Ai-Sichtprüfungs-System für biologisch abbaubare Bagassen-Ronde

Ai-Sichtprüfungs-System für biologisch abbaubare Bagassen-Ronde

Prüfungsrichtlinien

Anwendung der Kamera

1. Vordere Bereichsentdeckung: Die Rückseite des ankommenden Materials auf dem Behälter ist aufwärts, und sie wird in der Luft durch den Unterdruckgurt verschoben. Ein Satz industrielle Kameras wird direkt unter dem Behälter vereinbart, und der Gebrauch von sichtlichlichtquelle wird verwendet, um Bilder des vorderen Bereichs für die Verarbeitung zu sammeln.
2. Rückbereichsentdeckung: Nachdem der vordere Bereich ermittelt ist, fällt die Palette auf den hinteren Gurt glatt, und die Rückseite stellt noch oben gegenüber. Ein Satz industrielle Kameras wird direkt über der Palette vereinbart, und mit dem Gebrauch von sichtlichlichtquelle, wird das Bild des Rückbereichs für die Verarbeitung gesammelt.
3. Abgeschrägte Bereichsentdeckung: Die Rückseite der Palette stellt aufwärts gegenüber, und 4 Sätze der industriellen Kameras werden in einem Kreis über der Palette vereinbart, die in Verbindung mit der sichtlichlichtquelle benutzt werden, um Bilder des abgeschrägten Bereichs für die Verarbeitung zu sammeln

Konfigurationsparameter

Vorteile von ai-Algorithmus

• Genauigkeit von Ergebnissen: Verglichen mit traditionellen Visionsalgorithmen, wird die Stabilität von tiefen Lernen- Algorithmen erheblich verbessert, und sie kann allgemeinen Störungen in der Umwelt und im Hintergrund sich anpassen. Gleichzeitig ist die Genauigkeit des Algorithmus auch höher als die von traditionellen Visionsalgorithmen;
• Algorithmusvielseitigkeit: Für verschiedene Defekte nur eine geringe Anzahl Defektproben müssen gesammelt werden. Nach genügendem Training können verschiedene Defektproben automatisch identifiziert werden. Der angenommene Algorithmus ist ein vereinheitlichter Algorithmusrahmen;
• Entwicklungsgünstige zeit: Da es keinen Bedarf gibt, Algorithmen für verschiedene Defekte zu entwickeln, wird die gesamte Programmentwicklungszeit groß verkürzt, und allgemeine Sichtdefektprojekte benötigen nur 2-3 Stunden, für die Prüfung online zu gehen;
• Klimazuverlässigkeit: Wegen der Garantie von GPU-Rechenleistung, kann das gesamte System in einer Hochtemperaturumwelt mit genügendem Rechenleistungsrand für eine lange Zeit arbeiten.

Vorteile der großen Datenwolkenplattform

• Das Modell hat breite Anwendbarkeit: indem es unterscheidet, ob es eine Schablone oder nicht gibt, kann es den Entdeckungsbedarf von Oberflächenfehlern im Allgemeinen decken, und neue Defektmodelle können willkürlich addiert werden;
• Die Robustheit des Modells ist gut: durch die Systemsignal-Übereinstimmungsanpassung wird es im Allgemeinen garantiert, dass es keinen Bedarf am Einstellen auf Standort gibt, und er kann normalerweise laufen, wenn er online geht;
• Weniger Ausbildungsproben werden angefordert: Im Fall, in dem viele Defektproben nicht erhalten werden können, kann die automatische Synthese von Proben verwendet werden, um den Bedarf des tiefen Lernens mit großen Datenvolumen-Trainingsproben zu erfüllen;
• Schnelle vorbildliche Argumentationsgeschwindigkeit: Steuern Sie die Kosten der vorbildlichen Entwicklung, und versehen Sie Kunden mit einer kosteneffektiven Entwicklungsplattform so viel wie möglich auf der Voraussetzung des Erfüllens des Bedarfs.