ロボットビジョン

一般的に、パレットやかご車内の箱認識は通常絵柄などを事前登録して、登録情報に基づき箱の認識を行う2次元の古典アルゴリズムを使用する場合が多いですが、当社では箱（矩形）におけるほぼ全てのワークを絵柄などの事前登録マスターを使用せず、認識することが可能です。箱サイズ情報のみを使用して、カメラで取得した３次元及び２次元の箱の形状から数学的手法と画像を認識を組合せて、箱の個々の認識を行います。

DeepLearning機能により、袋の重なりを学習させます。学習に必要な画像は30～60枚ほどです。学習で得られるAI model（判定アルゴリズム）と通常の3次元認識に実装し、より高精度な画像認識を実現します。袋の中でも絵柄もなく無地に近い状態の材質でも判定率は99％以上を維持することができます。3DとAI（ディープラーニング）による2Dの画像処理を組み合わせ、従来難しかった難易度の高い袋ワークにも対応可能です。

充填率が低く薄い袋が複雑に重なり合っている場合、従来は3Dでも2Dでも認識は困難でした。本システムにより通常の3Dと2Dの画像認識にAI（ディープラーニング）による認識を加えることで、重なり合った袋の上下関係の判別が可能となりました。この新しい画像処理技術により、袋をパレットに積み込む際のミスや積上げ手順の不徹底など、積み付け条件の悪いパレットに対してもロボットによるデパレタイズ自動化が可能です。