Ai-Inspektions-Reis-Korn-Qualitäts-Analysator mit rostfreiem Grad der Nahrung304

Reisqualität AI-Sichtdetektor

Der Reisqualität AI-Sichtdetektor entwickelte sich und produzierte durch unsere Firma kann Handarbeit ersetzen und Stunden 7*24 der Hochpräzisionsinspektion der Reisqualität durchführen. Ermitteln Sie und analysieren Sie die normalen Körner, die gekeimten Körner, die heterogenen Knospen, die Grassamen, die kreideartigen Körner, die Insekt-gegessenen Körner, gibberella Körner, große defekte Körner, kleine defekte Körner, schwarze Mikrobenkörner, Verunreinigungen, etc. des Reises und statistische Berichte der Form gelegentlich, um Produktsicherheit und Nachweisbarkeit zu verbessern. Die Kontaktteile zwischen der Ausrüstung und der Probe werden von den Materialien des medizinischen Grades gemacht, die sicher und, mit intelligentem Entwurf, einfacher Operation und bequemer Wartung hygienisch sind.

Schlüsseltechnologie:

• Automatisches binarization: Benutzen Sie tiefes neurales Netz, um den Vordergrund und den Hintergrund des Bildes zu segmentieren, verglichen mit der traditionellen binarization Methode, kann automatisches binarization an einer Vielzahl von Beleuchtungszuständen angewendet werden und hat die Vorteile des glatteren Randes des Reissegmentation, schnellen und robusten Hochs.
• Adhäsionsreis-Segmentationsalgorithmus: Die verbundene Gebiet-ansässige Methode kann Adhäsionsreis nicht segmentieren. Das tiefe neurale Netz wird benutzt, um den Adhäsionsreis auf einem Fallniveau zu segmentieren, das eine Geschwindigkeit von lOOOfps erreichen kann und den Adhäsionsreis in der Realzeit verarbeiten kann.

Das Beispieldiagramm ist wie folgt

• Reiseigenschaften-Anerkennungsalgorithmus: Er 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.

Der Detektor kombiniert traditionelle Methoden der industriellen Bildverarbeitung und Algorithmen der künstlichen Intelligenz, um Reis zu analysieren. Zuerst werden traditionelle Sichtmethoden angewendet, um die Reiskörner im Videorahmen zu segmentieren, und dann werden Algorithmen der künstlichen Intelligenz verwendet, um die Attribute der geteilten Reiskörner zu identifizieren und Whether dort zu beurteilen seien Sie Insektenabnutzung, Keimung, Form 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 Algorithmus richten Sie die Front und zurück des Reises eins nach dem anderen, aus und kombinieren Sie ihre jeweiligen Attribute, um die Attribute eines kompletten Reises zu synthetisieren.

Ausrüstungsvorteile:

1. Hohe Genauigkeit, künstliche Intelligenz AI-Entdeckung, der Fehler wird innerhalb 0,5% gesteuert;

2. Hohe Leistungsfähigkeit, 3 Minuten, zum des Tests, einer abzuschließen, der eingestellt wird, ist mit 3 Arbeitskräften gleichwertig;

3. Intelligent, dreidimensional, einfach zu benützen, können Sie es in 3 Minuten verwenden;

4. Nano--sichtbar, Anerkennungsgenauigkeit der Entdeckung 0.04mm der Hochpräzisionskamera vielseitige;

Ausrüstung details&key Technologie

binarization 1.Automatic: Benutzen Sie tiefes neurales Netz, um den Vordergrund und den Hintergrund des Bildes zu segmentieren, verglichen mit der traditionellen binarization Methode, kann automatisches binarization an einer Vielzahl von Beleuchtungszuständen angewendet werden und hat die Vorteile des glatteren Randes des Reissegmentation, schnellen und robusten Hochs.

Segmentationsalgorithmus des Reises 2.Adhesion: Die verbundene Gebiet-ansässige Methode kann Adhäsionsreis nicht segmentieren. Das tiefe neurale Netz wird benutzt, um den Adhäsionsreis auf einem Fallniveau zu segmentieren, das eine Geschwindigkeit von l000fps erreichen kann und den Adhäsionsreis in der Realzeit verarbeiten kann.

Anerkennungsalgorithmus der Eigenschaften 3.Rice: Er 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 der Ausrüstung

• 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