1. 物流识别与追踪系统概述
在现代物流自动化体系中，货物从入库、输送、分拣、暂存到出库，每一个环节都依赖对“物”的准确识别与持续追踪。识别解决的是“这是什么、在哪里、要去哪里”，追踪解决的是“它现在到哪了、是否按预期流转”。SICK 作为工业传感器与自动识别领域的核心供应商，其定位并不是提供单一读码器，而是围绕物流现场构建一套从感知层到数据层的识别与追踪能力，使条码、二维码、RFID、激光扫描、视觉与光电传感协同工作，最终把物理包裹映射为可被上层 WMS/WCS 使用的数据对象。
1.1 SICK 在物流自动化中的定位
物流自动化通常分为三层：执行层（输送线、分拣机、堆垛机、AGV）、感知与识别层（传感器、读码器、RFID、体积测量）、控制与信息层（PLC、WCS、WMS、MES）。SICK 主要覆盖感知与识别层，并向控制层提供标准化接口。它的价值体现在三个“确定性”上：
- 识别确定性：在高速、多面、污损、低对比度条件下仍能稳定读出条码或二维码，例如 Lector 系列图像式读码器支持多相机同步与动态聚焦。
- 位置确定性：通过光电开关、激光测距、LiDAR 或视觉定位，确定包裹在输送线上的到达时刻、横向偏移与高度，为分拣动作提供触发依据。
- 数据确定性：把读到的码值、时间戳、设备状态、读取质量（如评分、多读次数）通过 TCP/IP、PROFINET、EtherNet/IP 或 OPC UA 上传，保证追踪链路可审计。
因此，SICK 在物流项目中的角色可以概括为“现场数据入口”：它不直接决定分拣策略，但决定了上层系统拿到的数据是否可信、是否及时、是否完整。
1.2 系统组成：从物理包裹到数据记录
一个典型的物流识别与追踪系统由五类对象构成：
- 被识别对象：纸箱、周转箱、托盘、邮袋等，其表面贴有一维条码（Code 128、EAN-13）或二维码（Data Matrix、QR），部分场景使用 RFID 标签。
- 识别设备：固定式读码器、手持读码器、RFID 读写器、视觉相机、激光扫描仪。
- 触发与定位传感器：对射光电、漫反射光电、激光测距、编码器，用于给出“包裹到达”信号和速度/位置信息。
- 控制与通信单元：PLC 或边缘控制器，负责触发时序、结果缓存、剔除动作；通信协议包括 PROFINET、EtherNet/IP、TCP/IP、串口。
- 上层系统：WCS/WMS 接收码值、时间、站点号、读取状态，完成分拣决策与轨迹记录。
这些对象之间不是简单串联，而是存在明确的信号链：光电触发 → 读码器曝光与解码 → 结果输出 → PLC 判断 → 分拣执行 → 数据上传。任何一个环节的时序偏差都会导致“读到但没分对”或“没读到却放行”。
1.3 典型应用场景
不同物流场景对识别与追踪的要求差异很大，理解这些差异有助于后续选型与参数设置。
| 场景 | 识别对象 | 关键挑战 | 典型设备组合 |
|---|---|---|---|
| 快递分拣 | 纸箱、邮袋，单面/多面条码 | 高速、包裹间距小、条码朝向随机 | 多面读码器 + 光电触发 + 动态聚焦 |
| 仓储出入库 | 托盘、周转箱，Code 128 / QR | 叉车通过速度不均、标签污损 | 固定式读码器 + 激光测距 + RFID |
| 电商退货 | 小件包裹，Data Matrix | 标签褶皱、反光、低对比度 | 图像式读码器 + 多角度照明 |
| 产线追溯 | 零部件、工装板，二维码 | 节拍固定、需与 MES 实时交互 | 读码器 + PLC + OPC UA |
以快递分拣为例，一个常见教学示例参数是：输送线速度 1.5 m/s，包裹间距 300 mm，读码器安装高度 800 mm，视场覆盖宽度 600 mm。此时包裹通过读码窗口的时间约为 200 ms，读码器必须在一次触发内完成曝光、解码与结果输出。若解码耗时超过该窗口，就会出现漏读。实际项目中需要根据速度、间距和读码器帧率计算可用时间预算，而不是凭经验设置。
1.4 课程学习地图
本课程围绕“识别—追踪—集成—排障”四条主线展开，共 30 章。前段建立系统认知与设备基础，中段深入读码器配置、触发时序、通信集成与数据建模，后段进入典型场景实操、性能评估与故障排查。学习路径可以概括为：
- 认知层（第1–4章）：系统概述、SICK 产品谱系、条码与二维码基础、物流现场环境约束。
- 设备层（第5–10章）：固定式读码器、手持读码器、RFID、视觉与激光传感器的原理与选型。
- 配置层（第11–18章）：SOPAS 配置、触发时序、多相机同步、码制参数、输出格式与评分阈值。
- 集成层（第19–24章）：PROFINET/EtherNet/IP 通信、PLC 交互、WCS/WMS 数据接口、追踪记录设计。
- 实践层（第25–30章）：分拣线实操、性能测试、常见故障树、优化与复盘。