耿远程 （福建信息职业技术学院，福建 福州 350003）

0 引 言

近年来，随着经济全球化和物流需求的不断增长，物流业务量逐渐增大，人工拣选效率的低下逐渐凸显出来。如何在可接受成本前提下提高物流的效率，成为许多物流企业急需解决的问题。随着人工智能技术的不断发展和机器人技术的逐步成熟，越来越多物流企业开始将物流机器人应用于实际物流过程中。相关数据显示，2021年我国物流机器人行业市场规模达到126亿元，同比增长63.6%（见图1）。我国物流机器人销量持续增加，2021年销量达到7.2万台，同比增长75.61%（见图2）。

图1 2015—2021 年我国物流机器人行业市场规模及增速情况

图2 2017—2021 年我国物流机器人销量及增速情况

视觉机器人技术可以有效解决物流行业拣选效率低、人力成本高等问题。目前，视觉机器人已经应用于多个领域，如工业生产、制造业、仓储物流等。视觉机器人可以通过采集传感器数据，并利用计算机视觉算法对图像进行分析和处理，以实现快速准确的目标检测和识别。因此，基于视觉机器人的货物识别和拣选方法开展研究，对于提高物流拣选效率、降低物流成本具有重要的意义。本文旨在研究基于视觉机器人的货物识别和拣选方法，以期为物流企业使用视觉机器人提供参考。

牛威杨（2023）[1]指出加强对智能仓储物流中机器人技术的应用，能够更好地实现无人管理、柔性化管理目标；刘昊等（2023）[2]设计了基于物联网的物流搬运机器人，有效实现了对物料的搬运、分类和管理；贾照丽等（2023）[3]论述了机器人避障技术在物流分拣行业中的应用；黄志明（2022）[4]指出物流机器人系统的应用加速了仓库智能化程度的升级，使仓库从传统走向智能；胡荣等（2022）[5]提出结合激光跟踪仪器测量装置，可以实现智能物流分拣跟随机器人的输出终端控制设计。

1 相关介绍

1.1 物流系统视觉机器人

物流系统视觉机器人是一种利用计算机视觉和机器学习技术的自动化设备，在物流过程中用于图像识别、目标检测和智能决策。物流系统视觉机器人被广泛应用于物流活动的以下环节：其一，货物分拣。视觉机器人可以通过摄像头捕捉物品的图像，并使用图像识别算法对物品进行分类和识别。它可以快速准确地将不同类型的货物分拣到相应的目的地，提高分拣效率并降低出错率。其二，库存管理。视觉机器人可以实时监测仓库货架上的货物情况，并运用图像识别技术跟踪库存的数量和位置，还可以帮助物流企业精准掌握库存情况，优化货物存储和调配计划，减少库存积压和缺货现象的发生。其三，货物追踪。视觉机器人可在整个物流过程中跟踪和定位货物。它可以使用图像识别技术对货物进行标记和跟踪，实时更新货物的位置和状态信息，有助于物流企业实现对货物路径和流向的可视化管理，提高运输效率和安全性。其四，安全监控。视觉机器人可以在物流场景中进行安全监控和风险预警。它可以通过图像识别和行为分析等技术，检测到异常行为、盗窃以及其他安全问题，并及时报警或采取相应措施，保障物流作业的安全性和稳定性。

1.2 物流系统中货物识别与拣选的重要性

物流系统中货物识别与拣选对提高物流效率和准确性起着至关重要的作用：首先，可以减少由人工带来的错误。利用视觉识别技术的机器人可以精确地辨别不同类型、不同尺寸、不同形状的货物，大大降低了人工错误的风险。其次，可以提高工作效率。视觉机器人能够运用高速图像处理和机器学习算法，快速准确地判断货物的属性和目的地，从而实现快速拣选和分拣。相比于人工操作，机器人具有更高的工作效率，能够在较短时间内处理大量货物。在提高工作效率的同时还可以降低成本，通过自动化的货物识别与拣选系统，物流企业可以减轻对人力资源的依赖，降低人工成本。再次，高效的货物拣选和分拣能够缩短物流时间，优化运输方案，降低成本。最后，可以提升服务质量。准确的货物识别和拣选可以避免货物错发、漏发等问题，有助于物流企业及时、精准地处理和交付货物，提供更好的服务质量，增强客户忠诚度和口碑提升客户满意度和信任度。

