Add to Cart
点検主義
粘着性の米の質の検査官は生産ラインを処理する粘着性の米に私達の会社によって接続され、パイプラインを持ち上げ、運ぶ粘着性の米に接続される成長し、作り出した。粘着性の米は運搬のパイプラインから一定の間隔で得られ、粘着性の米の質は分析される。それは粘着性の米の異質芽を分析できる。穀物、草の種、昆虫食べられた穀物、ギベレリンの穀物、傷つけられた穀物、黒い細菌、不純物、等の点検そして分析は、粘着性の米の質の改善、および形態の統計的なレポート、製品安全およびトレーサビリティを改善している間時々導く。
見本抽出される粘着性の米の質はよくないことが検出されるとき、生産ラインのオペレータは粘着性の米の質が作り出したことを保障する時間の生産ラインの粘着性の米分類機械の変数を調節できる。点検された粘着性の米は倉庫にパイプラインを通した粘着性の米の加工ライン、および穀物に穀物の穀物を無駄にしないで自動的に戻る送ることができる。
機器構成
| Model.No | KVS-GR | 速度を点検しなさい | 900-1200/min |
| サイズ | 800*600*600mm | 重量 | 110kg |
| 電圧 | 220V±10%、50Hz | 現在 | 500-1000W |
| 周囲温度 | 10~30℃ | 環境の湿気 | 親類temperature≤85% |
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粘着性の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. 付着力の粘着性の米の細分化のアルゴリズム:接続された粘着性の米は接続された範囲の方法に基づいて区分することができない。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粘着性の米を処理できる例のレベルで付着させた粘着性の米を区分するのに使用されている。
3. Nuomi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。
従来のマシン ビジョン方法および人工知能のアルゴリズムの粘着性の米を分析するために結合。最初に、従来の視覚的方法がビデオ フレームの粘着性の米の穀物を区分するのに使用され昆虫があるかどうか定めるために区分された粘着性の米の穀物の属性を識別するのにそれから人工知能のアルゴリズムが使用されている。ガ、発生、べと病および他の問題。同時に、2台の高解像のカメラが粘着性の米の前部そして背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、前部および背部粘着性の米は一つずつ登録され、完全な粘着性の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。
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、大きな意味分類するそして品質改良穀物にであり。
