Analisador da qualidade do arroz da inspeção do laboratório com material inoxidável do produto comestível 304

O inspetor combina métodos tradicionais da visão por computador e algoritmos da inteligência artificial para analisar o arroz. Primeiramente, o método visual tradicional é usado para segmentar as grões do arroz no quadro video, e o algoritmo da inteligência artificial é usado então para identificar os atributos das grões segmentadas do arroz e para julgar Whether lá inseto-são comidos, brotar, oídio e outros problemas. Ao mesmo tempo, duas câmeras de alta resolução foram usadas para fotografar a parte dianteira e para trás do arroz, e as propriedades dos dois lados foram analisadas. Com o algoritmo do registro, a parte dianteira e do arroz é registrada para trás um por um, e seus atributos respectivos são combinados para obter os atributos de uma grão completa do arroz.

Detalhes da inspeção

O analisador combina métodos tradicionais da visão por computador e algoritmos da inteligência artificial para analisar o arroz. Primeiramente, os métodos visuais tradicionais são usados para segmentar as grões do arroz no quadro video, e os algoritmos da inteligência artificial são usados então para identificar os atributos das grões segmentadas do arroz e para julgar Whether lá inseto-são comidos, brotar, oídio e outros problemas. Ao mesmo tempo, duas câmeras de alta resolução foram usadas para fotografar a parte dianteira e para trás do arroz, e as propriedades dos dois lados foram analisadas. Com o algoritmo do registro, a parte dianteira e do arroz é registrada para trás um por um, e seus atributos respectivos são combinados para obter os atributos de uma grão completa do arroz.

Tecnologia chave

1. Binarization automático: Use a rede neural profunda para segmentar o primeiro plano e o fundo da imagem. Comparado com o método tradicional do binarization, pode ser aplicada a uma variedade de condições de iluminação, e a segmentação da borda do arroz é umas vantagens altas mais lisas, rápidas e robustas.

2. Algoritmo esparadrapo da segmentação do arroz: O método baseado em domínios conectados não pode segmentar o arroz aderido. A rede neural profunda é usada para segmentar o arroz aderido a nível do exemplo, que pode alcançar uma velocidade de 1000fps e pode processar o arroz aderido no tempo real.

3. Algoritmo do reconhecimento do atributo do arroz: adota uma rede neural de pouco peso e integra um método de aprendizagem semi-supervisionado. O modelo pode iterativamente ser aperfeiçoado somente marcando uma pequena quantidade de dados. Tem as vantagens da precisão alta, da velocidade rápida, e do desenvolvimento conveniente.

Escala de aplicação

O analisador da qualidade da grão da série de KVS-G é composto do sistema visual, do sistema de software e das outras estruturas de módulo. Quando a grão incorpora o campo de visão da câmera, a grão está fotografada, e as características de uma grão completa são obtidas com o algoritmo do registro. Identificação do atributo para determinar se há uns problemas tais como pontos da doença, crescimento de molde, brotamento, dano, e erosão do inseto. Tem uma vasta gama de aplicações e é da grande importância à classificação e à melhoria de qualidade das grões.

** Além do que o arroz, os produtos agrícolas tais como sementes do melão, os pinhões, as amêndoas, os feijões de café, e as nozes de bétele que podem ser colocadas estavelmente pode ser analisado por nosso analisador.