文/俞嘉浩 倪衛(wèi)紅 趙成國 趙俊朋 江文歆

隨著“智慧物流”時代的到來，視覺識別技術(shù)的研究與應(yīng)用越來越引起物流工作者的重視。裝車作業(yè)作為物流活動的起始環(huán)節(jié)，常常會被人們所忽視，實際上，一個高效率、智能化的裝車作業(yè)流水線對于衡量企業(yè)物流服務(wù)水平有著重要意義。

裝車作業(yè)流水線有三個關(guān)鍵環(huán)節(jié)：包裝缺損檢測、暴力作業(yè)識別、最優(yōu)裝車方案規(guī)劃。在包裝缺損檢測環(huán)節(jié)，韓曉健、趙志成提出的利用卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)數(shù)字圖像處理辦法相結(jié)合的方式，不僅實現(xiàn)了圖像特征的自動提取，更提高了物體表面裂縫的識別率，能夠成功定位裂縫的位置以及裂縫的大小，該算法在建筑學(xué)上的應(yīng)用，對于我們在物流包裝檢測方面的應(yīng)用具有很大的啟發(fā)與借鑒意義。

在暴力作業(yè)識別環(huán)節(jié)，過去主要的識別方法包括基于多尺度合成算法的物流暴力行為識別法、基于支持向量機(jī)算法的物流暴力行為識別法和基于K均值聚類算法的物流暴力行為識別法，但是這些方法由于準(zhǔn)確的暴力行為特征獲取得不明顯，因此識別的準(zhǔn)確性不高。尚淑玲提出了一種基于計算機(jī)視覺、利用小波包分析的方法，對物流過程中的暴力行為進(jìn)行有效識別。此法的識別準(zhǔn)確率遠(yuǎn)高于傳統(tǒng)的識別方法，但是仍有較大的提升空間。

在最優(yōu)裝車方案規(guī)劃環(huán)節(jié)，重點是獲取到產(chǎn)品包裝的尺寸信息。國內(nèi)早期出現(xiàn)了基于光電掃描方式的測量架，但該方法不僅效率低下，且測量精度過于依賴高性能硬件；廣州市西克傳感器公司研發(fā)的DWS系統(tǒng)，利用激光或光柵式體積掃描系統(tǒng)測量包裹體積，但是該設(shè)備對環(huán)境要求比較高，且成本昂貴；堆疊貨物體積測量系統(tǒng)主要應(yīng)用于航空貨運，在物流領(lǐng)域難以實現(xiàn)廣泛的應(yīng)用。

基于此，本文以裝車流水線為研究對象，通過運用深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、雙目視覺等技術(shù)，設(shè)計了基于視覺識別技術(shù)的智能裝車作業(yè)流水線，提升了企業(yè)的整體物流服務(wù)水平。

一、裝車作業(yè)流水線的現(xiàn)狀及問題

1.貨品包裝完好性不足

大部分企業(yè)對于包裝的設(shè)計，往往從生產(chǎn)角度出發(fā)，對運輸包裝并不十分重視。在商品從生產(chǎn)出來到裝車的過程中，往往會出現(xiàn)由于沖撞、震蕩或者其他不可抗因素影響導(dǎo)致的箱體破損、褶皺變形、密封不完全等現(xiàn)象。由于鮮有企業(yè)會要求裝車工人對貨品包裝進(jìn)行檢查、對不合格的產(chǎn)品包裝進(jìn)行返工或回收廢棄處理，因此經(jīng)常會產(chǎn)生商品破損或收貨后客戶不滿意而引發(fā)的商務(wù)糾紛帶來的經(jīng)濟(jì)損失，也會影響到企業(yè)服務(wù)水平在市場當(dāng)中的口碑。據(jù)不完全統(tǒng)計，我國物流業(yè)每年因包裝問題而產(chǎn)生的損失達(dá)到百億元。為了保證物流運輸?shù)馁|(zhì)量、確保物體包裝的完好性，一個完善的包裝檢測系統(tǒng)顯得格外重要。

2.裝車工人暴力作業(yè)

