Rastgele Kutu Seçimi Tam Kılavuzu
Rastgele Kutu Seçimi Nedir?
Rastgele kutu seçimi, bir robotun, 3D kamera yardımıyla, rastgele düzenlenmiş, bilinmeyen yönelimlere ve düzensiz pozisyonlara sahip nesneleri bir kutudan veya konteynerden alması işlemi olarak tanımlanır. Bu süreç genellikle üretim ve depo ortamlarında uygulanır ve temel amacı, rastgele veya düzensiz bir yığın içinden öğelerin otomatik olarak alınmasını sağlamaktır.
William Lemus’tan uzman görüşleri,
Yurtdışı Saha Uygulama Mühendisi Müdürü,
Solomon Teknoloji Şirketi
Rastgele Kutudan Seçme Endüstrileri ve Örnekleri
Rastgele kutudan seçme, nesnelerin kutulardan veya konteynerlerden ayrılması ve sıralanmasının tekrar eden, iş gücü yoğun ve zaman alıcı olduğu endüstrilerde çok değerlidir. Aşağıda çeşitli sektörlerdeki çöp kutusu toplama uygulamalarından birkaç örnek verilmiştir.
Metal Nesnelerin Rastgele Kutudan Seçilmesi
Lojistik
Lojistik ve depo yönetiminde, rastgele kutudan seçme, kutularda rastgele konumlandırılmış pek çok paketin sıralanması ve işlenmesi için kullanılır. Örneğin, küresel bir e-ticaret platformu için yapılan bir projede, karışık paketler kutulardan seçildi ve yüksek hızda bir konveyör bandına yerleştirildi. Ana zorluk, ağır paketlerin güvenli bir şekilde işlenerek hatalı işleme veya hasar riskini engelleyen yüksek hızda seçme oranlarını sürdürmekti. Solomon’un AI çözümü, sistemin hızlı çalışmasını sağladı, yüksek işleme taleplerini karşıladı ve farklı paket boyutları ve ağırlıklarını doğru ve güvenli bir şekilde işledi.
Otomotiv
Otomotiv endüstrisinde, rastgele kutudan seçme, otomobil bileşenlerinin işlenmesi ve sıralanmasında kullanılır. Kutudan seçme sistemlerinin ana zorluğu, her parçanın doğru şekilde sınıflandırılması, seçilmesi ve düzgün bir şekilde istiflenmesini sağlamak için yüksek doğruluk elde etmektir. Büyük bir Japon otomobil üreticisi için yapılan bir projede, AccuPick, otomobil parçalarını doğru bir şekilde işlemek için kullanıldı. Bu sayede montaj ve yerleştirme hataları ve kusurlarının önüne geçilerek genel verimlilik artırıldı.
Gıda ve İçecek
Gıda endüstrisinde, rastgele kutudan seçme, gıda ürünlerinin sıralanması ve işlenmesinin otomatikleştirilmesinde önemli bir rol oynamaktadır ve operasyonel verimliliği önemli ölçüde artırır. Solomon’un bu sektördeki dikkat çekici projelerinden biri, lider bir çok uluslu şekerleme şirketi ile yapılan işbirliğiyle, paketlenmiş kurabiyelerin kutulardan seçilerek konveyör bandına aktarılmasıydı. Ana zorluk, sistemin dakikada yaklaşık 30 ila 35 kurabiye seçip yerleştirmesi gerektiği için döngü zamanını optimize etmekti. Otomasyon, operatörlerin fiziksel yükünü azaltmak ve kas iskelet sistemi yaralanmalarını en aza indirmek için uygulandı, bu da nihayetinde hem iş güvenliğini hem de üretim hattı verimliliğini artırdı.
