Роботизация участков с машинным зрением: захват и сортировка деталей

Классическая роботизация требует, чтобы деталь всегда лежала в одном и том же месте в одной ориентации. Для этого делают вибробункеры, палеты и оснастку под каждую номенклатуру, и при широком ассортименте затраты на оснастку съедают эффект от робота.

Операции «взять из навала», сортировка по типу и укладка в тару остаются ручными: монотонная работа с высокой текучестью персонала и нестабильным качеством.

Попытки решить задачу «жёстким» машинным зрением упираются в блики на металле, перекрытие деталей друг другом и вариативность освещения — там, где нейросетевые модели, обученные на тысячах примеров, работают устойчиво.

Робот получает 3D-камеру и нейросетевые модели, которые распознают детали в навале, оценивают их положение в пространстве и планируют захват.

• Сегментация экземпляров и оценка 6D-позы детали по облаку точек и RGB-изображению.
• Планирование захвата с учётом схвата, соседних деталей и стенок тары; обучение на синтетических данных из CAD-моделей.
• Сортировка и контроль качества в одном цикле: робот одновременно отбраковывает дефектные изделия.
• Интеграция с контроллером робота и конвейером через стандартные промышленные протоколы.

Мы сопровождаем проект от выбора 3D-камеры и вычислителя до запуска ячейки: отладка на цифровом двойнике в симуляторе, затем пусконаладка на площадке с интегратором робота. Типовой срок для первой ячейки — 3–5 месяцев.

Какие данные нужны

• CAD-модели номенклатуры для синтетических данных
• Снимки 3D-камеры с реального участка
• Логи контроллера робота