuración optimizada. GigE Vision Enfoque de protocolo de transmisión (GVSP). Esto significa que todas las cámaras Emergent ofrecen capacidades de transferencia de imágenes sin copia y pérdida de datos, lo que garantiza una transferencia de imágenes eficiente con una sobrecarga mínima de CPU, lo cual es crucial para los sistemas multicámara y el procesamiento en tiempo real.

Las cámaras 5GigE, 10GigE, 25GigE y 100GigE de Emergent que cuentan con los últimos sensores Sony Pregius S y Gpixel CMOS brindan una gama completa de opciones para el control de calidad y muchas otras aplicaciones de automatización de almacenes. Las cámaras de nuestras series 5GigE Eros y 10GigE HR aprovechan los siguientes sensores de imagen Sony Pregius S CMOS: 

• 5.1 MP IMX547: Cámara HE-5000-SBL 5GigE (45.5 fps), Cámara HR-5000-SBL 10GigE (99fps)
• 8.1 MP IMX546: Cámara HE-8000-SBL 5GigE (36.5 fps), Cámara HR-8000-SBL 10GigE (73fps)
• 12.4 MP IMX545: Cámara HE-12000-SBL 5GigE (34 fps), Cámara HR-12000-SBL 10GigE (68fps)
• 16.13 MP IMX542: Cámara HE-16000-SBL 5GigE (26 fps), Cámara HR-16000-SBL 10GigE (52fps)
• 20.28 MP IMX541: Cámara HE-20000-SBL 5GigE (21.5 fps), Cámara HR-20000-SBL 10GigE (43fps)
• 24.47 MP IMX540: Cámara HE-25000-SBL 5GigE (17.5 fps), Cámara HR-25000-SBL 10GigE (35fps)

La serie 25GigE Bolt también aprovecha el IMX5.1 de 537MP en su HB-5000-SB (269 fps), 8.1MP IMX536 en su HB-8000-SB (201 fps), 12.3MP IMX535 en su HB-12000-SB (192 fps), 20.28MP IMX531 en su HB-20000-SB, y el IMX24.47 de 530MP en su HB-25000-SB (98 fps).

Fig 1: Los robots guiados por visión pueden aprovechar pinzas de vacío para recoger y colocar cajas de las líneas transportadoras.

Cuando se implementan solos, los robots pueden automatizar de manera confiable tareas repetibles y preprogramadas en muchas industrias diferentes. Sin embargo, cuando los robots se combinan con la visión artificial, los sistemas se vuelven mucho más capaces y flexibles, lo que hace posible un nuevo conjunto de aplicaciones. En entornos de almacén y logística, esto a menudo significa guiar a un robot para localizar, reconocer, seleccionar y colocar objetos para tareas que incluyen gestión de inventario, preparación y embalaje de pedidos, clasificación, paletizado y despaletizado e inspección de calidad.

Si bien muchas aplicaciones de lectura de códigos de barras se logran con cámaras y lectores de códigos de barras inteligentes, existen escenarios en los que tiene sentido emparejar una cámara de visión artificial con un software que pueda decodificar códigos de barras 1D y/o 2D. Por ejemplo, digamos que ya se ha implementado un robot guiado por visión para una aplicación de paletizado/despaletizado que ahora requiere lectura de códigos y verificación de etiquetas de paquetes. El uso de imágenes adquiridas con la cámara existente ofrece un enfoque simplificado para resolver ambos problemas. 

Las cámaras de visión artificial también suelen ofrecer velocidades y resoluciones más altas que los dispositivos de lectura de códigos de barras dedicados, lo que ayuda con la adquisición de imágenes si las paletas se están moviendo o se obtienen imágenes desde la distancia. Además, ciertas aplicaciones pueden requerir cámaras de alta resolución, incluidos escenarios en los que se deben leer códigos de barras más pequeños a distancia o si una instalación desea capturar imágenes para documentación fotográfica o adquirir una vista de una paleta completa cuando llega a la puerta de un muelle. 

Para tales casos, Emergent ofrece una amplia gama de modelos de alta resolución en sus diferentes familias de cámaras, que van hasta la Cámara Zenith HZ-100-G 100 GigE (103.7 MP Gpíxeles GMAX32103) y Cámara Bolt HB-127-S 25GigE (127.7MP Sony IMX661) cámaras.

Fig 2: Los túneles de escaneo aprovechan las tecnologías de visión artificial para la lectura de códigos de barras y las inspecciones de calidad a altas velocidades.

Las cámaras de escaneo de línea también llevan mucho tiempo sirviendo a la industria de la logística. Vitronic, por ejemplo, instaló su tecnología de identificación de paquetes en el centro de distribución de paquetes de UPS más grande del mundo en la década de 1990. En esta configuración, los trabajadores codificaban manualmente paquetes que no habían sido leídos por el sistema de cámaras de escaneo de línea fija de Vitronic que leen códigos de barras y etiquetas en paquetes que se mueven sobre una cinta transportadora. Hoy en día, la empresa todavía utiliza cámaras de escaneo lineal en su sistema de identificación Vipac y logra una tasa de identificación cercana al 100 % utilizando software de visión artificial en lugar de trabajadores humanos para códigos de barras que son difíciles de leer. 

