Еда риса лаборатории аналитическая проверяя испытание машины для центра QC

Характер продукции

Его можно использовать для того чтобы обнаружить качество риса в заводах по обработке еды, складах хранения зерна правительства и центрах осмотра качества зерна. Оборудование использует самую последнюю технологию обнаружения зрения AI и оборудовано с 3 камерами высоко-разрешения для того чтобы проанализировать атрибуты передних и задних сторон риса. Рис на фронте и задней части зарегистрирован по-одному, и совмещен с их соответственно атрибутами для того чтобы синтезировать атрибуты полного риса; глубокая нервная система использована для того чтобы поделить на сегменты прикрепленный рис на уровне примера к легко делу с ситуацией прилипания риса; в то же время, платформа облака раскрыта и образцы различных клиентов можно удаленно натренировать для того чтобы соотвествовать подгонянные клиентом классификации.

Принцип осмотра

Ручные забор, осмотр, запись, и статистика имеют недостатки как малый ход, низкая точность, высокие пропущенные и ложноположительные тарифы, и долгосрочная усталость. Эта машина может заменить ручную работу, может работать часы 7*24, обнаруживать качество риса с высокой точностью, обнаруживать сломленный рис, меловой рис, неидеальный рис, и влага в рисе во времени, и находит ли mildew, черви, примеси и другие проблемы. Ее можно использовать для ежедневного пробуя осмотра перед и после продукцией риса.

Детектор риса качественный можно соединиться с производственным оборудованием в верхней части потока и идущим дальше по потоку согласно специфическим потребностям продукции клиентов на месте. Части в контакте с оборудованием и образцы сделаны из материалов медицинск-степени. Она безопасна и гигиеническа, с умным дизайном, простой деятельностью и удобным обслуживанием.

Дисплей испытывая системы:

Ключевая технология

Совместите традиционные методы компьютерного зрения и алгоритмы искусственного интеллекта для того чтобы проанализировать рис. Во-первых, используйте традиционные методы зрения для того чтобы поделить на сегменты зерна риса в видео- рамке, и после этого используйте алгоритмы искусственного интеллекта для того чтобы определить атрибуты поделенных на сегменты зерен риса для того чтобы определить ли насекомые, сумеречница, пускать ростии, mildew и другие проблемы. В то же время, 2 камеры высоко-разрешения были использованы для того чтобы сфотографировать фронт и назад риса, и были проанализированы свойства 2 сторон. Через алгоритм регистрации, фронт и назад риса зарегистрирован по-одному, и их соответственно атрибуты совмещены для того чтобы получить атрибуты полного зерна риса.

1. Автоматическое binarization: Используйте глубокую нервную систему для того чтобы поделить на сегменты передний план и предпосылку изображения. Сравненный с традиционным методом binarization, его можно приложить к разнообразие освещая условиям, и сегментация края риса более ровные, быстрые и крепкие высокие преимущества.

2. Слипчивый алгоритм сегментации риса: Метод основанный на соединенных доменах не может поделить на сегменты придерживаемый рис. Глубокая нервная система использована для того чтобы поделить на сегменты придерживаемый рис на уровне примера, который может достигнуть скорость 1000fps и может обрабатывать придерживаемый рис в реальное временя.

3. Алгоритм опознавания атрибута риса: принимает облегченную нервную систему и интегрирует, который полу-наблюдали уча метод. Модель может итеративно быть оптимизирована только путем отмечать небольшое количество данных. Она имеет преимущества высокой точности, быстрой скорости, и удобного раскрытия.