2 货物识别方法

2.1 图像采集与处理

2.1.1 使用摄像头进行实时图像采集

使用摄像头采集实时图像是货物识别过程中必不可少的一步。摄像头可以捕捉到待识别物品的图像，并将其实时传输到计算机或其他识别设备中进行处理。在进行摄像头采集时，需要考虑摄像头的质量、采集环境的光线和背景、采集角度和距离等因素。摄像头实时图像采集流程如图3所示。

图3 摄像头实时图像采集流程

2.1.2 图像预处理

图像灰度处理是图像处理的一项基本操作，可以将彩色图像转换成灰度图像。灰度图像是一种黑白图像，每个像素的值代表该像素的亮度，像素值通常在0～255之间。图像灰度处理的主要目的是去除彩色图像中的颜色信息，更专注于图像的灰度值，从而使图像处理更加高效和方便。常见的图像灰度处理方法包括平均值法、加权平均法、最大值法、最小值法等。对于一张彩色图像，它的像素点可以表示为（r，g，b），其中，最大值法：gray=r'=g'=b'=max（r，g，b）；平均值法：gray=r'=g'=b'=（r+g+b）/3；加权平均法：gray=r'=g'=b'=Wrr+Wgg+Wbb，经过研究分析，当Wr为0.299，Wg为0.588，Wb为0.114时，视觉识别的灰度图像处理效果最好。

数字图像去噪中的值滤波是一种基于排序的空域滤波方法，它的原理是取一组大小为M×N的像素点，按照灰度值大小进行排序，然后取中间值作为滤波输出。中值滤波不仅能够很好地去掉椒盐噪声等随机噪声，还能够保留图像的边缘信息，避免因使用低通滤波器而过度模糊图像。其基本步骤如图4所示。

图4 中值滤波数字图像去噪流程

其中，第三步可以使用公式表示如下：

m、n是上文提到的像素坐标，k、l值与模板大小的选取有关。总体来说，中值滤波是一种简单高效的去噪方法，常用于数字图像处理、计算机视觉和图像识别等领域，也是处理图像噪声的一个最佳选择。

2.2 物体检测与定位

物体检测和定位是计算机视觉中的重要任务，涉及在图像或视频中检测并定位感兴趣的物体。本文选取Sobel算子开展物体边缘检测。Sobel算子的原理是基于像素点的梯度值进行计算，通过计算每个像素点在水平和垂直方向上的梯度值来计算出整个图像的梯度变换。Sobel算子可以使用不同的核大小进行计算，通常使用3×3的核来计算水平和垂直方向上的梯度值。这些梯度值可以用于检测图像中的边缘和轮廓，边缘和轮廓就是像素值改变的地方。对以上（m，n）周围的点进行排列，然后使用Sobel算子进行计算，具体步骤如下。

其中，常数c为2，sx与sy卷积模板如下。

2.3 物体特征提取与描述

物体特征提取是描述物体或场景的本质特征的过程，它能够用定量和可识别的方式描述物体或场景的属性和特征。特征提取旨在找到可以描述和区分不同物体或场景的特征，而具有明显特征的物体或场景能够更容易地被识别和分类。通过使用RGB空间中的彩色图像转换为HSI空间进行特征提取。其中，H、S、I计算方法如下。

2.4 分类与识别

分类和识别是计算机视觉领域中重要的任务，主要目的是对图像进行自动分类和标记。本文采用并行融合系统进行分类与识别，一种基本并行融合系统的方式是将多个单分类器的输出同时输入一个融合器中，使用一个综合的融合函数将这些单分类器的输出结果有机结合起来，从而构建一个完整的模式识别系统。视觉识别并行融合系统可以通过结合不同的单分类器来提高识别的准确性、鲁棒性、适应性和实时性，是一种高效、优秀的模式识别方法。使用单个分类器进行分类工作，也有利于分类速度的提高。其框架如图5所示。

