Archivio per la pubblicazione
Identificazione di KIT e KLT
Indagine su un'applicazione o una conferenza pubblicata dall'archivio CRETEC.
Contenuto dell'archivio: L'informazione si riferisce allo stato della pubblicazione originale. Si prega di coordinare l'esecuzione corrente, la portata dei servizi e la disponibilità con CRETEC.
Identificazione di KIT e KLT
Tipo di progetto:
Artificial Intelligance
Data
2019
Obiettivo dell'elaborazione delle immagini:
Generale:
Vari KLT e vassoi sono consegnati da camion di diversi clienti.
I KLT e i vassoi sono separati dai lavoratori e puliti dal cliente con vari requisiti tecnici.
Dopo la pulizia, questi sono risposati e devono essere ordinati su pallet in pura varietà, teso con stagnola e immagazzinato.
L'obiettivo è quello di ottenere pallet puri durante lo stoccaggio, che sono precisamente registrati nel software in modo da poter essere aggiornati sulla rete.
Il numero varia costantemente, in quanto i clienti diversi riprendono le merci pulite e pallettizzate di nuovo.
Inoltre, il cliente accede anche internamente al magazzino.
Dal momento che in passato non era realmente possibile determinare lo stock attuale, si deve ora introdurre un sistema che determina attualmente lo stock al fine di registrare lo stock esatto (ad es. Ad esempio. Evita i viaggi vuoti.
Tra l'altro, il camion driver dovrebbe essere in grado di vedere su uno schermo se le merci richieste sono già state completamente pulite e memorizzate.
STRUTTURA IN DESCRIZIONE DETAGLI STATI:
Stazione 2: abbinamento di contenitori e vassoi
In questa stazione i contenitori KLT vengono abbinati ai vassoi.
In questo caso, i vassoi vengono identificati automaticamente e riconosciuti mettendoli sulla cintura sul supporto del vassoio prima o dopo la pulizia (ca. 350 tipi diversi
In stazione, quindi, i vassoi che sono attualmente in fase di guida sul sistema devono essere automaticamente riconosciuti.
Queste informazioni dovrebbero quindi essere create come codice EAN e un adesivo stampato su una stampante di etichette.
Un ingresso / selezione di un lavoratore su uno schermo non è pratico, perché il tempo richiesto è troppo grande e gli errori devono essere evitati in modo affidabile.
Pertanto, si consiglia l'uso di una rete neurale di apprendimento indipendente che garantisce il riconoscimento dopo aver appreso i parametri.
Un altro vantaggio di questa tecnologia è il semplice insegnamento di ulteriori nuove parti o vassoi devianti, che è facile da implementare per il riconoscimento futuro.
La cella di elaborazione delle immagini CRETEC QBIC viene quindi posizionata sopra il nastro e isolata dalla luce estranea per garantire un rilevamento ottimale.
Richiesta di questa applicazione →