L'efficienza della classificazione manuale dei cerchi è bassa e il tasso di errore è alto. La soluzione con visione artificiale ha i vantaggi di una struttura semplice, alto tasso di riconoscimento, alta precisione e forte capacità antiperturbativa, in grado di soddisfare i requisiti della produzione automatica.
Condividere
i. Contesto del progetto:
Descrizione del requisito:
1. Dopo la produzione e il trasporto delle ruote, diverse tipologie di ruote devono essere classificate per un successivo ordinamento e imballaggio.
2. L'efficienza dell'identificazione tramite metodi di controllo manuale è bassa, con costi elevati del lavoro e precisione ridotta.
Requisiti tecnici:
1. Precisione di riconoscimento: >99,9%
2. Tipi di identificazione delle ruote: >200 tipi
iI. Architettura della soluzione:
Il sistema di rilevamento del tipo di ruota utilizza una telecamera ad alta risoluzione da 1,3 milioni di pixel di Haitianxiang, combinata con una fonte di luce a superficie media per grandi aree, e utilizza strumenti di classificazione basati su deep learning per realizzare l'identificazione e la classificazione automatica di varie ruote in uno stato di flusso misto casuale sulla cinghia trasportatrice della linea di produzione.
iII. Vantaggi del programma:
1. Riconoscimento preciso: la formazione iniziale del modello ha raccolto 80-100 campioni di ogni tipo, il tasso di riconoscimento complessivo può raggiungere più del 99%, attraverso iterazioni sul campo, la precisione finale di riconoscimento può superare il 99,99%.
2. Grande capacità di riconoscimento: gli algoritmi di classificazione basati su apprendimento profondo utilizzano reti neurali convoluzionali e campioni di grandi dati per migliorare la capacità di riconoscimento.
IT