Üretim
BiKutudan seçme, üretimde çeşitli bileşenleri seçmek ve sıralamak için yaygın olarak kullanılır. Endüstriyel robotlar ve otomasyon makineleri üreten bir lider firma, belirli metal parçaların yüksek hızda rastgele kutudan seçilmesi için kutudan seçme işlemi gerçekleştirmek zorundaydı. Ana zorluklar, sıkı döngü zamanı ve doğruluk gereksinimleriydi. Nesnelerin düşüş istasyonunda istiflenmesi gerektiği için herhangi bir seçim hatası, yanlış istiflemeye yol açardı. Nesneler üstten veya arkadan bir bakış açısıyla yerleştirilebiliyordu, değişken eğim açılarıyla, bu da AI’nın her yüzü ve açıyı doğru şekilde tespit etmesini gerektiriyordu. Metal nesnelerin parlak yüzeyi, 3D kameralar için ışık yansıması nedeniyle ek bir zorluk oluşturuyordu. Bu yansıma, hem 2D görüntü hem de 3D nokta bulutunu bozarak seçim doğruluğunu düşürebiliyordu. Bu sorunu aşmak için, SolScan endüstriyel 3D kamera, genellikle kullanılan beyaz ışık yerine yeşil projektör ışığı ile donatıldı.
Orijinal 2D Görüntü
2D AI Algılama ile Açı Tanıma
3D Nokta Bulutu ile Seçim Noktası Yerleştirilmesi
İlaç ve Medikal
İlaç ve medikal endüstrisinde, çöp toplama si̇stemleri̇, yüksek hızlı ortamlarda çeşitli öğeleri hassasiyetle yönetmek için hayati öneme sahiptir. Bu durumda, bir ilaç dağıtıcısı, farklı şekil, boyut ve renklere sahip kutular ve şişeler dahil olmak üzere çeşitli konteynerleri, her bin içinde yaklaşık beş öğe rastgele konumlandırılmış ve yönlendirilmiş olarak yönetiyordu. Ana zorluk, ürünün barkodunun alım sırasında görünür olduğundan emin olmaktı, çünkü öğeler barkod okuyucuları arasında yerleştirilerek tarama yapılması gerekiyordu. Çalışma alanı sınırlıydı ve robotlar, katı döngü sürelerini karşılamak için yüksek hızda çalışmak zorunda kaldığından, çarpışma riski artıyordu. Bu sorunu çözmek için AccuPick kullanıldı. Hareket planlama yazılımı, güvenli ve çarpışmasız yollar hesapladı, ayrıca yerleşik AI, yüksek doğrulukta algılama yaparak robotun öğeleri herhangi bir pozisyondan (üst, yan veya alt) almasını sağladı ve barkodu engellemeden alım yaptı. İki farklı robot uç etkileyici—biri büyük bir emiş pedi, diğeri küçük bir emiş pediyle—kullanıldı ve nesne algılama sonuçlarına, konum ve türüne (kutular veya şişeler) dayanarak stratejik koşullar ve kurallar oluşturuldu, böylece her bir özel nesne durumu için uygun uç etkileyici seçildi.
Rastgele Bin Picking Sistemi Temel Unsurları
Araç Merkez Noktası (TCP) Kalibrasyonu
Robotun uç efektörü uygulama için seçildikten ve robotun flanşına monte edildikten sonra TCP kalibrasyonu yapılmalıdır. TCP, robotun uç efektörünün doğru pozisyonu ve yönü hakkında talimatlar vermek için referans noktası olarak kullanılır.
TCP Kalibrasyonu
Görüş Sistemi ile Robot Kalibrasyonu
Görüş sistemi ile robot arasında kalibrasyon yapmak çok önemlidir. 3D kameranın koordinat başlangıcı kameranın tabanında bulunurken, robotun koordinat başlangıcı robotun tabanında yer almaktadır. Kalibrasyon, robotun kameranın koordinat sistemini anlamasını ve bu koordinatları kendi koordinat sistemine dönüştürmesini sağlar. Sonuç olarak, 3D tarayıcıdan robotuna gönderilen herhangi bir pozisyonel ve dönüşsel koordinat doğru bir şekilde yorumlanır ve robotun istenilen pozisyon ve dönüşle belirli bir noktaya ulaşması sağlanır.
3D Tarama ve Nesne Algılama
3D tarayıcı, bin içindeki nesnelerin hem 2D görüntülerini hem de 3D nokta bulutlarını yakalar. Bu veriler, alım için temel kriterlere uyan nesneler için bir alım noktası oluşturmak amacıyla kullanılır. Bu kriterler projeye göre değişebilir, ancak genel olarak şunları içerir:
• Bin’in üst yüzeyinde bulunan nesneler.
