本發(fā)明屬于物料分揀，更具體地說，特別涉及一種翻盤式分揀機托盤狀態(tài)檢測方法。

背景技術(shù)：

1、在當今物流行業(yè)高速發(fā)展的時代，包裹分揀技術(shù)的效率和準確性十分重要；目前,翻盤式分揀機作為一種常用的物流分揀設備，憑借其高效、穩(wěn)定的性能,已經(jīng)廣泛應用于各大物流中心和倉儲系統(tǒng)中。

2、然而,在實際應用過程中,傳統(tǒng)的檢測裝置易受光照和托盤臟污的影響,導致識別準確率較低,無法及時發(fā)現(xiàn)分揀過程中的異常情況；其次,由于缺乏對多件、疊件、超區(qū)域等異常情況的檢測功能,很容易造成包裹卡塞,以及托盤小車在使用過程中容易出現(xiàn)偏轉(zhuǎn)，影響分揀效率。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明提供了一種翻盤式分揀機托盤狀態(tài)檢測方法，以解決現(xiàn)有技術(shù)中，傳統(tǒng)的檢測裝置易受光照和托盤臟污的影響,導致識別準確率較低；缺乏對多件、疊件、超區(qū)域、托盤小車扭轉(zhuǎn)等異常情況的檢測，容易包裹卡塞影響分揀效率的技術(shù)問題。

2、本發(fā)明一種翻盤式分揀機托盤狀態(tài)檢測方法的目的與功效，由以下具體技術(shù)手段所達成：

3、一種翻盤式分揀機托盤狀態(tài)檢測方法，包括有以下步驟:

4、步驟一：通過視覺系統(tǒng)采集托盤區(qū)域的圖像信息；

5、步驟二：利用深度學習技術(shù)和圖像處理技術(shù)，對采集到的所述圖像信息進行分析，識別翻盤式小車、包裹和側(cè)板，并獲得其外接矩形框，同時獲取每個目標檢測物的輪廓掩膜圖像，提取其輪廓點；

6、步驟三：進行有無檢測與雙件、疊件檢測；

7、通過對所述圖像信息進行分析，判斷托盤上是否有包裹，然后對其進行雙件、疊件檢測，當托盤區(qū)域上的包裹多于兩個時進行報警；

8、步驟四：建立托盤小車的坐標系與運行方向的坐標系，并進行托盤小車扭轉(zhuǎn)檢測；

9、步驟五：超區(qū)域檢測；

10、通過識別包裹和托盤位置，計算包裹與托盤之間的偏差，判斷包裹是否超出托盤區(qū)域，并進一步計算具體超區(qū)域類型；

11、步驟六：側(cè)板卡塞檢測；

12、通過識別包裹和側(cè)板的位置，計算包裹和側(cè)板之間的相交區(qū)域，判斷其是否為側(cè)板卡塞。

13、在一個優(yōu)選地實施方式中，在步驟二中，所述圖像處理技術(shù)包括有通過張正友方法，對所述圖像信息進行矯正，對圖像進行旋轉(zhuǎn)，矯正所述圖像信息的旋轉(zhuǎn)偏移。

14、在一個優(yōu)選地實施方式中，在步驟四中，所述托盤小車扭轉(zhuǎn)檢測包括有：

15、計算托盤小車坐標系與運行方向坐標系之間的夾角，當所述夾角大于設定閾值時，判定托盤小車發(fā)生扭轉(zhuǎn)。

16、在一個優(yōu)選地實施方式中，在步驟五中，所述包裹與托盤偏差的計算公式為：

17、

18、式中，s1表示包裹與托盤相交最小外接矩形區(qū)域與包裹最小外接矩形區(qū)域比，a表示包裹最小外接矩形所占區(qū)域，b表示托盤最小外接矩形所占區(qū)域；當s1小于用戶的預設閾值時，判定包裹為超區(qū)域。

19、在一個優(yōu)選地實施方式中，所述計算超區(qū)域類型包括有計算距離l，所述距離l表示包裹與托盤在上側(cè)的偏差距離，當所述距離l大于設定閾值，判斷包裹狀態(tài)為ibb，所述ibb狀態(tài)表示包裹卡在兩個托盤小車之間。

20、在一個優(yōu)選地實施方式中，所述計算超區(qū)域類型還包括有計算距離k，所述距離k表示包裹與托盤在左側(cè)的偏差距離，當所述距離k大于設定閾值，判斷包裹狀態(tài)為iob，所述iob狀態(tài)表示包裹超出托盤小車的邊緣。

