Zaawansowany system do lokalizacji i podnoszenia elementów z koszy, taśm i skrzyń. Łączy AI do detekcji z geometrią 3D, aby obliczyć dokładne położenie i orientację elementu oraz podać robotowi optymalny punkt chwytu.
System:
> nadaje się do kierowania robotami, cobotami oraz innymi manipulatorami 2 - 7 osiowymi
> może działać w przestrzeni 2D oraz 3D
> może współpracować z dowolną kamerą (2D oraz 3D), lidarem, sonarem, radarem, czy rentgenem
Doskonale nadaje się do aplikacji wybierania z kartonu, skrzyni, palet, pojemnika, przenośnika taśmowego czy stołu, elementów w losowych pozycjach i losowej orientacji, a następnie precyzyjnym ich pozycjonowaniu w wyznaczonym miejscu.
Dobrze radzi sobie także z elementami o nieregularnych kształtach (np. części samochodowe), materiałami niestabilnymi i wiotkimi jak np. guma, EPDM, mięso, ryby, elementy z węglików spiekanych przed ich spieczeniem.
Kluczowe funkcje
> Detekcja i rozpoznanie kształtu elementu.
> Aproksymacja orientacji na podstawie cech charakterystycznych.
> Wyznaczanie pozycji 3D z kamer 3D TOF.
> Generowanie trajektorii chwytu dla robotów.
> Integracja z PLC i serwerami Python (Modbus, TCP/IP).
Specyfikacje
> Wydajność: 1–5 zdjęć/s – zależnie od zagęszczenia elementów (możliwość zwiększenia);
> Czas analizy elementu: 50–1000 ms (możliwość skrócenia);
> Liczba zdjęć bazy treningowej: 100 – 5000 zdjęć;
> Dokładność chwytu: 5–25 mm, zależnie od odległości kamery i typu obiektu (możliwe zwiększenie dokładności do 0,05 mm);
Mayeryn AI Vision Picker dzięki swej modułowej budowie jest skalowany, dzięki temu jego wykorzystanie ma zastosowanie w prostych aplikacjach niewymagających dużej precyzji ani prędkości przetwarzania, jak również w systemach gdzie w każdej sekundzie wymagane są setki gigabajtów do przetworzenia, precyzja na poziomie setnych milimetra oraz nieomylność na poziomie 99,95%.
> Opcjonalnie integracja z robotem ABB przez moduł komunikacyjny;
Dodatkowe Usprawnienia
> Automatyczne logowanie błędów i śledzenie pracy;
> Panel operatorski/WebUI (podgląd kamer, zmiana parametrów, statystyki);
> Tryb uczenia aktywnego – system sam prosi operatora o dopisanie brakujących etykiet i dodaje je do bazy treningowej;
> Wykrywanie anomalii (unsupervised), przydatne, gdy trudno zdefiniować defekty;
Informacja
Masz pytanie?
Skontaktuj się z nami!
Wykorzystujemy pliki cookies w celu ułatwienia korzystania z naszej strony i dostosowania prezentowanych treści do Twoich indywidualnych potrzeb. Akceptując komunikat zgadzasz się na użycie plików oraz zapisanie w pamięci Twojego urządzenia. Możesz odwołać udzieloną nam zgodę poprzez wprowadzenie zmian w ustawieniach swojej przeglądarki internetowej. Więcej informacji znajdziesz w naszej Polityce cookies.