• Diğer öğeler tarafından engellenmeyen veya yalnızca hafifçe engellenmiş olan nesneler.
• Nesnenin alım yönünü belirlemeye yardımcı olan görünür özellikler.
• Nesneler güvenli bir şekilde konumlandırılmış ve döndürülmüş olmalıdır, böylece robot veya uç efektörü alım sırasında çarpışma yapmaz.
• Bin’in üst yüzeyinde bulunan nesneler.
• Diğer öğeler tarafından engellenmeyen veya yalnızca hafifçe engellenmiş olan nesneler.
• Nesnenin alım yönünü belirlemeye yardımcı olan görünür özellikler.
• Nesneler güvenli bir şekilde konumlandırılmış ve döndürülmüş olmalıdır, böylece robot veya uç efektörü alım sırasında çarpışma yapmaz.
Alım Noktası Oluşumu ve Uygulama
Her nesne için alım noktası genellikle hem pozisyonel hem de dönüşsel koordinatları içerir. Alım noktası oluşturulduktan sonra, robot bu alım noktasını alır. Ardından robot kontrolörü, bu noktaya ulaşmak için yolu hesaplar. Çarpışma öncesi ortamlarda daha zor uygulamalar için, güvenli bir yol hesaplamak adına hareket planlama yazılımı gereklidir. Alım noktasına ulaşıldığında, robot nesneyi alır ve ardından istenilen konum veya bin’e bırakır.
Döngü Tekrarı
Mevcut döngüdeki tüm algılanan nesneler alınıp bırakıldıktan sonra, yeni bir döngü tarama adımından başlar. Bu, bin boşalana kadar kesintisiz çalışmayı sağlar.
Rastgele Bin Picking Zorlukları ve Çözümleri
Sıkı Döngü Zamanı Gereksinimleri
Sıkı döngü zamanı gereksinimleri olan projeler, her adımın hızla tamamlanması gerektiğinden önemli zorluklarla karşılaşır. Anahtar faktörler şunlardır:
• 3D Kamera Çekim Süresi: 3D kamera, hem 2D görüntüleri hem de 3D nokta bulutlarını hızlı bir şekilde yakalamalıdır.
• Görüntü ve Nokta Bulutu Oluşumu: 2D görüntüleri ve 3D nokta bulutlarını oluşturacak algoritmalar verimli ve optimize edilmiş olmalıdır.
• Nesne Tanımlama: Nesne tanımlama algoritması hızlı olmalıdır; burada KI, hız ve doğruluğu büyük ölçüde artırabilir.
• Alım Noktası Yerleştirme: Alım noktalarını belirleme algoritması hızlı olmalıdır. Burada da KI kullanılarak yüksek hız elde edilebilir.
• Hareket Planlaması: Hareket planlama sistemi güvenli yolları hızlıca hesaplamalıdır.
• Robot Hızı: Robot, döngü zamanı taleplerini karşılamak için yüksek hızda çalışmalıdır.
• Sonlandırıcı Seçimi: Uygun sonlandırıcıyı seçmek, başarısız seçimleri minimize etmek ve nesnelerin robot hareketleri sırasında güvenli bir şekilde tutularak taşınmasını sağlamak için kritik öneme sahiptir.
• 3D Kamera Çekim Süresi: 3D kamera, hem 2D görüntüleri hem de 3D nokta bulutlarını hızlı bir şekilde yakalamalıdır.
• Görüntü ve Nokta Bulutu Oluşumu: 2D görüntüleri ve 3D nokta bulutlarını oluşturacak algoritmalar verimli ve optimize edilmiş olmalıdır.
• Nesne Tanımlama: Nesne tanımlama algoritması hızlı olmalıdır; burada KI, hız ve doğruluğu büyük ölçüde artırabilir.
• Alım Noktası Yerleştirme: Alım noktalarını belirleme algoritması hızlı olmalıdır. Burada da KI kullanılarak yüksek hız elde edilebilir.
