AI视觉分拣定制：叠件分割与粘连分离

在再生塑料与物流分拣线上，传送带物料常出现叠压、粘连和运动模糊，单帧检测容易把相邻两件判为一件，导致执行机构抓空或误分。计算机视觉实验室近期围绕“叠件解耦”做了一组实验性探索：以3~5帧短时序图像为输入，先用轻量光流对齐物料位移，再由实例分割头输出独立掩膜；对透明或高反光物料辅以偏振补光，抑制镜面反射造成的边界断裂。

• 进展：在某再生塑料分拣线试运行两周，叠件分离准确率由82.3%提升至93.1%，边缘设备单帧推理约18ms，误分率下降约四成；粘连严重时性能仍会退化。
• 下一步：引入单目深度估计约束遮挡边界，补充粘连物料的小样本库，并验证同一模型在纸塑、金属混合线上的迁移能力。