Analyseur de qualité de riz d'inspection de laboratoire avec le matériel inoxydable de la catégorie 304 comestible

L'inspecteur combine des méthodes traditionnelles de vision par ordinateur et des algorithmes d'intelligence artificielle pour analyser le riz. D'abord, la méthode visuelle traditionnelle est employée pour segmenter les grains de riz dans l'image vidéo, et alors l'algorithme d'intelligence artificielle est employé pour identifier les attributs des grains segmentés de riz et juger Whether là insecte-sont mangés, germination, rouille et d'autres problèmes. En même temps, deux caméras à haute résolution ont été utilisées pour photographier l'avant et de retour du riz, et les propriétés des deux côtés ont été analysées. Par l'algorithme d'enregistrement, l'avant et de retour du riz sont enregistrés un, et leurs attributs respectifs sont combinés pour obtenir les attributs d'un grain complet de riz.

Détails d'inspection

L'analyseur combine des méthodes traditionnelles de vision par ordinateur et des algorithmes d'intelligence artificielle pour analyser le riz. D'abord, des méthodes visuelles traditionnelles sont employées pour segmenter les grains de riz dans l'image vidéo, et alors des algorithmes d'intelligence artificielle sont employés pour identifier les attributs des grains segmentés de riz et juger Whether là insecte-sont mangés, germination, rouille et d'autres problèmes. En même temps, deux caméras à haute résolution ont été utilisées pour photographier l'avant et de retour du riz, et les propriétés des deux côtés ont été analysées. Par l'algorithme d'enregistrement, l'avant et de retour du riz sont enregistrés un, et leurs attributs respectifs sont combinés pour obtenir les attributs d'un grain complet de riz.

Technologie clé

1. Binarization automatique : Employez le réseau neurologique profond pour segmenter le premier plan et le fond de l'image. Comparé à la méthode traditionnelle de binarization, elle peut être appliquée à un grand choix d'états d'allumage, et la segmentation de bord du riz est des avantages élevés plus doux, rapides et robustes.

2. Algorithme adhésif de segmentation de riz : La méthode basée sur des domaines reliés ne peut pas segmenter le riz adhéré. Le réseau neurologique profond est employé pour segmenter le riz adhéré à un niveau d'exemple, qui peut atteindre une vitesse de 1000fps et peut transformer le riz adhéré en temps réel.

3. Algorithme de reconnaissance d'attribut de riz : adopte un réseau neurologique léger et intègre une méthode de étude semi-dirigée. Le modèle peut être itérativement optimisé seulement en marquant un peu de données. Il a les avantages de la vitesse de grande précision et rapide, et du déploiement commode.

Étendue des applications

L'analyseur de qualité de grain de série de KVS-G se compose de système de système et logiciel visuel et d'autres structures de module. Quand le grain écrit le champ visuel de la caméra, le grain est photographié, et les caractéristiques d'un grain complet sont obtenues par l'algorithme d'enregistrement. Identification d'attribut pour déterminer s'il y a des problèmes tels que des taches de la maladie, la croissance de moule, le bourgeonnement, des dommages, et l'érosion d'insecte. Il a un large éventail d'applications et est de la grande importance au tri et à l'amélioration de la qualité des grains.

** En plus du riz, des produits agricoles tels que des graines de melon, des pignons, des amandes, des grains de café, et des noix de bétel qui peuvent être placées stablement peut être analysé par notre analyseur.