Jasmine Rice Quality Analyzer Food-Qualität, die Maschine mit GPU-Computer überprüft

Inspektionsprinzip

Der Klebreisqualitätsinspektor entwickelte sich und produzierte durch unsere Firma wird angeschlossen an den Klebreis, der Fertigungsstraße verarbeitet und angeschlossen an den Klebreis, der Rohrleitung anhebt und übermittelt. Der Klebreis wird von der Beförderungsrohrleitung in regelmäßigen Abständen extrahiert und die Qualität des Klebreises wird analysiert. Sie kann die heterogenen Knospen des Klebreises analysieren. Die Inspektion und die Analyse von Körnern, von Grassamen, von Insekt-gegessenen Körnern, von Gibberellinkörnern, von schädigenden Körnern, von schwarzen Mikroben, Verunreinigungen, etc., führen die Verbesserung der Qualität des Klebreises und die statistischen Berichte der Form gelegentlich, beim Verbessern Produktsicherheit und Nachweisbarkeit.

Wenn es ermittelt wird, dass die Qualität des Klebreises, der probiert wird, nicht gut ist, können die Betreiber der Fertigungsstraße die Parameter der sortierenden Maschine des Klebreises auf der Fertigungsstraße in der Zeit justieren sicherzustellen, dass die Qualität des Klebreises produzierte. Der Klebreis, der kontrolliert worden ist, kann zur Klebreisproduktlinie durch die Rohrleitung und zu den Körnern automatisch zurückgeschickt werden wird zurückgegangen zum Lager, ohne ein Korn des Kornes zu vergeuden.

Anlagenkonfigurationen

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 Klebreises ist glattere, schnelle und robuste hohe Vorteile.

2. Klebender Klebreissegmentationsalgorithmus: Verbundenem Klebreis kann nicht segmentiert werden basiert worden auf der Methode von verbundenen Gebieten. Das tiefe neurale Netz wird benutzt, um den treuen Klebreis auf einem Fallniveau zu segmentieren, das eine Geschwindigkeit von 1000fps erreichen kann und den treuen Klebreis in der Realzeit verarbeiten kann.

3. Nuomi-Attribut-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.

Kombination von traditionellen Methoden der industriellen Bildverarbeitung und von Algorithmen der künstlichen Intelligenz, um Klebreis zu analysieren. Zuerst werden traditionelle Sichtmethoden angewendet, um die Klebreiskörner im Videorahmen zu segmentieren, und dann werden Algorithmen der künstlichen Intelligenz verwendet, um die Attribute der segmentierten Klebreiskörner 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 Klebreises zu fotografieren, und die Eigenschaften der zwei Seiten wurden analysiert. Durch den Ausrichtungsalgorithmus wird der vordere und hintere Klebreis eins nach dem anderen registriert, und ihre jeweiligen Attribute werden kombiniert, um die Attribute eines kompletten Klebreiskornes zu erhalten.

Benutzungsmöglichkeit

KVS-G Reihenkorn-Qualitätsanalysator wird aus visuellem System, Software-System und anderen Modulstrukturen verfasst. Wenn das Korn das Blickfeld der Kamera einträgt, wird das Korn fotografiert, und die Eigenschaften eines kompletten Kornes werden durch den Ausrichtungsalgorithmus erreicht. Attributidentifizierung, zu bestimmen, ob es Probleme wie Krankheitsstellen, Schimmelbildung, Knospung, Schaden und Insektenabnutzung gibt. Es hat eine breite Palette von Anwendungen und ist von der hohen Bedeutung zum sortierenden und Qualitätsverbesserung Korn.