Analizador de la calidad del arroz de la inspección del laboratorio con el material inoxidable de la categoría alimenticia 304

El inspector combina métodos tradicionales de la visión por ordenador y algoritmos de la inteligencia artificial para analizar el arroz. Primero, el método visual tradicional se utiliza para dividir los granos del arroz en segmentos en el marco video, y entonces el algoritmo de la inteligencia artificial se utiliza para identificar las cualidades de los granos divididos en segmentos del arroz y juzgar a Whether allí insecto-se comen, brote, moho y otros problemas. Al mismo tiempo, dos cámaras de alta resolución fueron utilizadas para fotografiar el frente y detrás del arroz, y las propiedades de los dos lados eran analizadas. Con el algoritmo del registro, el frente y detrás del arroz se registra uno por uno, y sus cualidades respectivas se combinan para obtener las cualidades de un grano completo del arroz.

Detalles de la inspección

El analizador combina métodos tradicionales de la visión por ordenador y algoritmos de la inteligencia artificial para analizar el arroz. Primero, los métodos visuales tradicionales se utilizan para dividir los granos del arroz en segmentos en el marco video, y entonces los algoritmos de la inteligencia artificial se utilizan para identificar las cualidades de los granos divididos en segmentos del arroz y juzgar a Whether allí insecto-se comen, brote, moho y otros problemas. Al mismo tiempo, dos cámaras de alta resolución fueron utilizadas para fotografiar el frente y detrás del arroz, y las propiedades de los dos lados eran analizadas. Con el algoritmo del registro, el frente y detrás del arroz se registra uno por uno, y sus cualidades respectivas se combinan para obtener las cualidades de un grano completo del arroz.

Tecnología clave

1. Binarization automático: Red neuronal profunda del uso para dividir el primero plano y el fondo en segmentos de la imagen. Comparado con el método tradicional del binarization, puede ser aplicada a una variedad de condiciones de iluminación, y la segmentación del borde del arroz es altas ventajas más lisas, rápidas y robustas.

2. Algoritmo adhesivo de la segmentación del arroz: El método basado en ámbitos conectados no puede dividir el arroz en segmentos adherido. La red neuronal profunda se utiliza para dividir el arroz en segmentos adherido en un nivel del caso, que puede alcanzar una velocidad de 1000fps y puede procesar el arroz adherido en tiempo real.

3. Algoritmo del reconocimiento de la cualidad del arroz: adopta una red neuronal ligera e integra un método de aprendizaje semi-supervisado. El modelo puede ser optimizado iterativo solamente marcando una pequeña cantidad de datos. Tiene las ventajas de la alta exactitud, de la velocidad rápida, y del despliegue conveniente.

Gama de uso

El analizador de la calidad del grano de la serie de KVS-G se compone de sistema visual, de sistema informático y de otras estructuras de módulo. Cuando el grano incorpora el campo visual de la cámara, se fotografía el grano, y las características de un grano completo se obtienen con el algoritmo del registro. Identificación de la cualidad para determinar si hay problemas tales como puntos de la enfermedad, crecimiento de molde, florecimiento, daño, y erosión del insecto. Tiene una amplia gama de usos y está de gran importancia a la clasificación y a la mejora de calidad de granos.

** Además del arroz, de los productos agrícolas tales como semillas del melón, de las nueces de pino, de las almendras, de los granos de café, y de las nueces de betel que pueden ser colocadas estable puede ser analizado por nuestro analizador.