Voedsel die van de laboratorium het Analytische Rijst Machine het Testen controleren QC Centrum

Productomschrijving

Het kan worden gebruikt om de kwaliteit van rijst in de installaties van de voedselverwerking, de opslagpakhuizen van de overheidskorrel en de centra van de korrelkwaliteitscontrole te ontdekken. Het materiaal gebruikt de recentste AI technologie van de visieopsporing en is uitgerust met 3 high-resolution camera's om de attributen van de voor en achterkanten van de rijst te analyseren. De rijst op de voorzijde en de rug wordt één voor één geregistreerd, en met hun respectieve eigenschappen gecombineerd om de attributen van een volledige rijst samen te stellen; het diepe neurale netwerk wordt gebruikt om de rijst in bijlage op het instantieniveau te segmenteren om de situatie van rijstadhesie gemakkelijk te behandelen; tegelijkertijd, wordt het wolkenplatform geopend en de steekproeven van verschillende klanten kunnen ver worden opgeleid om klant aan aangepaste classificatienormen te voldoen.

Inspectieprincipe

De handbemonstering, de inspectie, de opname, en de statistieken hebben nadelen zoals langzame gemiste snelheid, lage nauwkeurigheid, hoog en fout-positieftarieven, en moeheid op lange termijn. Deze machine kan het handwerk vervangen, kan 7*24-uren werken, de kwaliteit van rijst met hoge precisie ontdekken, breukrijsten, krijtachtige rijst, onvolmaakte rijst, en vochtigheid in de rijst ontdekken op tijd, en vinden of er schimmel, wormen, onzuiverheden en andere problemen zijn. Het kan voor dagelijkse bemonsteringsinspectie before and after rijstproductie worden gebruikt.

De detector van de rijstkwaliteit kan aan stroomopwaarts en stroomafwaarts productiemateriaal volgens de specifieke productiebehoeften van klanten op plaats worden aangesloten. De delen in contact met het materiaal en de steekproeven worden gemaakt van medisch-rangmaterialen. Het is veilig en hygiënisch, met intelligent ontwerp, eenvoudige verrichting en geschikt onderhoud.

Testende systeemvertoning:

Zeer belangrijke technologie

Combineer de traditionele methodes van de beeldverwerking en kunstmatige intelligentiealgoritmen om rijst te analyseren. Eerst, gebruik traditionele visiemethodes om de rijstkorrels in het videoframe te segmenteren, en dan de algoritmen van de gebruikskunstmatige intelligentie om de attributen van de gesegmenteerde rijstkorrels te identificeren om te bepalen of er insecten, mot, het ontspruiten, schimmel en andere problemen zijn. Tegelijkertijd, werden twee high-resolution camera's gebruikt om de voorzijde en de rug van de rijst te fotograferen, en de eigenschappen van de twee kanten werden geanalyseerd. Door het registratiealgoritme, worden de voorzijde en de rug van de rijst één voor één geregistreerd, en hun respectieve eigenschappen worden gecombineerd om de attributen van een volledige rijstkorrel te verkrijgen.

1. Automatische binarization: Gebruiks diep neuraal netwerk om de voorgrond en de achtergrond van het beeld te segmenteren. Vergeleken met de traditionele binarizationmethode, kan het op een verscheidenheid van verlichtingsvoorwaarden worden toegepast, en de randsegmentatie van rijst is meer vlote, snelle en robuuste Hoge voordelen.

2. Het zelfklevende algoritme van de rijstsegmentatie: De methode op verbonden domeinen wordt gebaseerd kan niet de aangehangen rijst segmenteren die. Het diepe neurale netwerk wordt gebruikt om de aangehangen rijst op een instantieniveau te segmenteren, dat een snelheid van 1000fps kan bereiken en de aangehangen rijst in realtime kan verwerken.

3. De erkenningsalgoritme van rijstattributen: keurt een lichtgewicht neuraal netwerk goed en integreert een semi-gecontroleerde leermethode. Het model kan vaak worden geoptimaliseerd slechts door een kleine hoeveelheid gegevens te merken. Het heeft de voordelen van hoge nauwkeurigheid, snelle snelheid, en geschikte plaatsing.