图5 并行融合系统框架

3 货物拣选方法

3.1 拣选任务规划与调度

货物拣选任务规划与调度首先需要在货物拣选任务开始之前，根据客户订单和仓库的库存情况进行任务规划。这就要求要提前了解订单中的产品种类和数量以及目前所在的库存区域和库存数量等信息，以便确定哪些货物需要拣选以及在哪个区域能够找到它们。其次，调度机器人进行货物拣选任务分配。规划拣选任务后，需要将任务分配给机器人进行拣选。可以使用调度算法将任务分配给不同的机器人，以最大化拣选效率。例如，可以使用最短路径算法来规划机器人的运动路径，以最小化机器人的行程和拣选时间。其中可以使用多源，无负权边的算法，设定如下。

设Di，j，k为从i到j的只以（1...k）集合中的节点为中间节点的最短路径的长度。

若最短路径经过点k，则Di，j，k=Di，k，k-1+Dk，j，k-1；若最短路径不经过点k，则Di，j，k=Di，j，k-1。因此，Di，j，k=min（Di，k，k-1+Dk，j，k-1，Di，j，k-1）。其中Di，j表示由点i到点j的代价。

需要注意的是，在机器人拣选货物时需要对其进行监控和管理，以确保其按照预定路径进行拣选，并及时发现和解决出现的问题。可以通过使用传感器监测机器人的位置和状态，并对机器人进行远程控制和监管。

3.2 机器人抓取与搬运

为了实现快速的搬运操作，机器人需要具有高效的控制系统，可以实时响应操作指令，并且具备快速而平稳的移动能力，保证在较短时间内完成大量货物的搬运任务。可以采用控制程序操纵机器人进行抓取与搬运，如图6所示。在物流机器人的选择上，对于货物的抓取，要采用机械臂或夹爪等装置。机械臂的抓取方式要根据具体的货物形状和重量来选择不同的机械臂类型和抓取器械；夹爪要根据货物型号的不同来选择不同的夹爪形状。此外，机器人的视觉系统要帮助控制机械臂或夹爪的位置及姿态，以达到更精准的抓取。对于货物的搬运，机器人需要具有高精度的定位和操纵能力。在搬运过程中，机器人可以通过激光雷达或视觉系统来定位目标的位置，然后采用机械臂或者轮式机器人等方式实现精准搬运的操作。

图6 机器人抓取与搬运控制系统

3.3 关键技术及挑战

物流机器人的货物拣选涉及以下三种关键技术。一是视觉引导与定位技术。对于货物的实时监测和定位，需要具备高精度的视觉引导和成像技术，但是需要克服照明、遮挡等复杂环境的影响，确保货物能够被准确识别和定位。二是姿态控制与力控制技术。为了实现对货物的准确抓取和放置，需要具备高精度的姿态控制和力控制技术。这是对机器人控制系统优化和集成的一项挑战。三是协作机器人系统设计与集成。物流机器人通常需要与其他机器人或设备进行协作，完成复杂的运输和分拣任务。需要注意的是，应该对机器人的系统设计和集成进行全面考虑，确保机器人间的通讯和协作更加顺畅和高效。

4 未来物流系统视觉机器人的发展方向

4.1 智能化与自主性提升

未来物流系统视觉机器人的发展方向是智能化与自主性提升。在智能化方面，物流系统视觉机器人的感知、认知和决策能力将越来越强。通过集成高清摄像头、深度相机、激光雷达等传感器设备，机器人可以实时获取周围环境的图像、深度和位置信息。同时，借助计算机视觉和机器学习技术，机器人可以对图像数据进行处理和分析，实现目标检测、物体识别、路径规划等功能。此外，机器人还可以运用自然语言处理技术与人进行交互，并具备学习和推理能力，能够根据不同的任务需求做出相应的决策和行动。在自主性提升方面，物流系统视觉机器人将具备更高的自主导航和操作能力。借助先进的定位与导航系统，如激光SLAM技术，视觉机器人可以在复杂的环境中完成自主导航，包括地图构建、路径规划和障碍物避让等功能。结合感知能力和运动控制算法，视觉机器人可以快速、准确地完成各项复杂的物流操作工作。