雖然現(xiàn)在大部分行業(yè)在裝車時采用托盤，通過叉車進(jìn)行裝車作業(yè)，但在一些特殊行業(yè)，如快遞業(yè)，依然需要大量的人工對貨品進(jìn)行分揀和裝車。當(dāng)出現(xiàn)分揀的貨物數(shù)量較多、員工疲勞作業(yè)、企業(yè)監(jiān)管不力等情況時，為了追求效率，許多員工容易出現(xiàn)野蠻裝車、暴力作業(yè)的情況，摔、砸、拋、扔、踢，甚至坐在包裹上。對于一些易碎物品和貴重物品，很難在暴力作業(yè)后幸存，而對于一些危險品，更是會產(chǎn)生無法預(yù)估的損失。由于物品損壞而引發(fā)的糾紛問題已成為消費者投訴的重災(zāi)區(qū)。為了提高物流服務(wù)的質(zhì)量和水平，整治員工暴力作業(yè)勢在必行。

3.貨品碼放不合理，箱體空間利用率低

現(xiàn)階段人工裝車作業(yè)時，裝車工人大多憑經(jīng)驗和主觀判斷進(jìn)行貨物的碼垛。一方面，工人在規(guī)劃裝車方案以及發(fā)現(xiàn)不合理裝車進(jìn)行調(diào)整的時候，容易浪費大量時間，使得整體堆垛效率低下；另一方面，不合理的貨品碼放使得箱體空間利用率低，且容易造成貨物或包裝擠壓變形等現(xiàn)象?，F(xiàn)代物流對貨物幾何尺寸信息的利用率較低，目前市場上主流的物品打包算法采用事先在系統(tǒng)內(nèi)輸入產(chǎn)品參數(shù)，在獲取訂單時根據(jù)事先輸入的參數(shù)進(jìn)行最優(yōu)裝車方案計算。這個方法在物品包裝大小比較規(guī)則、產(chǎn)品尺寸種類不多的情況下具有良好的效果，然而在包裝尺寸大小不一的快遞業(yè)中，很明顯此法難以行得通。因此，需要一個能夠快速獲取包裝尺寸信息的系統(tǒng)，實時構(gòu)建預(yù)設(shè)模型，計算出最優(yōu)裝車方案。

二、視覺識別技術(shù)在裝車作業(yè)流水線上的應(yīng)用

近年來，視覺識別技術(shù)不斷發(fā)展，它利用計算機(jī)視覺系統(tǒng)軟件和圖像攝取裝置模擬人類的視覺功能，通過提取被攝取目標(biāo)的圖像特征然后與預(yù)先存儲在數(shù)據(jù)庫中的特征集進(jìn)行對比或者對測量現(xiàn)場的目標(biāo)信息進(jìn)行數(shù)字化處理，將識別出來的結(jié)果上傳給控制系統(tǒng)，進(jìn)而發(fā)出相應(yīng)的動作指令，以實現(xiàn)對作業(yè)現(xiàn)場的測量、監(jiān)督和控制。圖像處理與識別的基本過程，如圖1。

1.包裝缺損檢測

（1）基于深度學(xué)習(xí)的產(chǎn)品包裝檢測

產(chǎn)品的外包裝檢測，主要在于檢查包裝是否出現(xiàn)褶皺變形、密封不完全、箱體破損等現(xiàn)象。針對這些問題，選取裂縫檢測以及包裝邊緣形狀檢測作為檢測的項目，基于深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)技術(shù)，結(jié)合計算機(jī)視覺，通過CCD相機(jī)捕獲被測物品的位置與坐標(biāo)信息，同時獲取相應(yīng)的物品圖像；然后通過圖像預(yù)處理，對獲取的圖像根據(jù)圖像本身的缺陷和具體的研究目的而采取的一些圖像增強(qiáng)、復(fù)原等措施。最后根據(jù)所獲得的測量圖像和數(shù)據(jù)，進(jìn)行特征提取，形成特征向量，為最后的決策和判斷提供主要的依據(jù)。

圖1：圖像處理與識別的基本過程

圖2：雙目視覺原理圖

（2）圖像的預(yù)處理

在采集被測物品圖像信息的過程中，圖像信息容易被外部的噪聲、攝像機(jī)的輕微抖動、光學(xué)散焦等因素的影響，出現(xiàn)圖像模糊、質(zhì)量不理想的情況，此時就需要對原始圖像進(jìn)行最優(yōu)化描述。盡管現(xiàn)在大多數(shù)圖像采集設(shè)備像素較高，采集到的圖像清晰、細(xì)節(jié)完整，但仍不免夾雜有圖像噪聲。由于在裂縫提取過程中這些噪聲的影響較大，為了得到清晰的圖像畫面，需要使用圖像濾波算法對圖像去噪，通常采用中值濾波與雙邊濾波作為圖像非線性濾波器，兩者均具有保邊去噪的功能。

