基于深度学习的机器视觉物品分拣

近些年来，随着我国快递运输行业的快速发展，智能工业机器的创新应用在运输业多范围、多领域落地开花。机器视觉作为工业机器的重要组成部分，是工业机器实现缺陷检测、视觉分拣、物流供稿、工件上下料等场景应用不可或缺的关键技术。与此同时，深度学习、高精度成像等技术的高速发展，让机器视觉的性能优势不断提升，也让其应用不断向不同方向延伸。

每天上亿的包裹量是机器视觉物品分拣不断发展的原因，物品分拣作为工业流水线生产和物流领域中非常重要的一环，一直来由人工完成，速度较慢，准确率低，已经无法满足当下快递企业对产能、时效和成本的要求，因此物品分拣生产线朝着自动化、智能化转型升级，成为必然的发展趋势。

物流分拣工作单一枯燥、劳动强度大，年轻人就业愿意降低，未来物流行业用工短缺、人力成本问题会愈加明显，加上培养一个熟练的操作工，往往还需要耗费大量的人工成本。但是，通过人工智能、深度学习、机器视觉等先进技术优化自动化设备，让机器代替人工，已经成为了大趋势。

面对智慧物流行业的快递包裹无序分拣场景，虚数科技推出了基于“深度学习+机器视觉”的工业AI视觉系统——DLIA工业缺陷检测，依托行业领先的深度学习智能算法，通过上千种算法模型，精准识别和抓取多品类、任意堆叠、无序来料的包裹，为物品分拣领域实现更高效的作业。未来，虚数科技也将不断加大技术研发力度，为客户提供最为合适的解决方案，让DLIA工业缺陷检测系统在更多场景实现落地。