在机器视觉应用环节中，物体分拣是建立在识别、检测之后的一个环节，通过机器视觉系统对图像进行处理，并结合机械臂的使用实现产品分类。

通过引入视觉分拣技术，不仅可以实现自动化作业，还能提高生产线的生产效率和准确性。特别是在物流行业，工业机器人及3D视觉系统通过代替人工，实现产品从检测、识别到分拣、拆码垛等全环节的自动化作业。

物体分拣是工业生产环节中的重要一环，其对产品的分类起着重要的作用。从目前来看，基于AI+机器视觉技术进行物体分拣程序的设计及应用能够实现有效应用，其具有速度快、规模大等特点，还能够有效解决传统分拣中存在的分拣错误率高、人工劳动强度大等问题。

基于视觉的分拣系统主要包括工作平台单元、视觉单元、机器人控制单元三部分组成，其中：

· 工作平台单元由工件放置台和工件放置槽组成，能够对不同产品进行分类放置；

· 视觉单元由工业相机以及视觉软件组成，通过对产品的图像抓取与图像分析，更加准确地进行目标种类的识别，从而计算出产品的具体位置及摆放的方向；

· 机器人控制单元由机械臂等外部执行机构组成，通过响应视觉单元的输出结果，提取、识别并获得机械臂的运行轨迹，从而进一步处理与分析，并最终实现抓取、放置工作。

而该视觉分拣系统，通过模型训练、加载模型实现分类等工作流程，能够做到对不同类别物品的快速分类，并搭配3D视觉设备，精准抓取产品，从而实现工业生产的自动化、智能化、现代化。

据公司相关负责人介绍，物流场景具有 ‘无边界、多品种’ 的特性，所以识别难度大，传统自动化解决方案无法应对，而公司深入调研实际物流场景，以深度学习算法为核心自研视觉分拣解决方案，基于传感技术与机器人控制技术的完美结合，完成机器人抓取，并流畅应对物流行业的识别复杂性。

面对物流行业无序分拣场景，公司创新研发视觉分拣系统，助力物流行业周转箱拆码垛项目及化妆品分拣项目的进行。

周转箱拆码垛案例：

项目难点：

·周转箱重量大、SKU种类繁多、周转箱表面图案复杂

·180秒内需要完成整垛周转箱全流程拆垛及安置

·同步完成视觉测距、定位、探测以及路线规划算法

技术优势：

·集拍照、点云生成、位置获取等于一体

·3D相机+深度学习+机器视觉，多维融合

·自研上千种算法模型，快速完成应用搭建

项目效果：

·24小时工作，节省人力成本60%

·精准识别多种箱体

·通过和机械臂的协同工作，识别错误率0.1%

· 周转箱拆码垛项目

化妆品分拣案例：

项目难点：

·化妆品种类繁多且结构复杂

·要求处理速度最快、频率高

·需要在较小空间内完成产品分拣

技术优势：

·自动识别海量混杂抓取方式

·多视角光场成像

·深度学习算法，持续不断的优化抓取结果

项目效果：

·24小时工作，节省人力成本40%-60%

·分拣准确率达99.9%

·和人工作业相比，持续作业速度可提升1倍

·精准识别并分类化妆品，通过和机械臂的协同工作，识别错误率低于0.01%

· 化妆品分拣项目

视觉分拣系统除上述案例所具备的优势之外，还能够大幅提高生产线的效率，使得机器视觉系统能够在高速运行的同时准确地分拣物品，提高整体生产效率，降低生产成本；能够提升分拣的准确性和一致性，避免了人工分拣中可能出现的错误和混乱等问题；能够根据不同的产品和生产需求进行灵活调整和配置，从而实现更高层次的自动化、智能化、现代化生产流程。

随着物流行业自动化技术的应用愈发广泛，公司紧抓时代机遇，将继续以AI+机器视觉技术，解决分拣过程中的识别复杂性等问题，从而在物流行业分拣领域获取更大收益，并展望未来发展前景。