Η αποδοτικότητα της χειροκίνητης κατηγοριοποίησης των κόλλων είναι χαμηλή και ο ποσοστός σφαλμάτων υψηλός. Το σχέδιο μηχανικής όρασης έχει τις προνομιακές ιδιότητες απλής δομής, υψηλού ποσοστού αναγνώρισης, υψηλής ακρίβειας και ισχυρής αντοχής στις παρεμβολές, που μπορούν να καταλάβουν τις απαιτήσεις αυτοματοποιημένης παραγωγής.
Μοιράσου
ι. Παράρτημα έργου:
Περιγραφή απαιτήσεων:
1. Μετά την παραγωγή και μεταφορά των τροχιών, διαφορετικοί τύποι τροχιών πρέπει να καταταξούν για μεταγενέστερη ταξινόμηση και συσκευασία.
2. η αποδοτικότητα της χειροκίνητης μεθόδου ανίχνευσης είναι χαμηλή, υψηλό κόστος εργασίας, χαμηλή ακρίβεια.
Τεχνικές απαιτήσεις:
1. Ακρίβεια ανίχνευσης: >99,9%
2. τύπος αναγνώρισης τροχιών: >200 είδη
ιΙ. Δομή λύσης:
Το σύστημα ανίχνευσης τύπου κόλλης χρησιμοποιεί μια κάμερα υψηλής επίλυσης 1.3 εκατομμυρίων της Haitianxiang, συνδυαζόμενη με μεγάλη επιφάνεια μεσαίων φαρδιών φωτιστικών πηγών, και χρησιμοποιεί εργαλεία βαθιάς μάθησης για την αυτόματη αναγνώριση και ταξινόμηση διαφορετικών τύπων τροχιών σε κατάσταση τυχαίας μεικτής ροής στον προϊόντα της γραμμής παραγωγής.
ιΙΙ. Προβλέψεις προγράμματος:
1. ακριβής ανίχνευση: η αρχική εκπαίδευση μοντέλου για κάθε είδους δείγματα που συλλέχθηκαν 80-100, ο συνολικός ποσοστός ανίχνευσης μπορεί να φτάσει πάνω από 99%, μέσω της επανάληψης στο πεδίο, η τελική ακρίβεια ανίχνευσης είναι πάνω από 99,99%.
2. Μεγάλη ικανότητα ανίχνευσης: Οι αλγόριθμοι ταξινόμησης βαθιάς μάθησης χρησιμοποιούν τα δίκτυα επικαμπυλούς νευρώνων και τα δείγματα μεγάλων δεδομένων για να βελτιώσουν την ικανότητα ανίχνευσης.
EN
