一种包裹单件分离系统相机分布结构新布局

    公开(公告)号:CN115713617A

    公开(公告)日:2023-02-24

    申请号:CN202211439482.1

    申请日:2022-11-17

    摘要: 本发明公开了一种包裹单件分离系统相机分布结构新布局,包括输送线、扩散区和差速区,差速区包括若干相机,相机采集差速区的范围,相邻两个相机的视野采用多相机图像拼接算法拼接,当若干相机拼接后的视野长度大于差速区长度时,将拼接后的视野依次延伸至扩散区和输送线区,相机拍摄的图片采用径向畸变矫正算法进行图像处理。本发明采用径向畸变矫正算法对相机进行图像处理,能够有效的防止对相机的高度提高后带来的目标成像畸变的问题,同时能够增大相机的视野,使得相机的数量使用相对减少,进而节约了成本,同时采用多相机图像拼接算法对相机的视野进行拼接,使得相邻的相机视野之间不存在重复无效区,进而提高了包裹单件分离的准确。

    一种多包裹分离系统多相机图像拼接算法设计

    公开(公告)号:CN115375549A

    公开(公告)日:2022-11-22

    申请号:CN202211046578.1

    申请日:2022-08-30

    摘要: 本发明公开了一种多包裹分离系统多相机图像拼接算法设计,包括以下步骤:S1.选取重复区域:首先在场景的任务视野下拍摄并保存两张图片,手动在第一个相机图片中选取重复的ROI区域;S2.模板匹配:基于重复的ROI区域利用模板匹配方法,在第二个相机利用滑动窗口方法对模板进行匹配;S3.匹配矩阵生成:根据归一化互相关算法得到匹配矩阵;S4.记录像素坐标:遍历匹配矩阵,得到匹配最大值的位置,并保存这个位置的像素坐标,采用图像拼接的方法对齐各相机采集到的图片并融合为一张,包含各图像信息的高分辨率和宽视角的图像。此种方法可以极大提高系统的柔性和可扩展性,方便对产品进行模块化设计生产和快速有效迭代。

    一种包裹单件分离系统伺服电机结构新布局

    公开(公告)号:CN115892844A

    公开(公告)日:2023-04-04

    申请号:CN202211459634.4

    申请日:2022-11-17

    摘要: 本发明公开了一种包裹单件分离系统伺服电机结构新布局,包括输入段部分、扩散区和差速区,扩散区包括若干个伺服电机,且若干个伺服电机作为包裹单件分离系统的第一部分,扩散区和差速区中包括多个模块,扩散区用伺服电机控制各个模块单独运动,差速区作为包裹单件分离系统的第二部分,传统的单件分离系统扩散区和差速区分别采用单伺服电机和控制卡。本发明扩散区的八个电机作为整套系统第一列,有效增加长度,将传统差速区的第一列顺移为第二列,硬件成本可降低,效率在标准情况下提高500件/小时;本发明根据不同的需求扩展模块,行列不同并对应不同效率,还可通过改变行数来应对不同尺寸货物,达到理论最高效率。

    一种包裹实时分离过程软件模型演示方法

    公开(公告)号:CN115526944A

    公开(公告)日:2022-12-27

    申请号:CN202211045178.9

    申请日:2022-08-30

    摘要: 本发明涉及物流分拣技术领域,具体是一种包裹实时分离过程软件模型演示方法,包括以下步骤启动系统步骤:当系统开始运行后,连接UI、painting和各个线程组件;获得位置信息步骤:根据包裹检测线程,得到包裹的位置信息;动画显示步骤:使用painting类根据坐标转换比例在UI对应区域将包裹位置信息着色并实时更新;速度显示步骤:开始策略线程,得到伺服电机运行状态,将这些速度信息更新到UI中使用不同颜色展示出来:本发明将包裹在UI对应区域的位置进行实时更新,并根据不同伺服电机的运行状态将包裹采用不同的延伸进行展示,使得包括的位置能够明确的进行区分,进而使得包裹在分拣时更加的准确。

    一种基于深度学习的快递包裹检测识别算法

    公开(公告)号:CN115311626A

    公开(公告)日:2022-11-08

    申请号:CN202211045780.2

    申请日:2022-08-30

    摘要: 本发明涉及物流检测识别技术领域,具体是一种基于深度学习的快递包裹检测识别算法,包括以下步骤:S1.预处理步骤:在预处理阶段对数据分别进行了hsv色彩空间增强、尺度变换增强与180度图片翻转增强,赋予了整个网络旋转不变性以及提升了网络对光照变化的鲁棒性以及快件角度变化的鲁棒性;S2.更换算法:在YOLOv5n网络的基础上将CSPDarknet53中的普通卷积层(CONV)换成了GhostConv,减少了网络整体的FLOPs,从而有效减少了检测算法推理时的花销,并且对比原有算法。本发明将YOLOv5中CSPDarknet53的普通卷积层替换成GhostConv,并使用了GIoU loss作为损失函数后运行帧数提升为32帧,mAP0.5的检测精度提升为99.31%,mAP0.5:0.95的检测精度提升为84.85%,可以满足多快件分离系统的实时运行要求和精度要求,并且已经超出同类产品检测算法的16帧检测效率。