一. Proje geçmişi:
Gereksinimlerin açıklaması:
1. Tekerlek üretimi ve taşınmasından sonra, daha sonra sınıflandırma ve paketleme için farklı tekerlek türlerinin sınıflandırılması gerekir.
2. El tespit yöntemi tanımlama verimliliği düşük, yüksek işgücü maliyeti, düşük doğruluk.
teknik gereksinimler:
1. Tanımlama doğruluğu: > 99,9%
2. Tekerlek tanımlama tipi: >200 tür
- İki. Çözüm mimarisi:
Merkezi türü algılama sistemi, haitianxiang'in 1,3 milyon yüksek çözünürlüklü kamerasından, geniş bir orta delik yüzey ışık kaynağı alanıyla birleştirilmiş ve üretim hattının konveyör bandında rastgele karışık akış durumunda çeşitli tekerleklerin otomatik olarak tanımlanmasını ve sınıflandırılmasını gerçekleştirmek için derin
三. Programın avantajları:
1. doğru tanıma: her bir örnek türünün ilk model eğitim 80-100 toplanmış, kapsamlı tanıma oranı% 99'dan fazla ulaşabilir, saha tekrarlaması ile, son tanıma doğruluğu% 99.99'dan fazla.
2.Büyük tanıma kapasitesi: Derin öğrenme sınıflandırma algoritmaları, tanıma kapasitesini artırmak için kıvrımsal sinir ağlarından ve büyük veri örneklerinden yararlanmaktadır.
TR