21、在一個優(yōu)選地實施方式中，在步驟六中，所述計算包裹與側(cè)板相交區(qū)域的計算公式為：

22、

23、公式中，s2表示側(cè)板最小外接矩形區(qū)域比，a表示包裹最小外接矩形所占區(qū)域，c表示側(cè)板最小外接矩形占區(qū)域；當s2大于預設閾值時，判定包裹為側(cè)板卡塞。

24、現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

25、1.本方法采用深度學習技術(shù)和圖像處理技術(shù)，通過對圖像信息進行矯正和旋轉(zhuǎn)偏移的處理，提高了圖像的質(zhì)量和準確性，能夠有效克服光照和托盤臟污帶來的干擾；同時，對翻盤式小車、包裹和側(cè)板進行識別，并獲取其外接矩形框和輪廓掩膜圖像，使得檢測更加精細和全面，解決了傳統(tǒng)的檢測裝置識別準確率較低的問題，能夠及時發(fā)現(xiàn)托盤上的包裹狀態(tài)，無論是有無包裹、雙件或疊件情況，都能準確判斷并報警，提高了分揀的準確性和效率。

26、2.通過對包裹進行超區(qū)域檢測，能夠判斷包裹是否超出托盤區(qū)域，并進一步計算具體超區(qū)域類型，判斷包裹狀態(tài)為i?bb包裹卡在兩個托盤小車之間，或iob包裹超出托盤小車的邊緣，以及時處理超區(qū)域情況；通過側(cè)板卡塞檢測，通過計算包裹和側(cè)板之間的相交區(qū)域，判斷是否為側(cè)板卡塞，確保分揀過程的順暢進行；通過托盤小車扭轉(zhuǎn)檢測，能夠及時發(fā)現(xiàn)托盤小車故障，防止設備造成更大的損壞，提高了穩(wěn)定性，；這些全面的檢測功能有效地降低了包裹卡塞的故障率，提升了分揀效率，為物流分揀行業(yè)帶來了更高的效益和可靠性。

技術(shù)特征：

1.一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：包括有以下步驟:

2.根據(jù)權(quán)利要求1所述的一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：在步驟二中，所述圖像處理技術(shù)包括有通過張正友方法，對所述圖像信息進行矯正，對圖像進行旋轉(zhuǎn)，矯正所述圖像信息的旋轉(zhuǎn)偏移。

3.根據(jù)權(quán)利要求1所述的一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：在步驟四中，所述托盤小車扭轉(zhuǎn)檢測包括有：

4.根據(jù)權(quán)利要求1所述的一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：在步驟五中，所述包裹(12)與托盤(10)偏差的計算公式為：

5.根據(jù)權(quán)利要求4所述的一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：所述計算超區(qū)域類型包括有計算距離l，所述距離l表示包裹(12)與托盤(10)在上側(cè)的偏差距離，當所述距離l大于設定閾值，判斷包裹(12)狀態(tài)為ibb，所述ibb狀態(tài)表示包裹(12)卡在兩個托盤小車之間。

6.根據(jù)權(quán)利要求5所述的一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：所述計算超區(qū)域類型還包括有計算距離k，所述距離k表示包裹(12)與托盤(10)在左側(cè)的偏差距離，當所述距離k大于設定閾值，判斷包裹(12)狀態(tài)為iob，所述iob狀態(tài)表示包裹(12)超出托盤小車的邊緣。

7.根據(jù)權(quán)利要求1所述的一種翻盤式分揀機托盤狀態(tài)檢測方法，其特征在于：在步驟六中，所述計算包裹(12)與側(cè)板(11)相交區(qū)域的計算公式為：

技術(shù)總結(jié)
本發(fā)明提供了一種翻盤式分揀機托盤狀態(tài)檢測方法，包括有以下步驟:步驟一：通過視覺系統(tǒng)采集托盤區(qū)域的圖像信息；步驟二：利用深度學習技術(shù)和圖像處理技術(shù)，對采集到的所述圖像信息進行分析，識別翻盤式小車、包裹和側(cè)板，并獲得其外接矩形框，同時獲取每個目標檢測物的輪廓掩膜圖像，提取其輪廓點；步驟三：進行有無檢測與雙件、疊件檢測；步驟四：建立托盤小車的坐標系與運行方向的坐標系，并進行托盤小車扭轉(zhuǎn)檢測；步驟五：超區(qū)域檢測；步驟六：側(cè)板卡塞檢測；通過對翻盤式小車、包裹和側(cè)板進行識別，并獲取其外接矩形框和輪廓掩膜圖像，使得檢測更加全面，解決了傳統(tǒng)的檢測裝置識別準確率較低的問題，提高了分揀的準確性和效率。

技術(shù)研發(fā)人員：張?zhí)?竺維燕,闞世奇,周鶴,韓杰,王長春
受保護的技術(shù)使用者：中郵科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9