智慧物流自动分拣系统分拣对象识别专利技术综述

邢靖华

一、概述

（一）研究背景

智慧物流是应用物联网技术和现代高新技术构成的一个自动化、可视化、可控化、智能化、系统化、网络化的物流配送体系，实现对商品的自动识别、追踪、定位，并采用智能化分拣、智能运输及智能仓储，以提高货物运输效率及节约成本的现代物流化体系。

自动分拣系统是智慧物流过程重要技术分支，是智能化配送中心所必须的设施条件之一,其一般由商品识别、机械输送部分、自动分拣机及计算机信息系统控制部分组合而成，共同完成自动分拣过程。分拣对象识别是对输送来待分拣对象进行信息识别，从而方便分拣装置根据识别的结果将不同的分拣对象运输至相应位置，其为分拣装置提供了“眼睛”。

（二）研究对象

自动分拣系统分拣对象识别技术主要完成分拣对象的识别，识别的效率和准确率，是衡量其性能的重要指标。其主要包括以下分支：

表1 基于智慧物流自动分拣系统的技术分支

	一级技术分支	二级技术分支
分拣对象识别	图像视觉识别	条码识别
		机器视觉识别
	标签数据识别	RFID识别
		NFC识别
	其它识别	重量、体积、电磁传感器识别等

（三）研究方法

采用的专利文献数据主要来自专利检索与服务系统。检索数据截止时间：2020年5月7日。

二、专利申请总体情况

1.主要申请人排名

图1全球主要申请人专利申请量排序图（单位：项）

图1所示，全球专利申请量排名前11位的申请人中有10位来自中国，可见中国在该技术领域具有较强创新优势。重要申请人类型包括企业以及高校。

2、主要技术分支

分拣对象识别技术作为智慧物流系统中的重要环节，主要分为图像视觉识别、标签数据识别及其他识别方式三方面关键技术。各分支专利申请量占比如图2所示。其中专利申请主要集中在图像视觉识别这一分支上，占据了68%的申请量。

图2物流分拣中对象识别技术分支专利分布

三、关键技术发展路线

图3所示为智慧物流自动分拣系统中分拣对象识别的技术发展路线图。

图3智慧物流自动分拣系统中分拣对象识别的技术发展路线图

1．图像视觉识别

图像视觉识别是通过摄像头、扫描器等感光输入设备获取物件上的视觉特征，从而识别其类别。常见的图像视觉识别技术为条码识别技术、机器视觉识别技术。

SOMEPOST于1967年公开了一种分拣机构（GB1058149A），通过光-电屏障来检测是否所述包裹是短或长实现分拣。SAMSUNG于2007年公开了文件分拣方法（KR1020070011968A），通过条形码进行分拣对象的识别。沈阳新松机器人自动化股份有限公司于2015年公开了一种基于机器人视觉伺服技术的快递分拣方法（CN104511436A），通过视觉伺服技术对快件进行定位和抓取。菜鸟智能物流控股有限公司2020年公开了一种物流物件资讯处理方法（CN110858219A），通过对物流进行拍摄并根据其上文字进行识别分类。

2．标签数据传输识别

其主要是通过对象识别装置与待分拣物件上的相应的标签之间的数据传输获取待分拣物件的相关信息，从而识别器类别进行分拣，主要包括利用RFID技术进行分拣以及利用NFC技术进行分拣。

DENSO于1998年公开了一种能够确认所述内容的输送货物的方法（JP10324405A），通过无线电从一个连接到货物3的包装上的ID标签4读取货物信息。美国联合包裹服务公司于2005年公开了一种使用射频识别技术进行包裹分类和递送的系统（CN1653477A），其通过扫描包裹上的射频识别(RFID)标记以便生成已扫描数据进行识别。昆山宏宇货运有限公司于2017年公开了一种智能分拣货辅助系统（CN106493082A），货物上均设置有正对所述扫描显示装置的NFC标签，从而实现货物的分拣。

3．其它识别

根据物流分拣需求，还可以在自动分拣系统中设置其他的识别装置来对待分拣物件进行识别分类。如利用尺寸测量仪、称重传感器等对物件进行识别将物件进行分拣。

CHRIST于1998年公开了一种检验包裹内容并将其运送到仓库或离开仓库的方法（US5834706A），通过称重和测量所述包装的体积进行货物分类识别。GUROK OLIVER于2009年公开了一种传感器装置（DE502006002284D1），通过交变磁场对被输送货物进行识别和分拣。中云智慧(北京)科技有限公司于2014年公开了一种放射性物质检测分拣设备（CN103639128A），对放射性物质进行检测分拣。香港商菜鸟智能物流网络(香港)有限公司于2020年公开了一种拣选设备（TW202009816A），透过测距感测器和称重感测器可以在分拣过程中降低错误率。

四、总结

综上所述，对象识别在分拣系统中的应用已经成为国内外对分拣系统设计的一大特点。对分拣系统进行自动对象识别可以让分拣过程更加智能化，可以适应更加复杂的生产环境，同时还可以提高分拣效率。虽然现有技术中在包括图像视觉识别、标签数据传输识别等方面都有了快速发展，但是其在很多方面还需要进一步完善，例如如何同时对多目标进行识别，如何进一步提高识别的精确度和速度，使识别装置轻量化、小型化等。在该领域上的研究还需要进一步深入与完善。