GPU 컴퓨터와 재스민 쌀 품질 분석기 식품 특성 점검 기계

점검 원리

우리의 회사에 의해 개발되고 생산된 점착성쌀 품질 검사원은 점착성쌀 처리 생산 라인에 연결되고 점착성쌀 상승과 전달 송유관에 연결됩니다. 점착성쌀은 일정한 간격으로 전달 파이프라인으로부터 추출되고 점착성쌀의 고급이 분석됩니다. 그것은 점착성쌀의 이질적 눈을 분석할 수 있습니다. 제품안전과 추적가능성을 개선하는 동안, 곡물의 검사와 분석, 곡물, 지베렐린 곡물, 손상립, 검은 기원, 음란, 기타 등등을 먹은 곤충용인 잔디 씨앗은 점착성쌀의 품질의 개선을 안내하고, 가끔 통계 리포트를 형성합니다.

샘플링된 점착성쌀의 품질이 좋지 않다는 것이 발견될 때, 생산 라인의 운영자들은 점착성쌀의 품질이 생산했다는 것을 보증하기 위해 제시간에 점착성쌀 소팅 머신의 매개 변수를 생산 라인에 맞출 수 있습니다. 조사된 점착성쌀은 자동적으로 파이프라인을 통하여 점착성쌀 취급 라인으로 반송할 수 있고 곡물이 적은 곡물을 낭비하지 않고 저장소로 되돌아 갑니다.

장비 구성

주요 기술

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

2. 점착성 점착성쌀 분절 알고리즘 : 연결된 점착성쌀은 연결구역의 방법을 기반으로 분할될 수 없습니다. 깊은 신경망은 인스턴스 레벨에 부착된 점착성쌀을 분할하는데 사용되며, 그것이 1000fps의 속도에 도달할 수 있고, 실시간으로 부착된 점착성쌀을 처리할 수 있습니다.

3. 누오미 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.

점착성쌀을 분석하기 위한 결합하는 전통적 머신 비전 방법과 인공 지능 알고리즘. 처음으로, 전통적 시각적 방법은 비디오 프레임에서 끈끈한 쌀류를 분할하는데 사용되고 그리고 나서 인공 지능 알고리즘이 곤충들이 있을지 결정하기 위해 세그먼트화 점착성쌀 알갱이들의 특성을 확인하는데 사용됩니다. 나방, 발아, 곰팡이가 핌과 다른 문제. 동시에, 2 고해상도 카메라는 점착성쌀의 앞과 뒤쪽을 사진을 찍는데 사용되었고 양측의 특성이 분석되었습니다. 등록 알고리즘을 통하여, 앞이고 뒤로 끈끈한 쌀은 하나씩 등록되고 그들의 각각 특성이 완전한 점착성쌀 곡물의 특성을 획득하기 위해 결합됩니다.

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 곡물 구분과 품질 향상에 큰 중요성의.