ステンレス製の304食品等級材料が付いている実験室の点検米の質の検光子

検査官は従来のマシン ビジョン方法および米を分析するために人工知能のアルゴリズムを結合する。最初に、従来の視覚的方法がビデオ フレームの米の穀物を区分するのに使用され区分された米の穀物識別し、そこに昆虫食べられるかどうか判断するのにそれから人工知能のアルゴリズムが、発生、べと病および他の問題の属性を使用されている。同時に、2台の高解像のカメラが米の前部を撮影するのに使用され、双方の特性は分析された。登録アルゴリズムによって、米の前部は一つずつ登録され、完全な米の穀物の属性を得るためにそれぞれの属性は結合される。

点検細部

検光子は従来のマシン ビジョン方法および米を分析するために人工知能のアルゴリズムを結合する。最初に、従来の視覚的方法がビデオ フレームの米の穀物を区分するのに使用され区分された米の穀物識別し、そこに昆虫食べられるかどうか判断するのにそれから人工知能のアルゴリズムが、発生、べと病および他の問題の属性を使用されている。同時に、2台の高解像のカメラが米の前部を撮影するのに使用され、双方の特性は分析された。登録アルゴリズムによって、米の前部は一つずつ登録され、完全な米の穀物の属性を得るためにそれぞれの属性は結合される。

主要な技術

1. 自動binarization:イメージの前景そして背景を区分するのに深いニューラル・ネットワークを使用しなさい。従来のbinarization方法と比較されて、それはいろいろ光条件に適用することができ米の端の細分化はより滑らかで、速く強く高い利点である。

2. 付着力の米の細分化のアルゴリズム:接続された範囲に基づく方法は付着させた米を区分できない。深いニューラル・ネットワークが1000fpsの速度に達し、リアルタイムの付着させた米を処理できる例のレベルで付着させた米を区分するのに使用されている。

3. 米の属性の認識のアルゴリズム:軽量のニューラル・ネットワークを採用し、半指示された学習方法を統合する。モデルはわずかデータに印を付けることによってだけ繰り返してことができる最大限に活用する。それに高精度な、最高速度および便利な配置の利点がある。

応用範囲

KVS-Gシリーズ穀物の質の検光子は視覚システム、ソフトウエア システムおよび他のモジュール構造で構成される。穀物がカメラの視野を入れるとき、穀物は撮影され、完全な穀物の特徴は登録アルゴリズムによって得られる。病気の点、カビの生育、発芽、損傷および昆虫の腐食のような問題があるかどうか定める属性の同一証明。それに広い応用範囲があり、大きな意味穀物の分類および品質改良にである。

**メロンの種のような米、農産物、松の実、アーモンド、固定して置くことができるコーヒー豆およびビンロウジに加えて…私達の検光子によって分析することができる。