一种来料预处理方法及一种机器人分拣系统技术方案

本发明专利技术公开了一种来料预处理方法，包括以下步骤：判断物料是否需要预处理；若需要，则在物料预设位置设置相应的部件，以便物料被识别或抓取。本发明专利技术首先判断物料是否需要预处理，对于不便识别或抓取的物料才需要进行预处理。预处理时，是在物料的合适位置增加合适的部件，使得物料易于识别或易于抓取。本发明专利技术没有对物料及机器人分拣系统做任何复杂改变，却能几乎适用于各种物料分拣场景及机器人分拣系统，还同时解决了物料的准确识别及易于抓取两个技术问题，具有实现方便、适用性广的特点。本发明专利技术还公开了一种机器人分拣系统。

A pretreatment method of incoming materials and a robot sorting system

【技术实现步骤摘要】
一种来料预处理方法及一种机器人分拣系统
本专利技术涉及物流分拣
，特别涉及一种来料预处理方法及一种机器人分拣系统。
技术介绍
当前，机器人广泛应用于物流分拣领域，一般由视觉识别设备对物料进行识别，然后末端夹具(包括机械指或吸盘等)来实现物料的抓取。然而，实际应用中，物料的种类繁多，总有一些物料不便于识别或不便于抓取。比如，有些商品由于包装是透明的不易被准确识别，有些商品的形状不规则不宜被吸盘吸起，又或者商品表面材质不宜被吸盘吸起等。如何实现物料的准确识别，并且针对不同抓取环境、不同尺寸、不同物料形状均能实现高效稳定抓取，一直是行业研究的重难点。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种来料预处理方法和一种机器人分拣系统。第一方面，本专利技术实施例提供一种来料预处理方法，包括以下步骤：判断物料是否需要预处理；若需要，则在物料预设位置设置便于物料识别或抓取的部件。进一步的，所述判断物料是否需要预处理，包括：将物料的图像识别结果与预先存储的图像模型进行匹配并输出匹配结果，所述预先存储的图像模型至少包括需要处理的物料模型及不需要处理的物料模型；或者，直接接收外部输入的物料预处理判断结果。进一步的，所述在物料预设位置设置便于物料识别或抓取的部件，包括：在物料表面设置部件，或将物料部分或完全包覆于部件内部。进一步的，所述在物料预设位置设置便于物料识别或抓取的部件，包括：在物料预设位置设置纸质标签、布质标签、包装袋、包装盒、绳子、钩环、粘性物质中的至少一种。进一步的，所述判断物料是否需要预处理，还包括对物料进行分类的步骤：按预设规则将物料分为无需预处理物料、易识别不易抓取物料、不易识别易抓取物料、不易识别不易抓取物料；所述在物料预设位置设置相应的便于物料识别或抓取的部件的方法还包括：对于易识别不易抓取物料、不易识别易抓取物料、不易识别不易抓取物料，分别在预设的位置设置相应的部件。第二方面，基于同一专利技术构思，本专利技术实施例还提供一种机器人分拣系统，包括：控制模块及预处理模块，其中：所述控制模块，用于判断物料是否需要预处理；若物料需要预处理时，通知预处理模块；所述预处理模块，用于在物料预设位置设置便于物料识别或抓取的部件。进一步的，所述控制模块包括预先存储的图像模型，所述控制模块具体用于将物料的图像识别结果与预先存储的图像模型进行匹配并输出匹配结果，所述图像模型至少包括需要处理的物料模型及不需要处理的物料模型判；或者，所述控制模块包括指令接收单元，用于接收外部输入的物料预处理判断结果。进一步的，所述控制模块还用于在物料需要预处理时，确定所需的相应预处理模块，包括：当控制模块判断仅有一种预处理模块时，通知该预处理模块对物料进行预处理；或者，当控制模块判断存在多种预处理模块时，按预设规则通知相应的一种预处理模块进行预处理。进一步的，所述预处理模块包括贴标机、包装机、捆扎机中的至少一种。进一步的，所述机器人分拣系统还包括视觉识别设备、抓取机器人，其中：视觉识别设备，用于获取物料的图像识别结果，接受控制模块的控制将图像识别结果发送给预处理模块；抓取机器人，用于在预处理模块完成预处理操作后，接受控制模块控制，实现物料的抓取。本专利技术实施例提供的上述技术方案的有益效果至少包括：为了提高物料分拣效率，本专利技术首先判断物料是否需要预处理，对于不便识别或抓取的物料才需要进行预处理。预处理时，主要是在物料的合适位置增加合适的部件，使得物料易于识别或易于抓取。本专利技术没有对物料及机器人分拣系统做任何复杂改变，却能几乎适用于各种物料分拣场景及机器人分拣系统，还同时解决了物料的准确识别及易于抓取两个技术问题，具有实现方便、适用性广的特点。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例一中一种来料预处理方法的流程图；图2为本专利技术实施例二中一种来料预处理方法的流程图；图3为本专利技术实施例三中一种机器人分拣系统的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。为了解决现有技术中存在的物料分拣时存在的物料不易识别或不易抓取的问题，本专利技术实施例提供一种来料预处理方法。实施例一如图1所示，一种来料预处理方法，包括以下步骤：S101，判断物料是否需要预处理。具体的，为了提高物料分拣效率，对于一些外部结构规整易于识别且易于抓取的物料，比如鞋盒等，一般就直接抓取即可。而对于不好识别或不易抓取的物料，则建议进行预处理。判断物料是否需要预处理的方法可以包括：直接接收外部输入的物料预处理判断结果，或者，将物料的图像识别结果与预先存储的图像模型进行匹配并输出匹配结果，预先存储的图像模型至少包括需要处理的物料模型及不需要处理的物料模型。本实施例图像模型的方法可以为经验模型，也可以通过一些机器学习算法得到。机器学习的过程一般主要包括数据采集(采集部分具有典型代表性商品图像数据)、数据标注(对数据特征进行标注)、数据训练及生成模型四大步骤。深度学习是机器学习中一种基于对数据进行表征学习的方法，本专利技术实施例也可以先采集大量商品图像，然后利用深度学习对商品进行分类，得到对应的图像模型。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，在本实施例中，这些特征可以为物料的平整度、反光特性、是否透光等。关于机器学习的具体算法可以参考现有文献，在此不再赘述。将物料的图像识别结果与预先存储的图像模型进行匹配的方法可以为：从物料的图像识别结果中提取预设特征，并与预先存储的各模型中的特征进行比较，若到达预设阈值则认为该物料属于与图像模型对应的商品。当然，也可以采用其他合适的方式。S102,若需要预处理，则在物料预设位置设置便于物料识别或抓取的部件。若判断物料需要进行预处理，则在物料表面设置部件，或将物料部分或完全包覆于部件内部，以便物料被识别或抓取。部件可以为纸质标签、布质标签、包装袋、包装盒、绳子、钩环、粘性物质等。具体的，比如，包装透明的商品往往难于被准确识别，可以本文档来自技高网...

