KIT 与 KLT 识别

KIT 与 KLT 识别 项目类型 : Artificial Intelligance 日期 2019 图像处理目标: 总论: 各种KLT和托盘由不同顾客的卡车运送. KLT和托盘由工人分开,由客户按照各种技术要求清洗. 清洗后再婚,再以纯种类排列在货盘上,用钢筋拉伸并储存起来。 目的是在存储过程中获得纯托盘,这些托盘被精确地记录在软件中,以便可以在网络上更新. 随着不同的顾客再次拾起清洁的托盘化商品,数量也不断变异. 此外,客户还内部进入仓库。 由于过去确实无法确定目前的股票,现在将采用目前决定股票的系统,以便记录确切的股票(例如: 举个例子。 避免空虚的旅程。 除其他外,卡车司机应能够在屏幕上看到所请求的货物是否已完全清理和储存。 结构在分解: 工位 2：容器与托盘配对 在此工位将 KLT 容器与托盘配对。 在这种情况下,托盘在清洗前或清洗后(约合)将托盘放在托盘主的带上,从而自动识别和识别. 350种不同类型 因此,在车站中,目前正在系统上驱动的托盘应当自动识别. 这些信息应作为EAN代码和标签打印机上打印的贴纸创建. 在屏幕上输入/选择一个工人是不切实际的,因为所需时间太长,应该可靠地防止错误。 因此,我们建议使用独立的学习神经网络,以确保在学习参数后获得识别. 这种技术的另一个优点是简单教化额外的新部件或偏离托盘,这在将来的识别上很容易实施. CRETEC QBIC图像处理单元格随后位于输送带上方,并与外光隔开,以确保最佳检测.