Italiano
Registrazione
| Prezzo | Negotiable |
| MOQ | 1 SET |
| Tempo di consegna | 4 to 6 weeks |
| Marca | Keye |
| Luogo d'origine | La Cina |
| Certification | No |
| Number di modello | KVIS-GR |
| Dettagli d'imballaggio | legno senza fumigazione |
| Termini di pagamento | L/C, T/T |
| Abilità del rifornimento | 1 messo a 4 settimane |
| Brand Name | Keye | Number di modello | KVIS-GR |
| Certification | No | Luogo d'origine | La Cina |
| Quantità di ordine minimo | 1 INSIEME | Price | Negotiable |
| Termini di pagamento | L/C, T/T | Termine di consegna | 4 - 6 settimane |
| Dettagli d'imballaggio | legno senza fumigazione | Abilità del rifornimento | 1 messo a 4 settimane |
| Nome | Alimento analitico del riso del laboratorio che controlla macchina | Warraty | 1 anno |
| Peso | 110KG | Materiale | Ss 304 |
| Colore | Grigio | Applicabile | Chicco Di Riso |
| Dimensione | 800x600x600mm | Tecnologia chiave | Algoritmo di AI |
| OEM | Sì | Pagamento | T/T, L/C, carta di credito, Paypal ecc. |
Descrizione di prodotto
Può essere usato per individuare la qualità di riso negli impianti di trasformazione dell'alimento, nei magazzini di stoccaggio del grano di governo e nei centri di ispezione di qualità del grano. L'attrezzatura usa l'ultima tecnologia di rilevazione della visione di AI ed è fornita di 3 macchine fotografiche ad alta definizione per analizzare gli attributi dei lati anteriori e posteriori del riso. Il riso sulla parte anteriore e sulla parte posteriore è registrato uno per uno e si combina con i loro rispettivi attributi per sintetizzare gli attributi di un riso completo; la rete neurale profonda è usata per segmentare facilmente il riso allegato al livello di istanza all'affare con la situazione di adesione del riso; allo stesso tempo, la piattaforma della nuvola è aperta ed i campioni dei clienti differenti possono essere preparati a distanza per rispettare le norme su misura cliente di classificazione.
Principio di ispezione
Il campionamento, l'ispezione, la registrazione e le statistiche manuali presentano gli svantaggi quali accuratezza a bassa velocità e bassa, gli alti tassi del falso positivo e mancante e l'affaticamento a lungo termine. Questa macchina può sostituire il lavoro manuale, può lavorare le ore 7*24, individuare la qualità di riso con alta precisione, individuare i risi schiacciati, il riso gessoso, il riso imperfetto e l'umidità nel riso a tempo e trova se ci sono muffa, vermi, impurità ed altri problemi. Può essere usata per collaudo per campione quotidiano prima e dopo produzione del riso.
Il rivelatore di qualità del riso può essere collegato a monte e a valle all'attrezzatura di produzione secondo i bisogni specifici di produzione dei clienti sul sito. Le parti in contatto con l'attrezzatura ed i campioni sono fatti dei materiali del medico-grado. È sicuro ed igienico, con progettazione intelligente, il funzionamento semplice e la manutenzione conveniente.
| Model.No | KVS-GR | Ispezioni la velocità | 500-900/min |
| Dimensione | 800*600*600mm | Peso | 110kg |
| Tensione | 220V±10%, 50Hz | Corrente | 500-1000W |
| Temperatura ambiente | 10~30℃ | Umidità dell'ambiente |
Parente
temperature≤85% |
Esposizione del sistema di prova:
Tecnologia chiave
Combini i metodi tradizionali di visione artificiale e gli algoritmi di intelligenza artificiale per analizzare il riso. In primo luogo, usi i metodi tradizionali della visione per segmentare i grani del riso nel video telaio e poi usi gli algoritmi di intelligenza artificiale per identificare gli attributi dei grani 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 ed indietro del riso e le proprietà dei due lati sono state analizzate. Con l'algoritmo di registrazione, la parte anteriore ed indietro del riso è registrata uno per uno ed i loro rispettivi attributi si combinano per ottenere gli attributi di un grano completo del riso.
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 è alti vantaggi più regolari, veloci e robusti.
2. Algoritmo adesivo di segmentazione del riso: Il metodo basato sui dominii collegati non può segmentare il riso aderito. La rete neurale profonda è usata per segmentare il riso aderito ad un livello di istanza, che può raggiungere una velocità di 1000fps e può trasformare il riso aderito in tempo reale.
3. Algoritmo di riconoscimento di attributo del riso: 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.
