Qualità di Jasmine Rice Quality Analyzer Food che controlla macchina con il computer di GPU

Principio di ispezione

L'ispettore glutinoso di qualità del riso si è sviluppato e prodotto dalla nostra società è collegato al riso glutinoso che elabora la linea di produzione ed è collegato al riso glutinoso che solleva e che trasporta la conduttura. Il riso glutinoso è estratto dalla conduttura di trasporto ad intervalli regolari e la qualità del riso glutinoso è analizzata. Può analizzare i germogli eterogenei del riso glutinoso. L'ispezione e l'analisi dei grani, dei cereali dell'erba, insetto-alimentari, dei grani della gibberellina, dei grani nocivi, dei germi neri, impurità, ecc., guidano il miglioramento della qualità di riso glutinoso ed i rapporti statistici della forma di tanto in tanto, mentre migliorano la sicurezza del prodotto e la tracciabilità.

Quando è individuato che la qualità del riso glutinoso provato non è buona, i responsabili della linea di produzione possono regolare i parametri del vaglio del riso glutinoso sulla linea di produzione a tempo assicurarsi che la qualità del riso glutinoso abbia prodotto. Il riso glutinoso che è stato ispezionato può essere rispedito automaticamente alla linea di trasformazione del riso glutinoso attraverso la conduttura ed ai grani è rinviato al magazzino senza sprecare un grano di grano.

Configurazioni di attrezzatura

Tecnologia chiave

1. Binarization automatico: Usi la rete neurale profonda per segmentare la priorità alta ed i precedenti dell'immagine. Rispetto al metodo tradizionale di binarization, può applicarsi a varie condizioni di luce e la segmentazione del bordo di riso glutinoso è alti vantaggi più regolari, veloci e robusti.

2. Algoritmo glutinoso adesivo di segmentazione del riso: Il riso glutinoso collegato non può essere segmentato basato sul metodo di dominii collegati. La rete neurale profonda è usata per segmentare il riso glutinoso aderito ad un livello di istanza, che può raggiungere una velocità di 1000fps e può trasformare il riso glutinoso aderito in tempo reale.

3. Algoritmo di riconoscimento di attributo di Nuomi: adotta una rete neurale leggera ed integra un metodo d'apprendimento semi-sorvegliato. Il modello può essere ottimizzato iteratamente soltanto segnando una piccola quantità di dati. Presenta i vantaggi di alta precisione, della velocità veloce e dello spiegamento conveniente.

Combinazione i metodi tradizionali di visione artificiale e degli algoritmi di intelligenza artificiale per analizzare riso glutinoso. In primo luogo, i metodi visivi tradizionali sono usati per segmentare i grani glutinosi del riso nel video telaio e poi gli algoritmi di intelligenza artificiale sono usati per identificare gli attributi dei grani glutinosi segmentati del riso per determinare se ci sono insetti. Lepidottero, germogliare, muffa ed altri problemi. Allo stesso tempo, due macchine fotografiche ad alta definizione sono state usate per fotografare la parte anteriore e la parte posteriore di riso glutinoso e le proprietà dei due lati sono state analizzate. Con l'algoritmo di registrazione, il riso glutinoso anteriore e posteriore è registrato uno per uno ed i loro rispettivi attributi si combinano per ottenere gli attributi di un grano glutinoso completo del riso.

Gamma di applicazioni

L'analizzatore di qualità del grano di serie di KVS-G è composto di sistema visivo, di sistema di software e di altre strutture di modulo. Quando il grano fornisce il campo visivo della macchina fotografica, il grano è fotografato e le caratteristiche di un grano completo sono ottenute con l'algoritmo di registrazione. Identificazione di attributo per determinare se ci sono problemi quali i punti di malattia, la crescita di muffa, il germogliamento, il danno e l'erosione dell'insetto. Ha una vasta gamma di applicazioni ed è di grande importanza alla separazione del grano ed al miglioramento di qualità.