ارسال شده در 20 مه 2022 توسط The Manufacturer
استفاده از ربات های انتخاب و مکان قلمرو جدیدی نیست. با این حال، این ربات‌ها قبلاً قادر به چیدن و قرار دادن دقیق قطعات از سطل قطعات مختلف در ماشین نبودند. با توجه به ماهیت پیچیده خطوط مونتاژ نهایی، این ربات ها قادر به تکرار مهارت انسان در انجام چنین کاری نیستند، اما این در حال تغییر است.
در اینجا نیل بلینگر، رئیس EMEA در اتوماسیون اتحادیه اروپا، در مورد چالش‌های انتخاب ربات‌های جمع‌آوری زباله بحث می‌کند.
استفاده از سیستم بینایی جمع‌آوری زباله، مزایای بسیاری را در محل کار ممکن می‌سازد، مانند کاهش جابجایی قطعات، پیاده‌سازی اتوماسیون تطبیقی روبات‌ها، امکان استفاده مناسب‌تر از زمان اپراتورها، و همچنین کاهش خطر آسیب‌های فشاری مکرر اپراتورها. با این حال، این فناوری هنوز راه درازی در پیش دارد تا از اثربخشی استفاده از انسان برای چنین کاری فراتر رود.
یکی از کوبات‌های جمع‌آوری زباله که هنوز باید بر آن غلبه کرد، ناشی از چیدمان اشیاء درون یک ظرف است. کوبات های جمع کننده سطل ممکن است برای انتخاب اقلام کوچک یا تصادفی در یک سطل مشکل داشته باشند و تشخیص آنها را دشوار می کند. برای غلبه بر این مشکل، ربات‌ها به سیستم‌های دید سه‌بعدی با دامنه دینامیکی بالا، وضوح و دقت بالا نیاز دارند تا سعی کنند تصویری واقعی برای ربات‌ها هنگام انتخاب ایجاد کنند.
با این حال، حتی با توجه به این مشخصات، هنوز چالش قطعات براق و بازتابنده وجود دارد. سیستم‌های بینایی سه‌بعدی اغلب برای به دست آوردن داده‌های سه‌بعدی خوب روی اجسام بازتابنده یا براق مشکل دارند. این به این دلیل است که بازتاب‌های متقابل باعث ایجاد اعوجاج و ناهنجاری در ابرهای نقطه‌ای می‌شوند، به این معنی که سیستم نمی‌تواند به‌طور قابل اعتماد اجسام را شناسایی کند.
یکی دیگر از چالش‌هایی که سیستم‌های bin-picking با آن روبرو هستند، انسداد کمتر است. این می تواند ناشی از خطوط پایه دوربین گسترده یا قرارگیری ضعیف دوربین باشد که منجر به سایه انداختن لبه های مخزن و اشیاء کوچک بالقوه پنهان می شود. به همین دلیل، روبات‌های مبتنی بر بینایی می‌توانند آیتم‌های «پنهان» را در گوشه‌ها از دست بدهند و در نتیجه جزئیات را از دست بدهند. این مشکل را می توان با خطوط پایه کوچکتر و موقعیت بهتر دوربین برطرف کرد تا انسداد اپتیکال بیشتری را شامل شود.
با این حال، قرارگیری دوربین‌های بهتر مطمئناً در بهبود دقت مفید هستند، اما ممکن است لزوماً همه چالش‌های سیستم‌های بینایی را برطرف نکنند. برای مثال، کوبات‌های جمع‌آوری زباله هنوز با قطعات نرم و تغییر شکل‌پذیر، مانند کیسه‌های پلاستیکی یا قطعاتی با ارتفاع‌ها و شکل‌های مختلف دست و پنجه نرم می‌کنند.
این کوبات‌ها همچنین می‌توانند تداخلی را تجربه کنند که بر عملکرد تأثیر می‌گذارد، مانند حرکت به سمت کوبات که بر محاسبات فاصله تأثیر می‌گذارد و در نتیجه کوبات به دو طرف سطل یا سایر قسمت‌ها برخورد می‌کند. این بدان معناست که کوبات‌ها کاملاً مستقل نیستند و در صورت بروز خطا همچنان به نظارت انسانی نیاز دارند.
نمونه‌هایی از کوبات‌های جمع‌آوری زباله با کیفیت بالا
علیرغم چالش‌های موجود در ایجاد یک کوبات جمع‌آوری زباله، مدل‌های زیادی در حال حاضر در بازار وجود دارد که بینایی و تاری روبات‌ها را بهبود بخشیده است. یکی از نمونه ها کوبات Omron TM Integrated Vision است که برای پشتیبانی از تشخیص الگوی درجه صنعتی، موقعیت یابی شی و شناسایی ویژگی طراحی شده است.
یک نمونه موفق از سیستم بینایی bin-picking دوربین سه بعدی Zivid Two است که برای جمع کردن بن طراحی شده است. Zivid Two دارای یک سنسور عمق فوق العاده فشرده، با خط پایه کوچک و عملکرد انسداد بهینه تر است.
غیرقابل انکار است که کوبات‌های جمع‌آوری زباله از دهه 1990، یعنی زمانی که این فناوری ظهور کرد، راه طولانی را پیموده‌اند، اما هنوز راه زیادی وجود دارد تا از نیاز انسان یا نظارت انسان فراتر رود. با این حال، با وجود فشار برای جبران کمبود مهارت‌ها و کارکنان، این فناوری احتمالاً در آینده نزدیک برای مطابقت با مهارت‌های انسان تکامل خواهد یافت. در همین حال، سیستم‌های بینایی جمع‌آوری زباله‌های کنونی همچنان می‌توانند به کاهش آسیب کمک کنند، قطعات ظریف را از دستکاری بیش از حد نجات دهند، امکان کنترل کیفیت و موارد دیگر را فراهم کنند.
