Αναλυτικά τρόφιμα ρυζιού εργαστηρίων που ελέγχουν τη δοκιμή μηχανών για QC το κέντρο

Περιγραφή προϊόντων

Μπορεί να χρησιμοποιηθεί για να ανιχνεύσει την ποιότητα του ρυζιού στα εργοστάσια επεξεργασίας τροφίμων, τις αποθήκες εμπορευμάτων αποθήκευσης κυβερνητικού σιταριού και τα κέντρα ποιοτικής επιθεώρησης σιταριού. Ο εξοπλισμός χρησιμοποιεί την πιό πρόσφατη τεχνολογία ανίχνευσης οράματος AI και είναι εξοπλισμένος με 3 υψηλής ευκρίνειας κάμερες για να αναλύσει τις ιδιότητες των μπροστινών και πίσω πλευρών του ρυζιού. Το ρύζι στο μέτωπο και την πλάτη καταχωρείται ένα προς ένα, και συνδυάζεται με τις αντίστοιχες ιδιότητές τους για να συνθέσει τις ιδιότητες ενός πλήρους ρυζιού το βαθύ νευρικό δίκτυο χρησιμοποιείται για να τέμνει το συνημμένο ρύζι στο επίπεδο περίπτωσης για να εξετάσει εύκολα την κατάσταση της προσκόλλησης ρυζιού συγχρόνως, την πλατφόρμα σύννεφων ανοίγουν και τα δείγματα των διαφορετικών πελατών μπορούν να εκπαιδευθούν μακρινά για να ανταποκριθούν προσαρμοσμένα στα πελάτης πρότυπα ταξινόμησης.

Αρχή επιθεώρησης

Η χειρωνακτικές δειγματοληψία, η επιθεώρηση, η καταγραφή, και οι στατιστικές έχουν τα μειονεκτήματα όπως η χαμηλή ταχύτητα, η χαμηλή ακρίβεια, τα υψηλά λειμμένα και ψευδοθετικά ποσοστά, και η μακροπρόθεσμη κούραση. Αυτή η μηχανή μπορεί να αντικαταστήσει τη χειρωνακτική εργασία, μπορεί να απασχοληθεί στις ώρες 7*24, να ανιχνεύσει την ποιότητα του ρυζιού με τη υψηλή ακρίβεια, να ανιχνεύσει το σπασμένο ρύζι, το κρητιδικό ρύζι, το ατελές ρύζι, και την υγρασία στο ρύζι εγκαίρως, και να βρεί εάν υπάρχει ωίδιο, σκουλήκια, ακαθαρσίες και άλλα προβλήματα. Μπορεί να χρησιμοποιηθεί για την καθημερινή επιθεώρηση δειγματοληψίας πριν και μετά από την παραγωγή ρυζιού.

Ο ποιοτικός ανιχνευτής ρυζιού μπορεί να συνδεθεί με τον προς τα πάνω και προς τα κάτω εξοπλισμό παραγωγής σύμφωνα με τις συγκεκριμένες ανάγκες παραγωγής των πελατών στην περιοχή. Τα μέρη σε επαφή με τον εξοπλισμό και τα δείγματα αποτελούνται από τα υλικά ιατρικός-βαθμού. Είναι ασφαλές και υγιεινό, με το ευφυές σχέδιο, απλή λειτουργία και κατάλληλη συντήρηση.

Εξεταστική επίδειξη συστημάτων:

Βασική τεχνολογία

Συνδυάστε τις παραδοσιακές μεθόδους μηχανικής όρασης και τους αλγορίθμους τεχνητής νοημοσύνης για να αναλύσετε το ρύζι. Κατ' αρχάς, χρησιμοποιήστε τις παραδοσιακές μεθόδους οράματος για τους αλγορίθμους να τέμνετε τα σιτάρια ρυζιού στο τηλεοπτικό πλαίσιο, και χρησιμοποιήστε έπειτα τεχνητής νοημοσύνης για να προσδιορίσετε τις ιδιότητες των τετμημένων σιταριών ρυζιού για να καθορίσει εάν υπάρχουν έντομα, σκώρος, βλάστηση, ωίδιο και άλλα προβλήματα. Συγχρόνως, δύο υψηλής ευκρίνειας κάμερες χρησιμοποιήθηκαν για να φωτογραφίσουν το μέτωπο και το πίσω μέρος του ρυζιού, και οι ιδιότητες των δύο πλευρών αναλύθηκαν. Μέσω του αλγορίθμου εγγραφής, το μέτωπο και το πίσω μέρος του ρυζιού καταχωρούνται ένα προς ένα, και οι αντίστοιχες ιδιότητές τους συνδυάζονται για να λάβουν τις ιδιότητες ενός πλήρους σιταριού ρυζιού.

1. Αυτόματο binarization: Βαθύ νευρικό δίκτυο χρήσης για να τέμνει το πρώτο πλάνο και το υπόβαθρο της εικόνας. Έναντι της παραδοσιακής μεθόδου binarization, μπορεί να εφαρμοστεί σε ποικίλους όρους φωτισμού, και η κατάτμηση ακρών του ρυζιού είναι ομαλότερα, γρήγορα και γερά υψηλά πλεονεκτήματα.

2. Συγκολλητικός αλγόριθμος κατάτμησης ρυζιού: Η μέθοδος βασισμένη στις συνδεδεμένες περιοχές δεν μπορεί να τέμνει το υιοθετημένο ρύζι. Το βαθύ νευρικό δίκτυο χρησιμοποιείται για να τέμνει το υιοθετημένο ρύζι σε επίπεδο περίπτωσης, το οποίο μπορεί να φθάσει σε μια ταχύτητα 1000fps και μπορεί να επεξεργαστεί το υιοθετημένο ρύζι σε πραγματικό - χρόνος.

3. Αλγόριθμος αναγνώρισης ιδιοτήτων ρυζιού: υιοθετεί ένα ελαφρύ νευρικό δίκτυο και ενσωματώνει μια ημι-εποπτευμένη μέθοδο εκμάθησης. Το πρότυπο μπορεί να βελτιστοποιηθεί iteratively μόνο με το χαρακτηρισμό ενός στοιχείου μικρού ποσού. Έχει τα πλεονεκτήματα της υψηλής ακρίβειας, της γρήγορης ταχύτητας, και της κατάλληλης επέκτασης.