• Hareket Planlaması: Hareket planlama sistemi güvenli yolları hızlıca hesaplamalıdır.
• Robot Hızı: Robot, döngü zamanı taleplerini karşılamak için yüksek hızda çalışmalıdır.
• Sonlandırıcı Seçimi: Uygun sonlandırıcıyı seçmek, başarısız seçimleri minimize etmek ve nesnelerin robot hareketleri sırasında güvenli bir şekilde tutularak taşınmasını sağlamak için kritik öneme sahiptir.
Yüksek Seçim Doğruluğu
Yüksek seçim doğruluğu, etkili rastgele kutudan seçim için çok önemlidir. Anahtar hususlar şunlardır:
• Uygun 3D Tarayıcı: Nesne malzemesi, çalışma mesafesi ve kutu boyutları için uygun bir 3D tarayıcı seçmek önemlidir.
• Yüksek Çözünürlük: 3D tarayıcı, ayrıntılı yakalama için yüksek çözünürlük sunmalıdır.
• Bilgisayarla Görüntüleme ve Görüntü İşleme: Gelişmiş bilgisayarla görüntüleme teknikleri ve görüntü işleme, doğruluğu önemli ölçüde artırabilir.
• Nesne Tespiti İçin AI: Doğru AI algoritmasını seçmek, nesne tespiti doğruluğunu iyileştirebilir.
• Seçim Noktası Yerleştirme İçin AI: AI 3D eşleştirme yöntemleri, seçim noktası yerleştirmesinin doğruluğunu daha da iyileştirebilir.
• İnce Ayar: 3D tarayıcı parametrelerinin, görüntü işleme tekniklerinin, 2D tespit AI algoritmasının ve seçim noktası yerleştirme için 3D eşleştirme yönteminin kapsamlı ince ayarları, optimal performans için gereklidir.
• Stabil Aydınlatma Ortamı: Tutarlı sonuçlar elde etmek için stabil bir aydınlatma ortamının sağlanması önemlidir.
• Uygun 3D Tarayıcı: Nesne malzemesi, çalışma mesafesi ve kutu boyutları için uygun bir 3D tarayıcı seçmek önemlidir.
• Yüksek Çözünürlük: 3D tarayıcı, ayrıntılı yakalama için yüksek çözünürlük sunmalıdır.
• Bilgisayarla Görüntüleme ve Görüntü İşleme: Gelişmiş bilgisayarla görüntüleme teknikleri ve görüntü işleme, doğruluğu önemli ölçüde artırabilir.
• Nesne Tespiti İçin AI: Doğru AI algoritmasını seçmek, nesne tespiti doğruluğunu iyileştirebilir.
• Seçim Noktası Yerleştirme İçin AI: AI 3D eşleştirme yöntemleri, seçim noktası yerleştirmesinin doğruluğunu daha da iyileştirebilir.
• İnce Ayar: 3D tarayıcı parametrelerinin, görüntü işleme tekniklerinin, 2D tespit AI algoritmasının ve seçim noktası yerleştirme için 3D eşleştirme yönteminin kapsamlı ince ayarları, optimal performans için gereklidir.
• Stabil Aydınlatma Ortamı: Tutarlı sonuçlar elde etmek için stabil bir aydınlatma ortamının sağlanması önemlidir.
Rastgele Nesne Yönelimi
Kutulardaki nesneler genellikle rastgele düzenlenmiş, bilinmeyen yönelimlerde ve düzensiz pozisyonlarda olur. Bu rastgelelik, nesnelerin birbiriyle engellenmesine yol açabilir. Bu zorlukların üstesinden gelmek için çeşitli stratejiler uygulanabilir:
• Katman Katman Yaklaşımı: En uygun nesneleri tarayın ve seçin, ardından bir sonraki iterasyonu başlatmak için yeniden tarayın, katman katman ilerleyin.
• Kutu Çalkalayıcı: Nesnelerin pozisyonlarını değiştirmek için bir kutu çalkalayıcı kullanın.
• İki Aşamalı Seçim: İlk olarak, nesneyi mümkün olduğunca etkili bir şekilde seçin, ardından daha doğru alım için nesneleri diğer nesnelerden ayırarak ikincil bir istasyonda işlem yapın.
