高級(jí)倉庫每天處理數(shù)十萬份訂單。滿足這些數(shù)量需要大量的庫存、物理空間和復(fù)雜的工作流程，以支持高數(shù)量的揀選項(xiàng)目。

此外， Micro Fulfillment Center 越來越流行于填寫客戶的當(dāng)天交貨訂單。

高效操作這些類型的先進(jìn)設(shè)施和機(jī)械以及大量資源需要熟練工人。雖然勞動(dòng)力正在減少，但投資于邊緣計(jì)算與人工智能會(huì)有所幫助。

勞動(dòng)力萎縮

現(xiàn)代倉庫具有強(qiáng)大的自動(dòng)化功能。自動(dòng)機(jī)器和車輛在倉庫周圍移動(dòng)產(chǎn)品，輸送機(jī)系統(tǒng)將貨物移動(dòng)到集裝箱中，并使用提供拾取和排序系統(tǒng)的高級(jí) 3D 網(wǎng)格智能包裝產(chǎn)品。但即使在目前的自動(dòng)化水平下，現(xiàn)代倉庫仍然是勞動(dòng)密集型的。

如果包裝箱的尺寸不同，則自動(dòng)包裝很困難，通常需要手動(dòng)完成。有些物品又大又重，需要叉車和司機(jī)搬運(yùn)。尋找和留住員工是一項(xiàng)挑戰(zhàn)，新冠病毒加劇了這一問題。在勞動(dòng)力不斷減少的同時(shí)，倉儲(chǔ)業(yè)也在迅速發(fā)展。下一代倉庫需要專注于自動(dòng)化才能成功。

先進(jìn)工業(yè)的深度學(xué)習(xí)

深度學(xué)習(xí)和邊緣計(jì)算方面的進(jìn)步提供了智能并自動(dòng)化了更多的倉庫流程。自動(dòng)化分揀和放置系統(tǒng)是高級(jí)倉庫正在實(shí)施的操作的一個(gè)例子。在拾取和放置系統(tǒng)中，自動(dòng)機(jī)器在箱子中的其他對象中識(shí)別一個(gè)對象，然后選擇該對象并將其放置在其他地方進(jìn)行打包。

為了使這個(gè)系統(tǒng)自動(dòng)化，需要許多不同的深度學(xué)習(xí)模型。這是因?yàn)橛行┪矬w很難用計(jì)算機(jī)視覺檢測，比如半透明、反光或非均勻物體。

下面的演練概述了如何將深度學(xué)習(xí)模型用于自動(dòng)拾取和放置系統(tǒng)。

首先，需要確定對象抓取點(diǎn)。這是最簡單的深度學(xué)習(xí)模型，但也是自動(dòng)化的一個(gè)重要功能。一旦知道在哪里抓取物體，就有必要了解物體在三維空間中是如何存在的。因此，需要一個(gè)深度估計(jì)模型，使拾取和放置系統(tǒng)能夠了解環(huán)境中對象的深度。

透明或反射對象的檢測錯(cuò)誤率較高。

拾取對象后，需要放置該對象。為此，使用方向模型確定拾取的項(xiàng)目在空間中的位置。

方向模型有助于我們了解對象需要如何放置或打包。

結(jié)合這些型號(hào)和其他型號(hào)，可實(shí)現(xiàn)有效的箱子包裝。

通過仿真模型對多層料倉包裝進(jìn)行了測試。

揀放系統(tǒng)僅展示了零售商用于改進(jìn)倉庫自動(dòng)化的模型的一些示例。

關(guān)于作者

Troy Estes 是 NVIDIA Edge 和企業(yè)計(jì)算解決方案的產(chǎn)品營銷經(jīng)理。在加入 Edge & Enterprise 業(yè)務(wù)部門之前，特洛伊曾在自主汽車業(yè)務(wù)部門和 NVIDIA 電網(wǎng)產(chǎn)品集團(tuán)從事營銷活動(dòng)和支持產(chǎn)品 GTM 。

審核編輯：郭婷