Učinkovitost ročne klasifikacije kolesnih lopatic je nizka in stopnja napak visoka. Rešitev s pomembno vizualizacijo ima prednosti preproste strukture, visoke stopnje priznavanja, visoke natančnosti in močne oduprave motenjem, ki lahko izpolnjuje zahteve avtomatizirane proizvodnje.
Delitev
I. Osnovni podatki o projektu:
Opis zahtevanja:
1. Po proizvodnji in prevozu koles je potrebno razvrstiti različne vrste koles za nadaljnjo ureditev in pakiranje.
2. Učinkovitost ročne metode zaznavanja je nizka, stroški dela pa visoki, natančnost pa nizka.
Tehnična zahtevanja:
1. Natančnost prepoznavanja: >99,9%
2. Vrsta prepoznavanja koles: >200 vrst
II. Arhitektura rešitve:
Sistem za zaznavanje vrste koles uporablja fotoaparat Haitianxiang s 1,3 milijona pikslov visoke ločljivosti, skupaj s velikim površinskihm svetlobnim virom srednje-velikih otvorov, ter uporablja orodja globinskega učenja za razvrstitev za avtomatsko prepoznavanje in razvrščanje večjih vrst koles v stanju naključnega mešanja na podedi proizvodnje.
III. Prednosti programa:
1. Natančna prepoznavanja: začetno modelno učenje vsake vrste vzorcev je zbralo 80-100 primerov, skupna stopnja prepoznavanja lahko doseže več kot 99 %, skozi polje iteracije doseže končno natančnost prepoznavanja več kot 99,99 %.
2. Velika zmogljivost razpoznavanja: Algoritmi klasifikacije glede na globoko učenje izkoriščajo konvolucijske nevronske mreže in velike vzorce podatkov, da izboljšajo zmogljivost razpoznavanja.
EN
