AOI Rice Grain Quality Analyzer-Laborausrüstung mit Fernkundendienst

Inspektionshintergrund

Der schnelle Analysator Hochpräzisionsreis AI entwickelte sich und produzierte durch unsere Firma kann in Verarbeitungsanlagen des Reises, Reisspeicher, Labors und den Qualitätsinspektionsmitten verwendet werden. Er kann die Keimungskörner, die heterogenen Keimungskörner, die Grassamen, die kreideartigen Körner, die Wurm-gegessenen Körner, die Gibberellinkörner, die defekten Körner, die schwarzen Mikroben, die Verunreinigungen, etc. ermitteln und analysieren und erzeugt statistische Berichte gelegentlich, um Produktsicherheitsleistung und -nachweisbarkeit zu verbessern und kann die Verbesserung der Reisqualität gleichzeitig führen.

Kombinieren Sie traditionelle Methoden der industriellen Bildverarbeitung und Algorithmen der künstlichen Intelligenz, um Reis zu analysieren. Zuerst wenden Sie traditionelle Visionsmethoden an, um die Reiskörner im Videorahmen zu segmentieren, und verwenden Sie dann Algorithmen der künstlichen Intelligenz, um die Attribute der segmentierten Reiskörner zu identifizieren, um zu bestimmen, ob es Insekten gibt. Motte, Keimung, Mehltau und andere Probleme. Gleichzeitig wurden zwei hochauflösende Kameras benutzt, um die Front und zurück des Reises zu fotografieren, und die Eigenschaften der zwei Seiten wurden analysiert. Durch den Ausrichtungsalgorithmus werden die Front und zurück des Reises eins nach dem anderen registriert, und ihre jeweiligen Attribute werden kombiniert, um die Attribute eines kompletten Reiskornes zu erhalten.

Ausrüstungsvorteile:

Schlüsseltechnologie:

1. Automatisches binarization: Benutzen Sie tiefes neurales Netz, um den Vordergrund und den Hintergrund des Bildes zu segmentieren. Verglichen mit der traditionellen binarization Methode, kann es an einer Vielzahl von Beleuchtungszuständen angewendet werden, und die Randsegmentation des Reises ist glattere, schnelle und robuste hohe Vorteile.

2. Klebender Reissegmentationsalgorithmus: Die Methode, die auf verbundenen Gebieten basiert, kann den treuen Reis nicht segmentieren. Das tiefe neurale Netz wird benutzt, um den treuen Reis auf einem Fallniveau zu segmentieren, das eine Geschwindigkeit von 1000fps erreichen kann und den treuen Reis in der Realzeit verarbeiten kann.

3. Reisattribut-Anerkennungsalgorithmus: nimmt ein leichtes neurales Netz an und integriert eine halb-überwachte Lernenmethode. Das Modell kann wiederholend optimiert werden, nur indem man eine kleine Menge Daten markiert. Es hat die Vorteile der hohen Genauigkeit, der schnellen Geschwindigkeit und der bequemen Entwicklung.

Eigenschaften des Systems

• 1. Ai-Algorithmus: hohe Stabilität, passend der Umwelt- und Hintergrundstörung an; nach der Ausbildung verschiedene Defektproben können automatisch identifiziert werden
• Dataization: Unabhängige Datenbank, speichern mehrfache Proben, nicht-gute Produkte zu analysieren und behalten Geschichte
• Multi-Orientierung: ° 360 umfassend innerhalb und außerhalb der Proben
• Hohe Präzision: Entdeckungsgenauigkeit kann hoch sein
• Modularisierung, kann die Untersuchungsfunktion entsprechend tatsächlichem Bedarf des Kunden flexibel erhöhen oder verringern
• Einfach zu benützen: Zu benützen ist einfach und einfach instandzuhalten
• Sicherheit: Materialherstellung des medizinischen Grades, völlig konform mit Produktionsumwelt der medizinischen Bedarfe

Unsere Vorteile