应用场景

目前大型转运中心对于单件分离系统的需求主要存在两个场景当中：前端分拣和末端自动化，几大头部快递公司中，部分公司由于不使用集包袋，前端卸车对于人工摆件要求较高，是亟需改善的环节；而另外一部分公司如通达系使用集包袋，在前端自动化需求没那么迫切；不过末端矩阵分拣后包裹仍有较大几率汇聚，故末端场景的单件分离是这部分用户的主要需求。

系统介绍

海康机器人单件分离系统以自研的RGB-D智能立体相机为核心，内置3D图像处理和深度学习算法，可对包裹进行实时精准定位，配合自研的智能控制系统、控制模组完成包裹的分离，实现其单个且相互保持固定间隔进入后续DWS等读码系统，最大操作效率可高达1万件/小时，且无惧信封件、黑包裹、集包袋等特殊形态。

RGB-D智能立体相机：智能核心，内置深度学习定位分割算法，超大视野，降低成本，灵活部署，支持一键标定，多相机融合

强大算法：使用2D深度学习实例分割+3D定位算法实现精准包裹定位，高效识别多种类型包裹，无惧信封件、黑包裹、集包袋等特殊形态

智能核心：业界首创使用RGB-D智能立体相机，相机内部完成包裹定位及分割算法，在实现2D+3D算法运算的同时达到超高帧率的结果输出

系统灵活，扩展性高：视觉方案可根据分离机长度、包裹尺寸上下限等灵活调整相机数量，只需一键即可完成系统标定，部署简单

系统构成：通过主动双目立体成像技术，结合彩色摄像头输出高帧率RGB-D图像，利用内置深度学习算法及3D图像处理算法，得到准确的三维信息；智能控制系统通过三维信息，给出包裹通过时的最优组合，并反馈至PLC控制伺服电机加减速、启停等，完成包裹的分离。

上游：包裹在场内传输装置上，进入系统之前；

传输带A：从上游进入系统，增加一段传输带过渡；

包裹分散：主要将黏连通过的包裹拉开少许间距，用于优化单件分离的分离效果，且防止包裹拥堵时卡包；

单件分离：将并排包裹进行分离，实现包裹前后通过；

居中装置：将靠边包裹进行居中处理，确保包裹通过时在传送带正中间，同时也可起到拉包效果；

传输带B：从系统进入下游，增加一段传输带过渡，此传输带可做拉包功能使用，也可以不增加该段，系统能与下游对接上即可；

下游：包裹离开单件分离系统，进入下游，如识别、分拣等；

产品介绍


系统特点：相机结合2D深度学习实例分割算法及3D图像处理算法，进行图像处理，精准判断包裹数量及位置。

特色功能 – 位置预测：根据海康RGB-D智能立体相机输出的包裹坐标信息可计算包裹移动速度，并据此预测一定时间之后的位置，此功能有2个用途：

•系统延迟补偿 – 算法计算时间、电机响应等延迟导致控制命令生效时包裹位置已和拍摄时位置有出入，开启位置预测功能可补偿由系统延迟带来的偏差，使得间距控制更为精准。

•易滚件检测 – 同样利用位置预测功能，通过对预测位置和实际位置重叠部分的阈值判定，可以对部分容易滚动的异形件进行检测，以便后段剔除。

特色功能 – 深度图分割算法：基于深度学习的RGB实例分割算法可精准定位包裹，但是深度学习算法的通病在于其往往需要大量的标注图片作为训练数据库，而图片标注则是一个相当费时费力的工作，是目前项目部署实际投入资源最大的一个环节。此外在环境光较弱的情况下，RGB sensor难以拍摄清晰图片，对定位效果影响也较大。

针对这些痛点，海康算法团队开发了基于深度图的定位分割算法，利用深度图特征定位包裹。应用于单件分离项目之后，无需繁复采图训练即可达到95%+的分离准确率，大大缩短了第一次项目部署的所需时间。而后续则可搭配标准的实例分割算法，定位结果融合输出，进一步提高定位精度。

总结：海康机器人单件分离系统已广泛应用于各大快递物流中心，最大操作效率可高达1万件/小时，分离准确率达到99%以上，解决了原先由于矩阵分拣导致的包裹黏连等问题，弥补了效率短板，大幅提升转运中心整体运作效率。