4.2 多模态感知与融合

随着科技的进步，传感器技术的发展和应用场景不断扩大，物流行业对于机器人在多种感知模态下的能力和整合能力提出了更高的要求。多模态感知是指物流系统视觉机器人能够同时利用多种传感器对环境进行感知并获取数据。常见的感知模态包括视觉、声音、力触、激光雷达等。结合多种感知模态，机器人可以获取更加丰富、全面的环境信息，提高感知的准确性和鲁棒性。例如，在物流仓库中，机器人可以通过视觉感知识别货物的位置和标识，通过声音感知识别异常噪音或报警信号，通过力触感知检测物体的质地和形状等。多模态感知的应用可以使机器人更好地适应各种复杂的物流环境，并提高其在执行任务时的效率和安全性。多模态感知的融合就是将来自不同传感器的数据进行集成和处理，实现对环境的全面理解与场景分析。通过机器学习、数据融合算法等技术手段，可以将来自多个传感器的信息整合在一起，构建更准确、可靠的环境模型。在物流系统中，通过将视觉数据与声音、力触等其他传感器数据相结合，机器人可以更好地感知运输货物的状态、识别异常情况，并做出针对性的决策。例如，当机器人在搬运货物的过程中发现视觉上的障碍时，可以结合激光雷达数据规划路径，避开障碍物。多模态感知的融合可以提高机器人在复杂环境下的适应能力和运行效果。

4.3 协作与协调能力增强

随着物流行业的快速发展和工作场景的日益复杂化，单个机器人往往难以独立完成所有任务，为此，提升机器人的协作与协调能力具有重要意义。一方面，物流系统视觉机器人的协作能力指的是多个机器人之间的合作与配合能力。通过建立机器人之间的通信和协调机制，可以实现多个机器人在同一任务或不同任务中的协同工作。例如，在仓库环境中，多个视觉机器人可以分担货物的拣选、包装、运输等任务，通过有效的任务分配和资源优化，提高整体物流效率。同时，机器人之间的协作还可以增强物流系统的灵活性和鲁棒性，当其中一个机器人出现故障或任务繁重时，其他机器人可以自动接替其任务，保证物流流程的连续性和稳定性。另一方面，物流系统视觉机器人的协调能力指的是机器人与人类操作员之间的协同工作能力。在物流领域，视觉机器人往往需要与人类操作员共同完成任务，因此，机器人应具备与人类进行有效沟通与合作的能力。例如，机器人需要理解和响应操作员的指令，并在工作过程中及时与操作员进行交互和反馈。通过引入自然语言处理、人机界面等技术，可以达到机器人与操作员之间的协调与配合，提高工作效率和准确性。

4.4 完善的安全性和可靠性

随着自动化技术在物流行业的不断应用，视觉机器人作为关键的配送和操作工具，其安全性和可靠性成为人们重要关注的领域。首先，完善安全性是确保物流机器人能够在各种工作环境下安全运行的关键。如今的物流场景日益多样化，机器人需要适应不同的操作环境，包括仓库、工厂、道路等。其次，可靠性是确保物流机器人长时间、高效运行的必要条件。可靠性涉及机器人的稳定性、故障率和维护性等方面。通过不断提升机器人的安全性能和稳定性能，可以确保其在复杂的物流环境中高效、安全地运行，为物流行业的自动化提供有力支持。

5 结 论

随着经济社会的不断进步，物流行业得到了迅猛发展，现代物流配送中心已经成为整个社会经济发展的重要基础设施。然而，在现代物流配送中心中，传统的人工分拣方式工作效率低且准确率低，不能满足现代物流配送中心对货物分拣高效率、高精度和高可靠性的要求。因此，开发和应用机器视觉技术以提高货物识别与分拣准确率成为一个重要研究课题。本文就物流系统视觉机器人货物识别与拣选方法展开分析，以期为物流企业使用视觉机器人提供参考。