[发明专利]拾取系统

说明书

技术领域

公开的实施方式涉及拾取系统。

背景技术

在专利文献1中记载了通过机器人手把持部件等对象物来进行拾取操作的机器人装置。

专利文献1：日本特开2015-205368号公报

发明内容

但是，在要把持的对象物例如如食品那样按照每个个体而成为不定形状、不定重量的情况下，很难适当把持对象物。

本发明是鉴于这种问题而完成的，其目的在于，提供能够提高针对不定形状、不定重量的对象物的拾取功能的拾取系统。

为了解决上述课题，根据本发明的一个观点，应用一种拾取系统，所述拾取系统具有：形状取得部，其取得对象物的形状信息；重量估计部，其根据所述形状取得部取得的对象物的形状信息估计该对象物的重量；拾取机器人，其进行针对所述对象物的拾取动作；以及控制部，其根据由所述重量估计部估计出的重量对所述拾取机器人的拾取动作进行控制。

发明效果

根据本发明，能够提高针对不定形状、不定重量的对象物的拾取功能。

附图说明

图1是示出实施方式的拾取系统的概略系统框结构的一例的图。

图2是比较并示出夹钳周边的重量传感器的装配状态和重量传感器的非装配状态的图。

图3是与照相机的图像信息对应地示出从上方观察容器时的其内部的多个食品的装载状态的一例的图。

图4是从侧方透视容器而示出其内部的多个食品的装载状态的一例的图。

图5是与图3的图像信息对应地示出仅对能够进行把持/重量估计的食品进行个体识别的状态的图。

图6是示出对进行个体识别后的各食品个体分别估计出的估计重量信息的一例的图。

图7是示出重量估计部应用的人工神经网络的模型的一例的图。

图8是示出为了实现学习模式而由上位控制装置的CPU执行的控制步骤的流程图。

图9是示出作业计划部设定的拣选作业计划的一例的图。

图10是示出为了实现执行模式而由上位控制装置的CPU执行的控制步骤的流程图。

图11是示出利用三维照相机取得食品的图像信息的结构例的图。

图12是示出根据2个形状信息来估计重量值的情况下的重量估计部应用的人工神经网络的一例的图。

图13是示出上位控制装置的硬件结构的系统框图。

标号说明

1：拾取系统；2：照相机(形状取得部)；3：上位控制装置；4：机器人控制器；5：拾取机器人；5b：夹钳；6：容器(规定的装载容器)；7：重量传感器；31：个体识别部(形状取得部)；32：重量估计部；33：作业计划部(控制部)；F：食品；I、II：目标容器；IR：规格外容器。

具体实施方式

下面，参照附图对实施方式进行说明。

<拾取系统的概略结构>

图1示出本实施方式的拾取系统的概略系统框结构的一例。该拾取系统是拾取重叠装载在容器内的多个食品以将其拣选到多个目标容器中的系统。在图1中，拾取系统1具有照相机2、上位控制装置3、机器人控制器4、拾取机器人5。

在该例子中，照相机2是以光学方式取得二维图像信息的摄像设备。该照相机2配置在容器6(规定的装载容器)的上方，能够对以散装的方式重叠装载在该容器6的内部的多个食品F(对象物；在本实施方式的例子中为炸鸡)的整体进行摄像。

上位控制装置3根据由上述照相机2取得的图像信息进行与拾取机器人5的拾取作业有关的处理，对机器人控制器4输出作业指令。该上位控制装置3具有个体识别部31、重量估计部32、作业计划部33。

个体识别部31通过对由上述照相机2取得的图像信息进行图像识别，对该时点重叠装载在容器6内的多个食品F中的、能够由拾取机器人5进行拾取的个体(以下适当称为食品个体F)进行识别。然后，将这些能够拾取的食品个体F各自的形状信息输出到重量估计部32和作业计划部33，并且将各自的配置信息输出到作业计划部33(在后面详细叙述)。

重量估计部32根据从上述个体识别部31输入的各食品个体F的形状信息来估计其重量，将该估计重量信息输出到作业计划部33。另外，在本实施方式的例子中，该重量估计部32通过使用人工神经网络的机器学习，进行与各食品个体F的形状信息对应的重量的估计处理(在后面详细叙述)。