Analyseur de qualité de grain de riz d'inspection d'AI avec 304 inoxydables la catégorie comestible

Détecteur visuel de la qualité AI de riz

Le détecteur visuel de la qualité AI de riz s'est développé et a produit par notre société peut remplacer le travail manuel et exécuter les heures 7*24 de l'inspection à haute précision de la qualité de riz. Détectez et analysez les grains normaux, les grains germés, les bourgeons hétérogènes, les graines d'herbe, les grains crayeux, les grains insecte-mangés, les grains de gibberella, les grands grains cassés, les petits grains cassés, les grains noirs de germe, les impuretés, etc. du riz, et les rapports statistiques de forme de temps en temps pour améliorer la sécurité du produit et la traçabilité. Les pièces de contact entre l'équipement et l'échantillon sont faites de matériaux de catégorie médicale, qui sont sûrs et hygiéniques, avec la conception intelligente, l'opération simple et l'entretien commode.

Technologie clé :

• Binarization automatique : Employez le réseau neurologique profond pour segmenter le premier plan et le fond de l'image, comparés à la méthode traditionnelle de binarization, le binarization automatique peut être appliqué à un grand choix d'états d'allumage, et a les avantages d'un bord plus doux de la haute de segmentation de riz, rapide et robuste.
• Algorithme de segmentation de riz d'adhérence : La méthode basée sur domaine reliée ne peut pas segmenter le riz d'adhérence. Le réseau neurologique profond est employé pour segmenter le riz d'adhérence à un niveau d'exemple, qui peut atteindre une vitesse des lOOOfps et peut transformer le riz d'adhérence en temps réel.

Le diagramme d'exemple est comme suit

• Algorithme de reconnaissance de propriétés de riz : Il 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.

Le détecteur 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 divisés de riz et juger Whether là soyez érosion d'insecte, germination, moule 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, alignez l'avant et de retour du riz un, et combinez leurs attributs respectifs pour synthétiser les attributs d'un riz complet.

Avantages d'équipement :

1. La détection de l'intelligence de grande précision et artificielle AI, l'erreur est commandée à moins de 0,5% ;

2. Le rendement élevé, 3 minutes pour accomplir l'essai, un réglé est équivalent à 3 travailleurs ;

3. Intelligent, tridimensionnel, facile à utiliser, vous pouvez l'employer en 3 minutes ;

4. exactitude totale de reconnaissance de la détection 0.04mm de caméra Nano-évidente et à haute précision ;

Technologie de details&key d'équipement

binarization 1.Automatic : Employez le réseau neurologique profond pour segmenter le premier plan et le fond de l'image, comparés à la méthode traditionnelle de binarization, le binarization automatique peut être appliqué à un grand choix d'états d'allumage, et a les avantages d'un bord plus doux de la haute de segmentation de riz, rapide et robuste.

algorithme de segmentation du riz 2.Adhesion : La méthode basée sur domaine reliée ne peut pas segmenter le riz d'adhérence. Le réseau neurologique profond est employé pour segmenter le riz d'adhérence à un niveau d'exemple, qui peut atteindre une vitesse de l000fps et peut transformer le riz d'adhérence en temps réel.

algorithme de reconnaissance des propriétés 3.Rice : Il 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.

Caractéristiques d'équipement

• Algorithme d'AI : de forte stabilité, s'adaptant à la perturbation d'environnement et de fond ; différents échantillons de défaut peuvent être automatiquement identifiés après la formation
• Dataization : La base de données indépendante, sauvent les échantillons multiples, analyser de non-bons produits, et maintiennent l'histoire
• Multi-orientation : ° 360 complet à l'intérieur et en dehors des échantillons
• Haute précision : l'exactitude de détection peut être haute
• La modularisation, peut avec souplesse augmenter ou diminuer la fonction de détection selon les besoins réels de client
• Facile à utiliser : Il est facile d'utiliser et facile à maintenir
• Sécurité : Fabrication de matériel de catégorie médicale, entièrement conforme avec l'environnement de production de fournitures médicales