AOI Rice Grain Quality Analyzer-Laboratoriummateriaal met de Verre Naverkoopdienst

Inspectieachtergrond

De high-precision rijstai snelle die analysator door ons bedrijf wordt ontwikkeld en wordt geproduceerd kan in de installaties van de rijstverwerking, rijstopslag, laboratoria, en kwaliteitscontrolecentra worden gebruikt. Het kan de ontspruitende korrels, heterogeene ontspruitende korrels, graszaden, krijtachtige korrels, worm-eaten korrels, gibberellinekorrels, gebroken korrels, zwarte kiemen, onzuiverheden, enz. en analyseren, en statistische verslagen van tijd tot tijd produceren om de Prestaties en traceability van de productveiligheid te verbeteren, en kan tegelijkertijd de verbetering van rijstkwaliteit leiden.

Combineer de traditionele methodes van de beeldverwerking en kunstmatige intelligentiealgoritmen om rijst te analyseren. Eerst, gebruik traditionele visiemethodes om de rijstkorrels in het videoframe te segmenteren, en dan de algoritmen van de gebruikskunstmatige intelligentie om de attributen van de gesegmenteerde rijstkorrels te identificeren om te bepalen of er insecten zijn. Mot, het ontspruiten, schimmel en andere problemen. Tegelijkertijd, werden twee high-resolution camera's gebruikt om de voorzijde en de rug van de rijst te fotograferen, en de eigenschappen van de twee kanten werden geanalyseerd. Door het registratiealgoritme, worden de voorzijde en de rug van de rijst één voor één geregistreerd, en hun respectieve eigenschappen worden gecombineerd om de attributen van een volledige rijstkorrel te verkrijgen.

Materiaalvoordelen:

Zeer belangrijke technologie:

1. Automatische binarization: Gebruiks diep neuraal netwerk om de voorgrond en de achtergrond van het beeld te segmenteren. Vergeleken met de traditionele binarizationmethode, kan het op een verscheidenheid van verlichtingsvoorwaarden worden toegepast, en de randsegmentatie van rijst is meer vlote, snelle en robuuste Hoge voordelen.

2. Het zelfklevende algoritme van de rijstsegmentatie: De methode op verbonden domeinen wordt gebaseerd kan niet de aangehangen rijst segmenteren die. Het diepe neurale netwerk wordt gebruikt om de aangehangen rijst op een instantieniveau te segmenteren, dat een snelheid van 1000fps kan bereiken en de aangehangen rijst in realtime kan verwerken.

3. De erkenningsalgoritme van rijstattributen: keurt een lichtgewicht neuraal netwerk goed en integreert een semi-gecontroleerde leermethode. Het model kan vaak worden geoptimaliseerd slechts door een kleine hoeveelheid gegevens te merken. Het heeft de voordelen van hoge nauwkeurigheid, snelle snelheid, en geschikte plaatsing.

Eigenschappen van systeem

• 1. AI algoritme: hoge stabiliteit, aanpassend aan de milieu en achtergrondstoring; de verschillende tekortsteekproeven kunnen automatisch na opleiding worden geïdentificeerd
• Dataization: De onafhankelijke database, sparen veelvoudige steekproeven, analyseert niet goede producten, en behoudt geschiedenis
• Multi-richtlijn: 360 ° uitvoerig binnen en buiten de steekproeven
• Hoge precisie: de opsporingsnauwkeurigheid kan hoog zijn
• Modularization, kan de opsporingsfunctie volgens klanten daadwerkelijke behoeften buigzaam verhogen of verminderen
• Gemakkelijk te werken: Het is gemakkelijk te werken en gemakkelijk te handhaven
• Veiligheid: Medische rang materiële productie, volledig volgzaam met het milieu van de medische uitrustingenproductie

Onze voordelen