Im Produktionsprozess von Instantnudeln fällt die Verpackungsanlage automatisch den Löffel aus, es besteht jedoch eine bestimmte Wahrscheinlichkeit, dass mehrere oder geschlitzte Löffel auftreten, was die normale Nutzung von Instantnudeln beeinträchtigen kann.
Teilen
1). Projekthintergrund:
Anforderungsbeschreibung:
Im Produktionsprozess von Instantnudeln fällt die Verpackungslinie automatisch den Löffel ein, es besteht jedoch eine bestimmte Wahrscheinlichkeit, dass mehrere Löffel oder gebrochene Löffel auftreten, was die normale Nutzung von Instantnudeln beeinträchtigt. Derzeit werden bei jedem Arbeitsplatz zwei manuelle Inspektionen durchgeführt, was hohe Arbeitskosten verursacht und eine schlechte Erkennungsstabilität sowie einen niedrigen Effizienzgrad nach sich zieht. Das Werk möchte Maschinenvision einführen, um menschliche Arbeitskräfte zu ersetzen und Produktionslinien aufzuwerten.
Technische Anforderungen:
Das Produktions-Takt muss größer als 6 Pakete/s sein.
Die Fehlererkennungsrate sollte weniger als 0,01 % betragen.
2). Lösungsarchitektur: (Architektur der Lösung)
1. Aufbau-Schemadiagramm:
2. Bildwiedergaben:
3). Programmvorteile:
Die Gabelhaltung ist vielfältig, die Position ist zufällig, und sie wird vom Materialpaket in unterschiedlichem Maße verdeckt. Die Bildhelligkeit ändert sich, nachdem die Lichtquelle längere Zeit verwendet wurde. Nach der Einführung des Deep Learning lösungen , hat sich die Gesamtleistung weiter verbessert.
In Erscheinung treten in:
1. Überwinde das Problem, dass die Farbe der Instantnudelfork nahe an der von Fladenbrot liegt.
2. überwinde Verschleierung, Lichtabfall und andere Szenenumwandlungsprobleme.
3. hervorragende Erkennungsgenauigkeit, Auslassungsrate weniger als 0,01 %.
4. hohe Detektionseffizienz, der Algorithmus dauert weniger als 30 ms.
EN
