該系統以“2D視覺+3D建模+AI算法”深度融合為核心，內嵌12大行業定制化算法，通過多模感知與數據處理構建多模態數據集，利用自注意力機制和遷移學習優化算法搭建感知-決策模型，采用迭代控制算法保障機器人執行的柔順性與安全性。該系統能在復雜工業環境中精準定位、隨動抓取海量異形工件，即便1mm以內的零件割縫也可清晰識別，整體識別準確率超99%，重構了工業生產“眼-腦-手”協同范式，為船舶海工、能源裝備等離散型制造行業的智能化轉型提供關鍵技術支撐。
當前，船舶海工、工程機械、能源裝備等領域雖已逐步用自動化分揀替代傳統人工作業，但行業痛點仍未徹底解決，嚴重制約智能分揀的工程化應用。一方面，人工分揀遺留的效率與穩定性問題尚未完全突破，部分場景仍依賴人工輔助，重工環境下勞動強度大、疲勞導致的分揀錯誤率高、生產周期延長等問題依舊存在；另一方面，現有自動化系統面臨多重新挑戰：工件特性復雜，異形件、多工藝零件的識別定位難度大；環境感知干擾強，粉塵、光線變化等因素易導致系統成像偏差、識別精度下降；同時安全隱患突出，機器人執行的柔順性不足，易出現碰撞損傷或操作風險。此外，工件整理難度居高不下，不同工件工藝路線復雜、尺寸重量差異顯著，傳統產線固定流程與現有自動化系統的適配性有限，難以滿足料框選擇、碼盤調度的柔性需求，進一步制約企業生產效率提升。
針對行業痛點，“融合多模感知交互的智能分揀系統”從技術突破與功能優化雙維度形成系統性解決方案，核心技術優勢凸顯。在“看得清”上，憑借弱特征切割件識別定位技術，實現99%識別率、≤0.5s響應時間與≤1mm定位精度，搭配魯棒輪廓提取模型與行業專屬AI檢測模型，超大件檢測準確率達100%，同時大幅降低對環境穩定性的依賴；在“抓得穩”上，依托輪廓與位置信息，通過柔性端拾器開磁算法適配異形零件，結合多機器人協同抓取技術實現40%-60%效率提升，搭配自適應雙臂協同計算與多機控制，抓取成功率穩定在99%，切斷線生成與識別技術更徹底解決行業卡料難題；在“碼得齊”上，基于強化學習的任務決策模型提升分揀效率20%，多約束碼盤調度算法則實現料框利用率提升20%、零件齊套性提升15%。此外，系統開發配置標準化單元站設計，可根據項目需求快速適配應用，高復用性與高擴展性讓中小企業智能化改造更靈活、成本更低，最終實現復雜工業場景下人員減少80%、效率提升100%的高效柔性分揀目標。
該系統憑借技術創新性與行業價值，已獲得多方高度認可與廣泛應用。目前該成果被央視新聞聯播報道，成為“AI + 工業制造”領域的典型案例，向全國展示我國智能制造技術突破；同時第五十屆日內瓦國際發明展中斬獲金獎，充分彰顯我國在工業智能識別領域的自主創新實力。應用層面，技術已成功落地中聯重科、太重集團、蕪湖船廠、新能船業、順特電氣等國家或行業級標桿工廠，助力近百家智能工廠建設。其不僅推動工程機械、船舶海工、能源裝備等行業高質量發展，更以綠色高效的技術特性驅動全球工業綠色轉型，為共筑人類可持續未來提供 “中國方案”。
所有評論僅代表網友意見，與本站立場無關。