【技术保护点】
1.一种来料预处理方法，其特征在于，包括以下步骤：/n判断物料是否需要预处理；/n若需要，则在物料预设位置设置便于物料识别或抓取的部件。/n

【技术特征摘要】
1.一种来料预处理方法，其特征在于，包括以下步骤：
判断物料是否需要预处理；
若需要，则在物料预设位置设置便于物料识别或抓取的部件。


2.如权利要求1所述来料预处理方法，其特征在于，所述判断物料是否需要预处理，包括：
将物料的图像识别结果与预先存储的图像模型进行匹配并输出匹配结果，所述预先存储的图像模型至少包括需要处理的物料模型及不需要处理的物料模型；或者，
直接接收外部输入的物料预处理判断结果。


3.如权利要求1所述来料预处理方法，其特征在于，所述在物料预设位置设置便于物料识别或抓取的部件，包括：
在物料表面设置部件，或将物料部分或完全包覆于部件内部。


4.如权利要求1所述来料预处理方法，其特征在于，所述在物料预设位置设置便于物料识别或抓取的部件，包括：在物料预设位置设置纸质标签、布质标签、包装袋、包装盒、绳子、钩环、粘性物质中的至少一种。


5.如权利要求1所述来料预处理方法，其特征在于，所述判断物料是否需要预处理，还包括对物料进行分类的步骤：按预设规则将物料分为无需预处理物料、易识别不易抓取物料、不易识别易抓取物料、不易识别不易抓取物料；
所述在物料预设位置设置相应的便于物料识别或抓取的部件的方法还包括：对于易识别不易抓取物料、不易识别易抓取物料、不易识别不易抓取物料，分别在预设的位置设置相应的部件。


6.一种机器人分拣系统，其特征在...

【专利技术属性】
技术研发人员：李淼，闫琳，付雄，朱祥将，廖圣华，
申请(专利权)人：武汉库柏特科技有限公司，
类型：发明
国别省市：湖北;42