基于机器视觉的物流系统智能化发展研究

刘 爽（贵州大学 管理学院，贵州 贵阳 550025）

0 引言

近年来，随着线上直播平台的增多，主播带货已成为一大热点，加上原有的电商平台的不断发展，极大地的增加了消费者线上购买商品的频率，使得商家每日需要处理的包裹数量巨大。包裹从卖方发货到买方签收之间还要经历多个流程，如商品的入库贴签、集中存储、分拣归类、装车运输、签收扫描等环节。每一个环节的工作看似简单，但要高效、准确地完成以上流程并非易事，随着科学技术的不断发展，智慧物流诞生了。

智慧物流依托人工智能和大数据技术，搭建了一个全方位的综合性物流管理系统，它可以通过先进的信息采集和处理方式，完成物流和商品信息的数字化加工，实现实时更新、数据共享和自我调整功能。智慧物流通过信息的高效流转，减少了流程中很多重复性的工作，达到了降本增效目的，该系统将是未来物流行业发展的方向，国家也出台了很多文件和制定了相关政策鼓励物流行业更加智能、更加高效和更加绿色的发展[1]。

机器视觉作为机械设备的“眼睛”，通过硬件和软件的组合可以准确地完成物体的外观测量、定位和特征检测等工作。在快递物流行业，机器视觉的应用起到了至关重要的作用，传统的视觉检测系统功能单一，对场景的适应能力差，运用范围受到限制，识别精度也参差不齐，随着深度学习等智能算法的出现和三维扫描技术的升级，极大地改善了执行速度和识别精度，显著提高了快递物流行业的智能化程度[2]。

1 物流系统的模块化设计

1.1 视觉识别模块。机器视觉不是一个单一的模块，它是通过光源、相机、传感器和集成了图像处理功能的处理器组成的系统。光源主要是为图像采集时提供照明，光源的种类和颜色有多种，应用的场景和识别的目标不一样，它的配置就有所差异。相机负责抓拍图片，按照靶面类型不同可以分为线阵相机和面阵相机，两者的差异主要是图片生成的方式不一样，按照芯片类型不同还可以分为CCD 相机和CMOS 相机。CCD 相机体积小、重量轻、低功耗、响应快。CMOS 相机成像快、帧率高。传感器主要是由电控系统控制，配合相机或机械臂完成拍照或抓取动作。处理器集成了图像处理算法，可以快速地输出坐标、尺寸和其他参数，是机器视觉系统的核心构成部件[3]。

1.2 机构执行模块。机构执行模块包含机械装置和控制器，负责完成系统输出的一系列指令。由于被检测物体大多处于运动状态，控制系统的设计必须保证执行结构动作频率与当前物体移动的速度相匹配，同时控制器还需要将图像处理后的结果传递给末端执行部件，驱动机械装置完成特定动作。常用的机械装置大多数采用气动系统或液压系统驱动[4]。

图1 视觉系统的组成

图2 图像处理的基本流程

1.3 电路控制模块。电路控制主要还是采用PLC 控制，它体积小、工作性能稳定、抗干扰能力强，广泛运用于快递行业的各个环节。首先需要根据项目需求选择一款合适的控制器，然后根据项目流程完成PLC 的I/O 分配。同时对相关组态和通讯设置进行修改，完成与相机的视觉系统的信息交互。当物体通过传送带运送到位时，接近开关响应，同时给PLC 一个输入信号，此时PLC 给相机一个高电频信号，促使相机执行拍照动作。图片经过处理以后会输出位置参数，此时这个数据将发送到PLC，PLC 接收到这个数据时，通过逻辑上的计算和处理后发送给伺服电机实现智能化控制，大大减少人工成本和流程的作业时间。

2 机器视觉在物流系统中的应用

2.1 在商品分拣系统中的应用。物流的分拣作业是物流运输过程中十分重要的一个环节，在我国分拣环节很多时候还是需要人力来完成，分拣工作量大、效率低、成本高、出错率高。因此，在物流分拣领域，如何用机器代替人工成为了国内外学者研究的重点。目前，快递转运中心使用的主流分拣方式为交叉带分拣，杭州海康机器人股份有限公司推出了一套交叉带整场自动化分拣的解决方案，主要包括：交叉带分拣、矩阵分拣、交叉带检测、条码识别等多方案配合，用以解决快递物流行业的各个环节痛点，助力快递物流企业降本增效，提高竞争力。国内的大型物流公司也开始研制自己的分拣系统[5]，余明江等人[6]利用STM32 单片机、OpenMV 摄像头、压力传感器等组成了一套分拣系统，通过机械夹的设计，增加了物品的安全性。罗健等人[7]提出了双目视觉的物流分拣方法，通过分析和改进测量算法，提高了测量精度和计算速度，董楠[8]提出的激光扫描分拣入库方法在系统订单分拣时极大地提高了包裹入库的效率。

