最近，英国的环路技术公司利用三维摄像机的识别功能，开发了一种基于视觉的自适应摄像机。机器人水果自动贴标系统。该系统使用3D摄像机来识别在单元中移动的产品，打印不同形状和大小的标签，并使用一对。工业机器人将标签贴在产品表面的特定位置。
对于许多新鲜农产品的批发商和超市来说价格和促销标签占据了大量的体力劳动和大量的费用支出。因此，很多给水果(如苹果和橘子)贴标签的大批量生产线已经自动化很多年了。
然而，对于小批量产品，如石榴或甜瓜，情况就不同了。到目前为止，这些产品的多样性和处理的复杂性导致了这些产品仍然是手工贴标签，然后重新包装。
最近，英国的环路技术公司开发了基于视觉和适应性的。机器人系统，可以自动标记这类产品。该系统使用3D摄像机来识别在单元中移动的产品，打印不同形状和大小的标签，并使用一对。工业机器人将标签贴在产品表面的特定位置(见图1)。
图1:使用3D飞行时间相机，循环技术公司开发了一套基于视觉的机器人产品贴标系统，实现产品的自动贴标。
传送带上的产品包装盒首先通过视觉工作站，在那里目标水果将被识别。然后根据水果的种类打印标签，尽量减少浪费，然后机器人优化标签的拾取和放置，以实现有效的操作。二机器人协作合作，在水果上贴单个或多个标签。
系统结构
戴尔的自动标签系统公司它由配备英特尔酷睿i7处理器的PC控制，运行人机界面(HMI)、机器视觉和机器序列软件。个人电脑和德国的贝科夫公司连接CX系列嵌入式PC，提供系统的实时控制；德国皮尔磁公司的可编程逻辑控制器用于监控机器人单元周围关键元件的状态，如紧急停止按钮和门锁单元进入机构。
一旦水果容器被送到自动贴标系统，在倍福公司在CX系列嵌入式PC的控制下，它们从滚筒输送机移动到驱动输送带。随后，产品箱进入视觉工作站，新加坡创意公司Senz3D飞行时间相机使用调制红外光源照亮产品并捕捉反射光。摄像头数据通过USB 2.0接口传输到多核PC，PC对飞行时间数据进行分析，生成产品箱及其下方传送带的3D点云。
3D数据非常重要，它用于使系统软件确定产品表面上的点，以便机器人知道在哪里标注，但是高通、低通、缩放滤镜也用于相机拍摄的三维数据，产生二维灰度图像。然后，PC在康耐视上运行。公司VisionPro软件对图像进行分割，将各种经过摄像头视野的生鲜产品进行区分后再进行识别。
当物体在系统中移动时，图像数据也用于生成物体的定位信息。为此，从图像数据中提取每个目标的点云数据，并使用循环技术。公司开发了三维校准算法。这为每个对象提供了真实世界坐标系中的三维表面数据。然后分析表面数据，使用用户定义的目标参数计算三维空间中产品表面上的点和垂直于这些点的向量，其中机器人应该贴上标签。
环路技术公司定制机器人通讯软件，允许目标数据在PC和一对。机器人控制器之间的传输。这些方法控制了德国的库卡。公司两台KR6 R900 Agilus。机器人，将标签贴在水果表面的任何预定位置。机器人控制器通过使用两个编码器跟踪传送带的运动，因此贴标过程不需要延迟。
三维分析
通过使用英特尔支持的感知计算技术，Senz3D主要针对手势识别应用。通过这种方式，基于相机的系统在该应用中对对手、面部和瓜表面做出良好的响应。然而，感知计算是基于场景的相对变化，并且机器人定位需要真实世界坐标系中精确的三维数据。
所以摄像头得到的深度数据并不是马上就有用的，因为数据不在现实世界的坐标系中，所以无法用于定位。机器人。让问题更复杂的是，镜头畸变和飞行畸变(图像周围的物体显得更远)开始发挥作用，场景直接呈现时有翘曲率。
为了克服上述问题，环路技术公司使用由精密加工块构成的三维棋盘开发了三维标定程序。利用已知的块宽、块高、块深，我们可以计算出原始数据中各种畸变的校正变换，在笛卡尔空间生成新的点云。
水果缺陷也会导致错误，使裂纹和峰出现在不存在的地方。为了消除这种情况，在计算中机器人为了平滑这些缺陷，在定位之前使用表面映射算法。机器人建立一个可靠的目标位置。
指示产品上一个或多个标签需要粘贴的位置的三维坐标通过以太网接口传输到。机器人控制器。当一箱农产品在机器人在的工作范围内，机器人机械臂末端的两个气动末端执行器从两个标签打印机中取出标签，并将其粘贴在产品表面(见图2)。完全标记的产品然后通过辊式输送机离开。
图2:当一箱农产品在机器人在的操作范围内，气动驱动的末端执行器从两台标签打印机中挑选标签，并将其粘贴在产品表面。
训练方法
这台机器可以标记各种产品。虽然有很多工业贴标机已经能够提供更快的吞吐量，但他们的应用仅限于特定的产品类型。环路技术公司通过触摸按钮，机器可以切换到不同的产品，如从标记鳄梨切换到标记西瓜，因此它是低产和季节性水果的理想选择。
用户看不到系统的复杂，只接触简单的软件界面，可以用来训练系统识别新产品。使用基于浏览器的设置界面，即使在机器运行时，也可以将新产品添加到可识别产品列表中。训练需要将单个样本放在传送带上，并由摄像机成像。
一旦捕捉到图像，用户可以设置深度阈值，以便样品清楚地从传送带和任何包装中伸出，然后系统会自动训练以识别产品(见图3)。为此，使用斑点分析算法来识别包含样本的点云区域。然后对这些数据进行分析和量化，以生成独特的产品数据集。
图3:一旦摄像头捕捉到传送带上的产品图像，用户可以设置深度阈值，以便样品清楚地从传送带和任何包装中突出。在这个过程之后，系统被训练来识别产品。
设置界面还允许用户创建可由创建的设置机器人末端执行器贴在产品上的标签的类型和尺寸库。此外，标签的图像可以输入到系统中，以便操作者可以在系统显示器上看到标签的特征。
贴在产品上的标签的数量和位置也通过软件设置界面进行控制。虽然标签通常贴在产品的中央，但是多个标签的位置可以稍微移动。为了确定所选标签的位置，拖放界面允许选择标签并将其拖动到屏幕上产品模型的表面，并放置在所需的位置。
然后，标签信息作为特定产品流程的一部分存储在系统中。每一个独立的流程都决定了要识别的产品类型，应该使用什么样的打印机给产品贴标签，以及应该使用什么样的特定标签。还可以定义产品上标签的位置和数量。
编程接口允许用户创建一套工艺流程，确定要识别的产品类型、所需标签的类型和尺寸，以及将标签粘贴在产品上的位置。
训练方法和目标识别不对产品的定位或外观做任何假设。因此，该系统不受包装变化的影响，例如盒子的大小、盒子中产品的数量和损坏的盒子。