A Deep Learning technológia „okos szemeket” biztosít az észlelőeszközök számára

Az élelmiszer- és gyógyszergyártásban, valamint az élelmiszer-feldolgozó iparban a termékminőség biztosítása és a minőségi költségek ellenőrzése érdekében a tesztelési kapcsolat elengedhetetlen a minőségirányításhoz.

A hagyományos tesztkapcsolatnak két hibája van ezekben a vállalkozásokban. Az egyik a mesterséges minőségellenőrzés bevezetése, amely magas költségekkel jár, de az alacsony sebesség és pontosság miatt nem alkalmazható a tömeges gyártósorra.. A másik a hagyományos vizsgálóberendezés, amely csak egyszerű és egyfajta hibavizsgálatra használható.

Hogyan lehet a mesterséges munkát gépekkel helyettesíteni a komplex hibafelismerés hatékonyságának és pontosságának javítása érdekében? A mélytanulási algoritmus technológiáját gyorsan kifejlesztették, hogy integrálják a gyártósorba, hogy hatékonyan teljesítsék az összetett hibák észlelési feladatát.

Mély tanulási algoritmus több ezer réteg neurális hálózattal, szimulálja az emberek gondolkodási folyamatát és viselkedését. Az optikai eszközökkel és érzékelőkkel kombinálva a mélytanuló algoritmussal rendelkező ellenőrző gép képes mesterséges felismerési elemzési képet szimulálni, felismerni a nehezen számszerűsíthető jellemzőket és a szabálytalan hibákat.. Vegyük például a csírázó földimogyorót. A csírázó földimogyoró rügye alakjában nem egyforma, minőségében nehéz megszámolni, így a hagyományos algoritmussal nehéz megbirkózni. De az intelligens érzékelő berendezés mély tanulási algoritmussal képes azonosítani a finom különbségeket, megkülönböztetni a csírázó földimogyorót és a normál földimogyorót.

A kézi ellenőrzéshez képest a mélytanulási algoritmuson alapuló intelligens érzékelőberendezés szélesebb vizuális érzékeléssel rendelkezik, és nagymértékben javult a sebesség, a pontosság, a környezeti alkalmazkodóképesség és egyéb szempontok tekintetében, amelyek gyorsan integrálhatók a nagy sebességű és nagy hozamú automatizált rendszerbe. gyártósorok.

A Techik elkötelezett a spektrális online detektálási technológia kutatása mellett, és mély tanulási algoritmusokat alkalmaz az élelmiszerek észlelésére és az élelmiszerek válogatására. Különböző termékek esetén a Techik személyre szabott megoldásokkal és konfigurációval is megoldhatja az ügyfelek észlelési problémáit.

Mély tanulás + röntgen érzékelés

A Techik intelligens röntgenvizsgáló gép mélytanuló algoritmust alkalmaz az észlelési pontosság hatékony javítása érdekében. A hagyományos idegentest-észlelési funkció mellett olyan összetett minőségi problémákat is képes észlelni, mint a kézi szivárgás, a fagylaltrepedés, a sajtrúd hiánya, az olajszivárgás és a kiscsomagolású élelmiszerek lezárásának klipje..

Mély tanulás + ételválogatás

A Techik intelligens vizuális válogatógép mély tanulási algoritmussal, tanulhat diófélékből, magmagokból, kínai gyógynövényekből, borsból, például anyag formából, színből, textúra jellemzőiből, majd pontosan azonosítja a szabálytalan foltokat / színblokkot, szabálytalan formát, finom formát és színbeli eltérések, például összetett hibák. A Techik színes szortírozók különböző vevői igényeket is kielégíthetnek, személyre szabottan meghatározzák a hibatartományt, hogy megfeleljenek a különböző alapanyag-besorolás követelményeinek.

Mély betanulás + külső csomagolási hiba észlelése

A Techik intelligens vizuális észlelőgépe 360 ​​fokos hibaészlelést végezhet a vödör instant tészta felületének és más termékek hőre zsugorodó fóliájának csomagolásán, és testreszabhatja a kódbefecskendezés észlelését, a nagy ferde burkolat észlelését, a folyadékszint észlelését és egyéb megoldásokat az ügyfelek igényei szerint, célja a termelő vállalkozások gyakorlati problémáinak megoldása, a termelés hatékonyságának és a termékminőség javítása.