2.2 在仓储管理中的应用。当今，随着科技的高速发展，物流行业发展迅猛，这就要求物流与仓储管理二者要在短时间内对数以万计的包裹展开入库、运送、分拣及派送进行高效的处理，过去的仓储管理体系很难满足当下快节奏的配送要求。全自动物流机器人是智能仓储管理中不可或缺的工具，凭借全天候不停歇地执行各项运输程序，相比于人力工作而言，极大地降低了成本和安全风险。因此，新的现代智能仓储管理体系随之建立起来，目前已经在各环节实现了智能化运行，能够对物件进行全程跟踪以及可视化管理。目前在物流仓储中基于机器视觉的主要研究方向包括优化小车的行走路径[9]，提高货架的利用率[10]，监督仓储过程中人员的不安全行为[11]和火灾预警系统的研发[12]等，并取得了不错的成果。

2.3 在终端配送中的应用。终端配送系统的智能化应用离不开机器视觉的集成，如终端智能仓库。终端智能配送机器人等，显著地便利了我们的生活，提高了快递配送的效率。智能快递柜作为解决“最后一公里”配送问题方案[13]已经应用于社区，无人车被视为快递三轮车的有效替代者，或将改写最终的配送格局。同时借助5G 技术的无人机配送也在快速推进，国外麻省理工学院创业团队也在针对终端配送问题研制快递智能小车，但是如何降低成本，实现规模效应，还有较长的探索之路要走[14-15]。

3 面临的问题及解决方案

3.1 自动分拣过程中对包裹的识别能力有待加强。由于分拣作业时包裹的规格尺寸不一，形状各不相同，条码时有遮挡，导致设备很难对拍摄的图片进行快速准确的解码，甚至误读相邻包裹的代码。如何提高智能识别技术的应用效果成为物流分拣环节的一个技术瓶颈。未来研发的重点将集中在以下方面。一是利用深度学习的智能算法提高包裹种类的识别精度，通过提供大量不同场景拍摄的图片进行训练，以及网络模型的不断学习优化，能够去除背景的干扰，快速准确地完成识别和抓取工作。二是利用三维视觉检测技术实现形状尺寸参数测量。三是设计高效的单件分离技术，通过对包裹实时精准定位，再搭配智能控制系统完成单个包裹的固定间隔式分离，提升转运效率，减少人为干预。

3.2 专业人才的稀缺。物流行业的智能化发展，是多项技术协同作用的结果，包括机器视觉技术、电路控制技术，计算机编程技术、机器人控制技术以及大数据分析技术等。它们之间相互结合带动着整个行业的变革，由于系统存在多学科交叉的特点，对操作人员或开发人员的专业知识要求较高，他既要对整个环节的框架结构清楚明了，还要有解决分支模块的专业技能，这样的复合型人才很少，使得不同的人员对系统的操作和维护效果差异很大。为了解决这一问题，首先应该鼓励各大高校在本科生和研究生的培养过程中，多参加一些具体的项目，在项目中将学到的理论知识运用于实践，不能只停留于实验室单一的模拟环境，只有在真实的应用场景中才能检验方法的有效性。其次应该鼓励企业加大新进技术人才轮岗学习的机会，通过师带徒的模式、实质性的考核标准和激励机制，推动年轻人快速成长。

3.3 终端智能化设备成本较高。智能化终端设备的出现一定程度上缓解了包裹出库效率低的问题，比如智能快递柜和无人配送小车在大学校园中的广泛应用。但是随着维护成本的增加和交通运输条件的限制等原因，使得这一模式很难在大多数地方推广。成本一直是企业关注的重点，一味地加大投入而收效甚微，这个项目就失去了它存在的意义。智能快递柜推广难主要在于群众对收费合理性的质疑以及企业运行维护成本高。首先，建议政府和社区联合设立快递服务平台，用于快递柜的存放，免去企业租赁费用。其次，企业应健全收费标准，使得收费更加透明合理。针对无人配送小车的推广，第一步应改善小车内置道路识别算法的适应性，提高小车出行的安全性和高效性，简化取货流程加快出货速度，第二步则是增加宣传力度，面向大众普及小车的功能和带来的便利。

4 结束语

智慧物流是未来物流行业发展的必由之路，随着智能化的不断升级加上“数字驱动”，物流行业的产业分工将更加细化和全面，资源配置将得到进一步优化。机器视觉技术作为一项先进的智能化技术，在分拣、码垛、缺陷检测、终端配送等环节发挥着巨大的作用。降低了企业的运用成本，缩短了包裹流通的时间，减少了流程中的资源消耗和碳排放，今后也将在不断优化和高度集成的过程中迎接更加艰巨的挑战，不断推动着物流系统朝着更加智能化、绿色化发展。