Para cumplir con los requisitos de alta velocidad de los entornos de almacenamiento actuales, las familias de cámaras de escaneo lineal 10GigE, 25GigE y 100GigE de Emergent se pueden implementar de manera confiable para ofrecer capacidades de imágenes sin copia ni pérdida de datos. Los modelos van desde el Cámara de escaneo de línea 4K LR-4KG35 10GigE capaz de 172 KHz al Cámara de escaneo de línea LZ-16KG5 100GigE, que puede alcanzar los 400KHz.

Existen determinadas aplicaciones en las que pueden ser necesarias tecnologías de imágenes especializadas, como la detección de marcas de agua antifalsificación o códigos de seguridad en etiquetas. Se pueden utilizar cámaras infrarrojas de onda corta para tomar imágenes de estas botellas y garantizar niveles de llenado precisos. Cámaras como la HE-300-SI, HE-1300-SI, HE-3200-SIy HE-5300-SI – que forman parte de la serie de cámaras Eros 5GigE: aproveche los sensores avanzados Sony SenSWIR, que son capaz de capturar imágenes en el rango de 400 a 1700 nm. Estas cámaras se basan en los sensores Sony de 0.33 MP IMX991, 1.31 MP IMX990, 3.14 MP IMX993 y 5.24 MP IMX992. 

En otras partes del almacén, las aplicaciones que implican la inspección de materiales brillantes o reflectantes que producen deslumbramiento presentan problemas para las técnicas de imágenes tradicionales. Leer códigos de barras en una lata brillante, por ejemplo, puede resultar casi imposible debido al reflejo. Cámaras de polarización como la HR-12000-SP y HR-5000-SP ofrecen brillo y color mejorados y también pueden capturar detalles que no pueden ser detectados por un sensor de imagen normal en aplicaciones como la inspección de envases de plástico. Estas cámaras se basan en Sony IMX5MZR (mono) e IMX250MYR (color) de 250MP y Sony IMX12MZR (mono) e IMX253MYR (color) de 253MP, respectivamente. Estos sensores cuentan con polarizadores microscópicos de rejilla de alambre sobre cada lente y tienen ángulos de polarización de 0°, 45°, 90° y 135° en grupos de cuatro píxeles; los grupos se interpolan, lo que reduce la resolución funcional general del sensor en 4 veces. En otras palabras, cada bloque de cuatro píxeles equivale a un píxel de salida.

Emergent aprovecha un enfoque GigE Vision optimizado y una infraestructura Ethernet ubicua para una adquisición y transferencia de datos confiable y sólida, con el mejor rendimiento de su clase en lugar de depender de interfaces y placas de adquisición de imágenes patentadas o punto a punto. Emergent admite tecnologías de transferencia directa como las de NVIDIA GPUDirect, que permite la transferencia de imágenes directamente a la memoria de la GPU. La tecnología mitiga el impacto de grandes transferencias de datos en la CPU y la memoria del sistema y, en su lugar, utiliza una capacidad de GPU más potente para el procesamiento de datos, al tiempo que mantiene la compatibilidad con el estándar GigE Vision y la interoperabilidad con software y periféricos compatibles.

Dentro del ámbito de GigE Vision, uno de los problemas que ha llevado al uso del Protocolo de control de transmisión (TCP) o acceso remoto directo a memoria (RDMA) y RDMA sobre Ethernet convergente (RoCE) es la necesidad de diseccionar los paquetes Ethernet en el receptor. para proporcionar los datos de la imagen a la aplicación en forma contigua, lo que requiere dividir los encabezados de los paquetes Ethernet. Hacerlo es posible usando software, pero tiene un costo de rendimiento con el triple de ancho de banda de memoria y una mayor utilización de la CPU, que es algo que RDMA Los usuarios promocionan cuando discuten los pros y los contras de GigE Vision y RDMA tradicionales. 

Emergent Vision Technologies aprovecha un enfoque de transferencia de imágenes sin copia, que se ha convertido en un requisito imprescindible para obtener el máximo rendimiento en imágenes de alta velocidad. Este enfoque minimiza el ancho de banda de la CPU y la memoria mediante el uso de funciones de división integradas disponibles en las tarjetas de interfaz de red actuales. Esta animación muestra los usos del ancho de banda de la memoria de copia cero de un sistema que utiliza el GigE Vision Stream Protocol (GVSP) optimizado para la transferencia de imágenes de copia cero. La primera parte de la animación muestra que el sistema no está optimizado y el buffer en la NIC se desborda, mientras que la segunda parte muestra que los datos fluyen libre y confiablemente a través de copia cero y optimización del sistema.

Para opciones de cámara adicionales, consulte nuestra herramienta de diseño de sistemas interactivos.