在制造业与物流仓储的自动化升级进程中，纸箱拆垛是物料流转的核心环节。随着柔性生产模式的普及，同一拆垛工位需兼容多种纸箱规格、多种垛型，以及完成异常箱体的识别与分拣。单纯依赖输送线定位或机械限位的传统方式，已难以适配复杂多变的现场需求。3D视觉引导技术由此成为行业主流方案，但在实际落地中，视觉定位精度、作业节拍、现场环境适应性，仍是制约项目稳定运行的核心挑战。
一、项目挑战
该工位来料为标准化纸箱，单箱重量约20公斤。纸箱在托盘上呈2行4列紧密码放，分为两层。 产线存在两类难点： 1. 垛型复杂且不固定 满托来料：上层纸箱数量1-5个不等，总数9-13箱。 残托来料：经部分抓取后重新回库的托盘，仅剩单层或上层少量纸箱，数量范围1-8箱。 2. “零箱”需单独分流 部分纸箱因内部不满料，上表面贴有白色标签（“零箱”标识）。 零箱必须由机器人抓取后放置到尾箱平台，而非码垛到下料托盘。 零箱位置固定为该层最后一个，但标签粘贴存在角度与位置偏差，传统模板匹配难以稳定识别。
此外，纸箱间无间隙、表面存在打包带及印刷图案，对3D相机的点云完整性及识别算法提出了较高要求。
二、解决方案
针对上述难点，项目采用3D工业相机+工业机器人的视觉引导拆垛方案，现场部署Epic Eye Log L 3D工业相机，固定安装于拆垛位正上方。
系统流程如下： 人工叉车将纸箱垛输送至拆垛位，触发到位信号。 机器人发送零箱检测信号，3D相机拍照扫描，来确认是否存在零箱。 相机拍照，算法识别纸箱排列及零箱标签位置，输出抓取点姿态及抓取数量（单次抓1个或2个）。 机器人依据视觉结果抓取，将纸箱码垛至下料托盘，零箱放至尾箱平台。 重复直至拆空或达到指定数量；若下料需求小于来料总数，则将零箱码回原托盘回库。
三、应用优势
精度与节拍双超越 实测识别精度达±1mm、抓取精度±1mm，拍照+算法仅3s，为后续节拍余量提供保障。
零箱识别稳定可靠 通过深度学习训练，系统对白色标签在不同光照、倾斜角度下的识别成功率≥99.9%。零箱被抓取后精准放置到尾箱平台，避免混入正常码垛。
自适应残托与复杂排列 相机每次拍照后按列计算纸箱数量（1或2），自动规划抓取点。残托场景下，无需人工重新示教，视觉系统直接输出剩余箱体位姿。
四、落地价值
兼容零箱/残托：无需人工分拣，降低现场操作人员劳动强度。 效率升级：替代人工拆垛，效率提升显著，节拍稳定可控，破解传统方案效率瓶颈，适配规模化生产需求。 柔性换产：新增纸箱型号时，通过深度学习训练，无需更换硬件。 在工业自动化向柔性化、智能化深度发展的趋势下，3D工业相机将持续深耕拆垛、分拣、上下料等核心场景，以高精度、高稳定性、强柔性的技术优势，成为制造业自动化升级的核心驱动力。