녹슬지 않는 304 식품용 원료와 시험소 검사 쌀 품질 분석기

검사자는 쌀을 분석하기 위해 전통적 머신 비전 방법과 인공 지능 알고리즘을 결합시킵니다. 처음으로, 전통적 시각적 방법은 비디오 프레임에서 쌀류를 분할하는데 사용되고 그리고 나서 인공 지능 알고리즘이 발아하면서, 먹게 된 곤충, 곰팡이가 핌과 다른 문제가 있든지 아니든지 세그먼트화 쌀류와 판사의 특성을 확인하는데 사용됩니다. 동시에, 2 고해상도 카메라는 쌀의 앞과 뒤쪽을 사진을 찍는데 사용되었고 양측의 특성이 분석되었습니다. 등록 알고리즘을 통하여, 쌀의 앞과 뒤쪽은 하나씩 등록되고 그들의 각각 특성이 완전한 미곡 낟알의 특성을 획득하기 위해 결합됩니다.

점검 세부 사항

분석기는 쌀을 분석하기 위해 전통적 머신 비전 방법과 인공 지능 알고리즘을 결합시킵니다. 처음으로, 전통적 시각적 방법은 비디오 프레임에서 쌀류를 분할하는데 사용되고 그리고 나서 인공 지능 알고리즘이 발아하면서, 먹게 된 곤충, 곰팡이가 핌과 다른 문제가 있든지 아니든지 세그먼트화 쌀류와 판사의 특성을 확인하는데 사용됩니다. 동시에, 2 고해상도 카메라는 쌀의 앞과 뒤쪽을 사진을 찍는데 사용되었고 양측의 특성이 분석되었습니다. 등록 알고리즘을 통하여, 쌀의 앞과 뒤쪽은 하나씩 등록되고 그들의 각각 특성이 완전한 미곡 낟알의 특성을 획득하기 위해 결합됩니다.

주요 기술

1. 자동 2원화 : 이미지의 최전면과 배경을 분할하기 위해 깊은 신경망을 사용하세요. 전통적 2원화 방법과 비교해서, 그것은 다양한 조명 조건에 적용될 수 있고 쌀의 변두리 분할이 평활기, 빠르고 강건한 높은 장점입니다.

2. 점착성 쌀 분절 알고리즘 : 연결구역을 기반으로 하는 방법은 부착된 쌀을 분할할 수 없습니다. 깊은 신경망은 인스턴스 레벨에 부착된 쌀을 분할하는데 사용되며, 그것이 1000fps의 속도에 도달할 수 있고, 실시간으로 부착된 쌀을 처리할 수 있습니다.

3. 건강미 특성 인식 알고리즘 : 가벼운 신경망을 채택하고, 반 감독 학습 방법을 통합합니다. 모델은 단지 데이터를 표시함으로써 반복적으로 최적화될 수 있습니다. 그것은 고정밀도와 고속과 편리한 배치라는 유리한 입장에 있습니다.

애플리케이션의 범위

KVS-G 일련 양식 품질 분석기는 비주얼 시스템, 소프트웨어 시스템과 다른 모듈 구조로 구성됩니다. 곡물이 카메라에 대한 시계에 들어갈 때, 곡물은 사진이 찍히고 완전한 곡물의 특성이 등록 알고리즘을 통하여 획득됩니다. 거기가 질병 장소, 몰드 성장, 버딩, 피해, 같은 문제와 곤충용 부식인지 결정하기 위한 특성 식별. 그것은 다양한 적용을 가지고 있고, 있습니다 구분에 큰 중요성과 곡물의 품질 향상의.

** 쌀뿐만 아니라, 멜론 씨앗, 잣, 아몬드, 커피 빈스와 안정하게 위치될 수 있는 빈랑과 같은 농산품은 우리의 분석기에 의해 분석될 수 있습니다.