• Sonlandırıcı: Uygun sonlandırıcıyı seçmek, zorlu senaryolarda nesnelerin başarıyla seçilme olasılığını artırmak için çok önemlidir.
• Kutu Tasarımı: Kutunun tasarımı kritik öneme sahiptir. Belirli uygulamalar için tersine koni şeklinde bir kutu tasarımı etkili bir çözüm sunabilir.
• Katman Katman Yaklaşımı: En uygun nesneleri tarayın ve seçin, ardından bir sonraki iterasyonu başlatmak için yeniden tarayın, katman katman ilerleyin.
• Kutu Çalkalayıcı: Nesnelerin pozisyonlarını değiştirmek için bir kutu çalkalayıcı kullanın.
• İki Aşamalı Seçim: İlk olarak, nesneyi mümkün olduğunca etkili bir şekilde seçin, ardından daha doğru alım için nesneleri diğer nesnelerden ayırarak ikincil bir istasyonda işlem yapın.
• Sonlandırıcı: Uygun sonlandırıcıyı seçmek, zorlu senaryolarda nesnelerin başarıyla seçilme olasılığını artırmak için çok önemlidir.
• Kutu Tasarımı: Kutunun tasarımı kritik öneme sahiptir. Belirli uygulamalar için tersine koni şeklinde bir kutu tasarımı etkili bir çözüm sunabilir.
Eksik Seçim Doğruluğu
Gelişmiş görsel sistemlerin yeteneklerine rağmen, seçim doğruluğu her zaman %100 olmayabilir. Kutunun alt kısmında, kenarlarda veya köşelerde konumlanmış nesneler, yerlerinden dolayı seçilmemiş olabilir. Bu durumlarda, nesneleri daha erişilebilir alanlara yeniden konumlandırmak için bir kutu çalkalayıcı kullanmak etkili bir çözüm olabilir.
Sınırlı Çalışma Alanı ve Yüksek Robot Hızı
Sınırlı alanlarda, yüksek hızda robot hareketi gerekliyse, hareket planlama yazılımı gereklidir. Çalışma alanı ve sonlandırıcı için hafif bir CAD dosyası gerekebilir, bu dosya robot modelini içermeli ve potansiyel rotaları simüle ederek en güvenli yolu hesaplamalıdır.
Şeffaf veya Parlak Nesneler
Şeffaf veya parlak metal nesneler, seçim noktası yerleştirme için doğru bir nokta bulutu üretme konusunda ek zorluklar yaratabilir. Çözümler arasında AI, bilgisayarla görüntüleme ve görüntü işleme tekniklerinin uygulanması, ayrıca yüksek kaliteli 3D tarayıcıların kullanılması yer alır. Stereo görüntüleme ve yapısal projektör ışığı gibi yöntemlerin birleştirilmesi, farklı ışık renkleri, yüksek çözünürlük ve arttırılmış ışık yoğunluğu ile bu zorlukların üstesinden gelmek mümkündür.
Yapay Zeka Kullanarak Rastgele Kutu Seçme
Yapay Zeka (AI), yüksek kaliteli tespit ve doğru alım noktası yerleştirmeyi sağlarken endüstriyel uygulamalarda rekabetçi döngü sürelerini korumada önemli bir rol oynar. Bilgisayarla görme ve görüntü ön işleme teknikleriyle birleştiğinde, AI, çeşitli çevresel koşullara ve nesne yönelimlerine uyum sağlayabilir. Bu uyum sağlama yeteneği, nesnelerin rastgele yerleştirildiği rastgele kutudan alma uygulamaları için AI’yi özellikle uygun hale getirir. Bu senaryolar için geliştirilen AI modelleri, güçlü ve esnek olmalı, farklı alım zorluklarıyla başa çıkabilmelidir.
AI ve gelişmiş görsel sistemlerle desteklenen rastgele kutudan alma, farklı sektörlerde endüstriyel otomasyonu dönüştürüyor. Solomon’un AI ve 3D görsel çözümleri ile operasyonlarınızı nasıl optimize edebileceğinizi keşfedin.