I produktionsprocessen för snabbnudlar släpper packningslinjen automatiskt skeden, men det finns en viss sannolikhet för att det kommer att finnas flera eller flera skedar, vilket påverkar den normala användningen av snabbnudlar.
Dela
1) Projektets bakgrund:
Kravsbeskrivning:
i produktionsprocessen av snabbnudlar släpper förpackningslinjen skeden automatiskt, men det finns en viss sannolikhet för att det kommer att finnas flera skedar eller slottade skedar, vilket påverkar normal användning av snabbnudlar. För närvarande ordnar varje station två manuella inspektioner, arbetskostnaden är hög, och detek
Tekniska krav:
Produktionsfrekvensen ska vara större än 6 paket/s.
Om det inte finns några andra metoder för att kontrollera att det finns en brist på testkemikalier, ska det vara möjligt att använda en annan metod.
2) lösningsarkitektur: (方案架构)
1.Erektionsschema diagram:
2. bildgjord:
3) Programets fördelar:
Forkens hållning är varierad, positionen är slumpmässig och den kommer att blockeras av materialet i olika grad. Bilden ljusstyrka kommer att förändras efter ljuskällan används under lång tid. efter införandet av deep learning lösningar, har den totala prestandan förbättrats ytterligare.
uppvisas i
1. övervinna problemet med att färgen på snabbnudelgarvet är nära den på plattbröd.
2. övervinna förblindningar, ljusförfall och andra problem med scentransformation.
3. utmärkt igenkänningssäkerhet, felfrekvens är mindre än 0,01%.
4. hög detektions effektivitet, algoritmen tar mindre än 30 ms.
EN