（3）圖像的分割和特征提取

為了便于之后的處理，往往會進(jìn)行圖像分割以獲取圖像中有價值的信息，這是從圖像處理到圖像分析的關(guān)鍵步驟。現(xiàn)有多種圖像分割方法，我們選用邊緣檢測分割方法，邊緣有方向和幅度兩個特性，通過邊緣檢測算子對圖像區(qū)域進(jìn)行檢驗。沿邊緣走向的灰度變化呈階躍形，邊緣的位置對應(yīng)一階微分幅度較大的點，同時也對應(yīng)二階導(dǎo)數(shù)的過零點，因此利用梯度最大值或二階導(dǎo)數(shù)過零點提取邊界點就成為一種有力的手段。我們選用Canny邊緣檢測算子進(jìn)行檢測，Canny算子的實際邊緣與檢測到的邊緣位置之間差距最小，不丟失重要邊緣的同時能保證其檢測的最優(yōu)性。

進(jìn)行圖像分割之后，需要對圖像之中的裂縫進(jìn)行識別定位，將圖像與通過深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)訓(xùn)練出來的裂縫識別模型進(jìn)行比較，如果分割后的圖像中存在裂縫，則將裂縫信息提取出來，輸出裂縫圖像。同時將該物品的位置信息傳遞給后方的揀選系統(tǒng)，及時將該物品取出，以便進(jìn)行返工或者回收廢棄處理。

2.暴力作業(yè)識別

（1）卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一。卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要包含卷積層、池化層、全連接層和Softmax回歸層。卷積層的神經(jīng)元能從前一層輸入中提取更高層次的特征，得出特征圖，并通過池化層進(jìn)行降維，減少數(shù)據(jù)冗余，最后通過全連接層和分類器進(jìn)行分類識別。

（2）基于卷積神經(jīng)網(wǎng)絡(luò)的暴力作業(yè)識別

現(xiàn)階段有許多基于卷積神經(jīng)網(wǎng)絡(luò)的動作識別方案，例如：

①基于多尺度信息融合和深度學(xué)習(xí)的人體行為識別，通過構(gòu)建多個深度網(wǎng)絡(luò)，組成并行結(jié)構(gòu)來研究深度視頻的人體行為識別。該方法優(yōu)點在于不依賴人工設(shè)計特征，不需要對數(shù)據(jù)進(jìn)行復(fù)雜預(yù)處理，流程簡單，對于大幅度的、數(shù)據(jù)集中行為差異較大的行為識別率高達(dá)98%。但是該方法對于動作幅度較小，數(shù)據(jù)集中行為差異不大的行為的識別正確率較低。

②為了同時滿足大規(guī)模數(shù)據(jù)集的計算與小幅度動作的識別，提出了一種基于雙層核極限的學(xué)習(xí)機(jī)與深度學(xué)習(xí)的動作識別算法。該算法分為兩層，第一層計算手工特征和深度學(xué)習(xí)特征，第二層訓(xùn)練分類器，將預(yù)測得分映射值最終的動作分類。手工特征采用的是密集軌跡特征，深度學(xué)習(xí)特征則是基于運動信息的卷積神經(jīng)網(wǎng)絡(luò)，最后利用核支持向量機(jī)的泛化能力將二者進(jìn)行融合。該算法在小幅度動作識別上的準(zhǔn)確率高于同類算法，且需要的訓(xùn)練時間遠(yuǎn)小于其他算法。

上述兩種算法，可以很好地應(yīng)對物流中暴力作業(yè)的檢測需求，無論是大幅度的扔、踢、踩等動作，還是小幅度的違反操作規(guī)范的手部動作，都可以分別應(yīng)用這兩種算法很好的識別出來，且對于特征的選取簡單、訓(xùn)練時間短，能夠快速投入使用。但是這兩種算法存在各自的局限性，如果能夠?qū)蓚€算法進(jìn)行融合和優(yōu)化，在物流領(lǐng)域的應(yīng)用前景值得期待。

3.最優(yōu)裝車方案規(guī)劃

（1）雙目視覺原理

雙目視覺基于視差原理，通過對成像設(shè)備從不同位置獲取的多幅被測目標(biāo)的二維圖像信息進(jìn)行分析，根據(jù)對應(yīng)點之間的位置偏差計算得出被測目標(biāo)的三維尺寸信息。雙目視覺的原理，如圖2。

