Analizador de la calidad del grano del arroz de la inspección del AI con la categoría alimenticia inoxidable 304

Detector visual del AI de la calidad del arroz

El detector visual del AI de la calidad del arroz se convirtió y produjo por nuestra compañía puede substituir el trabajo manual y realizar las horas 7*24 de inspección de alta precisión de la calidad del arroz. Detecte y analice los granos normales, los granos germinados, los brotes heterogéneos, las semillas de la hierba, los granos cretáceos, los granos insecto-comidos, los granos del gibberella, los granos quebrados grandes, los pequeños granos quebrados, los granos negros del germen, las impurezas, el etc. del arroz, y los informes estadísticos de la forma de vez en cuando para mejorar seguridad del producto y rastreabilidad. Las piezas del contacto entre el equipo y la muestra se hacen de los materiales del grado médico, que son seguros e higiénicos, con diseño inteligente, la operación simple y el mantenimiento conveniente.

Tecnología clave:

• Binarization automático: La red neuronal profunda del uso para dividir el primero plano y el fondo en segmentos de la imagen, comparados con el método tradicional del binarization, binarization automático se puede aplicar a una variedad de condiciones de iluminación, y tiene las ventajas de un borde más liso del alto de la segmentación del arroz, rápido y robusto.
• Algoritmo de la segmentación del arroz de la adherencia: El método ámbito-basado conectado no puede dividir el arroz de la adherencia en segmentos. La red neuronal profunda se utiliza para dividir el arroz de la adherencia en segmentos en un nivel del caso, que puede alcanzar una velocidad de lOOOfps y puede procesar el arroz de la adherencia en tiempo real.

El diagrama del ejemplo está como sigue

• Algoritmo del reconocimiento de las propiedades del arroz: Adopta una red neuronal ligera e integra un método de aprendizaje semi-supervisado. El modelo puede ser optimizado iterativo solamente marcando una pequeña cantidad de datos. Tiene las ventajas de la alta exactitud, de la velocidad rápida, y del despliegue conveniente.

El detector combina métodos tradicionales de la visión por ordenador y algoritmos de la inteligencia artificial para analizar el arroz. Primero, los métodos visuales tradicionales se utilizan para dividir los granos del arroz en segmentos en el marco video, y entonces los algoritmos de la inteligencia artificial se utilizan para identificar las cualidades de los granos divididos del arroz y juzgar a Whether allí sea erosión del insecto, germinación, molde y otros problemas. Al mismo tiempo, dos cámaras de alta resolución fueron utilizadas para fotografiar el frente y detrás del arroz, y las propiedades de los dos lados eran analizadas. Con el algoritmo, alinee el frente y detrás del arroz uno por uno, y combine sus cualidades respectivas para sintetizar las cualidades de un arroz completo.

Ventajas del equipo:

1. La alta exactitud, detección del AI de la inteligencia artificial, el error se controla dentro de 0,5%;

2. La eficacia alta, 3 minutos para terminar la prueba, una fijada es equivalente a 3 trabajadores;

3. Inteligente, tridimensional, fácil actuar, usted puede utilizarlo en 3 minutos;

4. exactitud versátil del reconocimiento de la detección 0.04m m de la cámara Nano-visible, de alta precisión;

Tecnología del details&key del equipo

binarization 1.Automatic: La red neuronal profunda del uso para dividir el primero plano y el fondo en segmentos de la imagen, comparados con el método tradicional del binarization, binarization automático se puede aplicar a una variedad de condiciones de iluminación, y tiene las ventajas de un borde más liso del alto de la segmentación del arroz, rápido y robusto.

algoritmo de la segmentación del arroz 2.Adhesion: El método ámbito-basado conectado no puede dividir el arroz de la adherencia en segmentos. La red neuronal profunda se utiliza para dividir el arroz de la adherencia en segmentos en un nivel del caso, que puede alcanzar una velocidad de l000fps y puede procesar el arroz de la adherencia en tiempo real.

algoritmo del reconocimiento de las propiedades 3.Rice: Adopta una red neuronal ligera e integra un método de aprendizaje semi-supervisado. El modelo puede ser optimizado iterativo solamente marcando una pequeña cantidad de datos. Tiene las ventajas de la alta exactitud, de la velocidad rápida, y del despliegue conveniente.

Características del equipo

• Algoritmo del AI: alta estabilidad, adaptándose al disturbio del ambiente y del fondo; diversas muestras del defecto pueden ser identificadas automáticamente después de entrenar
• Dataization: La base de datos independiente, ahorra muestras múltiples, analizar no-buenos productos, y conserva historia
• Multi-orientación: ° 360 completo dentro y fuera de las muestras
• Alta precisión: la exactitud de la detección puede ser alta
• La modularización, puede aumentar o disminuir fexiblemente la función de detección según necesidades reales del cliente
• Fácil actuar: Es fácil actuar y fácil mantener
• Seguridad: Fabricación del material del grado médico, completamente obediente con el ambiente de producción de los suministros médicos