[发明专利]基于人工智能的全品规柔性自动分拣控制方法及装置

权利要求书

1.基于人工智能的全品规柔性自动分拣控制方法，其特征在于，包括：

分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组；

获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像；

提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列；

控制所述机械臂组按照所述分拣序列，依次提取感兴趣图像相对应的待分拣货物至包装区域叠放设置;

所述分拣区域接收备货传送带所传输的待分拣货物，基于当前时刻所接收到的订单数据确定待分拣货物的数量，根据所述待分拣货物的数量确定柔性的机械臂组，包括：

若所述待分拣货物的数量小于等于第一预设数量，则选择1个分拣机械臂生成机械臂组，所述1个分拣机械臂对应整个分拣区域；

若所述待分拣货物的数量大于第一预设数量，则确定多个分拣机械臂生成机械臂组；

根据所述分拣机械臂的数量对所述分拣区域划分得到相应数量的分拣子区域，为每个子区域设置一个相对应的分拣机械臂;

所述获取分拣区域的区域图像，对所述区域图像进行二值化处理得到二值化图像，在所述二值化图像中确定感兴趣像素区间的像素点，得到与所述待分拣货物相对应的感兴趣图像，包括：

接收所述分拣区域的背景颜色得到第一像素区间；

根据所述第一像素区间以外的其他像素值得到二值化目标像素点，基于所述第一像素区间和二值化目标像素点对所述区域图像进行二值化处理得到二值化图像；

将二值化图像中具有二值化目标像素点的区域作为感兴趣图像，对每个感兴趣图像标号处理;

所述提取每个感兴趣图像所对应的轮廓像素点，根据所述轮廓像素点生成相应感兴趣图像的规格属性信息，基于所述规格属性信息对所有的感兴趣图像进行分拣排序得到分拣序列，包括：

依次获取感兴趣图像中的每一个二值化目标像素点及其相邻像素点；

若判断感兴趣图像中某个二值化目标像素点的相邻像素点不为二值化目标像素点，则将感兴趣图像中相应的二值化目标像素点作为轮廓像素点；

对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息；

将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列;

所述对所有相邻的轮廓像素点相连接得到像素点连接线，根据每个像素点连接线的轮廓像素点的数量进行计算得到规格属性信息，包括：

将二值化图像的中心点作为坐标原点，对所述二值化图像进行坐标化处理，得到二值化图像内每个像素点的坐标；

提取相邻的轮廓像素点的坐标生成相对应的函数信息，将具有相同函数信息的所有相邻的轮廓像素点进行连接得到像素点连接线；

将轮廓像素点的数量多的像素点连接线作为长度连接线，将轮廓像素点的数量少的像素点连接线作为宽度连接线；

根据所述长度连接线、宽度连接线得到规格属性信息的长信息和宽信息;

将每个感兴趣图像的规格属性信息中的长信息、宽信息进行比对，得到所有的感兴趣图像进行分拣排序得到分拣序列，包括：

基于每个感兴趣图像的规格属性信息中的长信息、宽信息进行计算，生成相对应的体积系数；

基于所述体积系数对所有感兴趣图像的标号进行降序排序，若判断存在相同体积系数的感兴趣图像，则将相同体积系数的感兴趣图像的标号进行随机排序，得到分拣序列；

通过以下公式计算体积系数，

其中，为第个感兴趣图像的体积系数，为长度连接线对应的轮廓像素点的数量，为长度权重值，为长度常数值，为宽度连接线对应的轮廓像素点的数量，为宽度权重值，为宽度常数值。