其中，B是兩臺攝像機(jī)投影中心的距離；f是攝像機(jī)的焦距。當(dāng)待測物體進(jìn)入雙目攝像機(jī)拍攝區(qū)域時，設(shè)其上某一點的空間坐標(biāo)為P(x,y,z)，其在左右圖像中點的坐標(biāo)分別為Pleft=(Xleft,Yleft)和Pright=(Xright,Yright)，因為兩攝像機(jī)在同一平面，所以待測物體在兩個攝像機(jī)中的圖像坐標(biāo)Y是相同的，即Y=Yleft=Yright，因此可得其三維坐標(biāo)為:其中因此，任一相機(jī)像面上的任意一點只要能在另外一個相機(jī)像面上找到對應(yīng)的匹配點，就可以確定該點的三維坐標(biāo)。

（2）基于雙目視覺的最優(yōu)裝車方案規(guī)劃

在選取好合適的位置架設(shè)攝像頭后，首先要做的就是對相機(jī)進(jìn)行標(biāo)定。標(biāo)定的目的是獲取相機(jī)的內(nèi)參（焦距、圖像中心、畸變系數(shù)等）和外參（旋轉(zhuǎn)矩陣與平移矩陣，用于對齊兩個相機(jī)）。為了達(dá)到更好的效果，選用工業(yè)級的玻璃面板能夠獲取更高的標(biāo)定精度。然后進(jìn)行雙目矯正，目的是為了消除參考圖與目標(biāo)圖之間在Y方向的差異，只保留在X方向上的不同，提高視差計算的準(zhǔn)確性。隨后采取雙目匹配獲取視差圖，借助雙目圖像進(jìn)行立體校正后獲取重投影矩陣，恢復(fù)出空間點的深度信息，求得點的空間坐標(biāo)，并對點云數(shù)據(jù)進(jìn)行可視化操作，即三維重構(gòu)以尋找一種拓?fù)溥B接關(guān)系，逼近被測物體的原始曲面，在這一步就可以較好地還原物體的空間形狀和結(jié)構(gòu)。最后一步就是根據(jù)前面幾步中獲得的視差、內(nèi)參、基線計算實際深度。獲取幾何尺寸的流程圖，如圖3。

圖3：幾何尺寸獲取流程圖

當(dāng)待測物品從攝像頭前通過時，系統(tǒng)通過上述流程，在短時間內(nèi)快速反應(yīng)，獲取物品的尺寸信息，并且傳入計算機(jī)內(nèi)，建立預(yù)設(shè)模型。然后根據(jù)尺寸大小、貨品材質(zhì)、重量等信息，通過一定的算法，計算得出最優(yōu)裝車方案。

三、結(jié)語

針對當(dāng)前物流行業(yè)智能化的要求，本文基于視覺識別技術(shù)的原理和方法，設(shè)計了智能裝車作業(yè)流水線并對其中的關(guān)鍵部分進(jìn)行了研究。但是外界環(huán)境的改變也會影響其識別的穩(wěn)定性，因此，在應(yīng)用的過程中，需要根據(jù)現(xiàn)場實際情況及時地進(jìn)行相應(yīng)的系統(tǒng)設(shè)計和調(diào)整。此外，為了提高裝車作業(yè)的效益，以下幾個方面也值得我們關(guān)注：

1．改進(jìn)物流包裝技術(shù)。降低破損包裝出現(xiàn)的概率，減少因為包裝問題而產(chǎn)生的經(jīng)濟(jì)損失和時間浪費。

2．包裝標(biāo)準(zhǔn)化。使用統(tǒng)一的標(biāo)準(zhǔn)化包裝，不僅能夠便于貨物的碼放，提高物流效率，還能節(jié)約包裝材料，降低物流成本。

3．規(guī)范工人作業(yè)行為。建立相應(yīng)的賞罰與監(jiān)督機(jī)制，定期進(jìn)行操作培訓(xùn)，避免出現(xiàn)暴力作業(yè)現(xiàn)象。

4．健全物流人才培養(yǎng)機(jī)制，既要注重理論培養(yǎng)，也要加強(qiáng)實踐創(chuàng)新教育，整體提升物流從業(yè)人員素質(zhì)。

我們認(rèn)為，隨著“智慧物流”的深入發(fā)展，視覺識別技術(shù)必將會在更多的物流環(huán)節(jié)得到應(yīng)用。