立镖机器人浙江_立镖在美国获2020 NextGen供应链解决方案奖

Tompkins Robotics荣获2020 NextGen供应链解决方案提供商奖

汤普金斯国际被《供应链管理评论》指定为机器人技术类获奖者

 2020年3月20日消息

ebb70bef7a465c1a40bb8bd84561e74d.png

Tompkins International的业务部门  Tompkins Robotics被选为第二届年度NextGen供应链奖的获得者。汤普金斯机器人技术公司是《供应链管理评论》 认可的五家解决方案提供商之一,其利用的技术将塑造未来的供应链。

汤普金斯国际公司董事长兼首席执行官吉姆·汤普金斯说:“我们在机器人技术方面的进步得到了认可,这是一种荣幸。该奖项证明了我们团队具有将一个概念转变成市场中一支主要力量的能力。”

自2017年推出以来,Tompkins Robotics一直处于开发用于配送业务的尖端自主移动机器人(AMR)解决方案的最前沿。其旗舰产品  t-Sort是一种便携式,可扩展的机器人分拣系统,其操作类似于不带固定轨道的倾斜式托盘或交叉带分拣机,而自由移动的机器人则使用最短的路线按运输订单对物品和包裹进行目的地或服务水平进行分拣。Tompkins Robotics的AMR套件还具有用于分类轻巧物品的t-Sort Mini,以及能够处理高达66磅的物品t-Sort Plus,是原始t-Sort解决方案重量的六倍。

“如今,由于劳动力短缺和客户期望以前所未有的高速度实现快速交付,仓库自动化变得越来越重要,” Tompkins Robotics总裁Mike Futch说。“我们的t-Sort AMR套件为公司提供了完全模块化,可扩展的解决方案,与传统的分拣系统相比,可缩短交货时间并降低资本投资,从而适应不断增长的客户和市场需求。”

Tompkins Robotics屡获殊荣的t-Sort系统已被一些世界顶级零售商和发货人使用,它们的年收入总额超过1万亿美元,包括零售,电子商务,3PL和包裹/邮政渠道。该公司还与主要合作伙伴集成,以实现其在物流设施中提供点到点机器人自动化的目标,从而扩展其整体产品。

45fe7efc119d53fa4590e0f4cbc19f4e.png

2020年NextGen供应链奖4月27日至29日将在芝加哥举行的NextGen供应链会议上颁发。除了获得该奖项之外,Tompkins机器人公司总裁Mike Futch还将参加4月28日由供应链管理评论编辑总监Bob Trebilcock主持的解决方案提供商奖评审团

关于汤普金斯机器人TompkinsInternational的业务部门Tompkins Robotics致力于配送业务的机器人自动化。产品的初期开发和制造是由中国的浙江立镖机器人公司提供的小黄人分拣机器人。汤普金斯是立镖欧洲的合作方。我们的主要系统t-Sort由自动移动机器人组成,这些机器人将各种物品和包裹分类到合并点。t-Sort是一种便携式,自动化的物料处理分拣系统,它在供应链中产生了巨大的范例转变,并实现了订单履行的基本分配功能。我们将继续使用互补的机器人系统来扩展该核心系统,以实现配送操作中的流程自动化。我们的系统通过移动,可扩展和灵活的机器人解决方案来最大化性能,这些解决方案可以根据需求增长和变化以满足客户需求。我们为客户创造利润和价值;使它们更加敏捷,并适应市场中高度动态的变化。 www.tompkinsrobotics.com。

关于汤普金斯国际公司汤普金斯国际公司是一家全球供应链咨询和解决方案公司,致力于帮助客户实现卓越的供应链和可盈利的增长。汤普金斯(Tompkins)成立于1975年,已将其在战略,商业,物流和技术领域的数十年经验整合到一个由六个业务部门组成的生态系统中:供应链咨询,物料搬运集成,机器人技术,应用技术,配送服务和数字商务。通过结合一流的服务和技术,Tompkins提供了真正的端到端供应链解决方案,使客户能够改善客户体验并确保长期成功。Tompkins的总部位于北卡罗来纳州罗利市,并在北美,欧洲和亚洲设有办事处。欲了解更多信息,请访问 www.tompkinsinc.com。

c4215205248ab0e5e3a09707d85668fe.png

立镖在美国和日本市场:

58d63dde1dd44b99666b6672e6288046.png迷你小黄人,立镖机器人向美国市场再投新产品

58d63dde1dd44b99666b6672e6288046.png(喜报)一款中国的物流机器人网红,为何风靡美国日本?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值