敏用智能花生分选机 Smart Sorting-北京敏用数码新技术有限责任公司手机版

详细介绍

敏用智能花生分选机 Smart Sorting

业界的智能花生米分选设备

目前在各类花生制品的批发和加工企业中，在成品分选线上，大部分企业除了使用传统的色选机进行初步拣选有缺陷的花生粒之外，还需要大量人工进一步拣选色选机无法分拣出的各种异物及有缺陷的花生粒。产品损耗高、招工难、人工成本高、拣选效率低、拣选质量无法保障是普遍存在的现象。为了解决这些问题，敏用公司研发生产的敏用智能花生分选机无疑是这些批发和加工企业的好帮手！

产品特点

> 深度学习的智能视觉检测引擎，可快速、稳定、准确地检测出有缺陷的花生米

> 设备体积小，限度地减少了占地面积

> 拣选效率高，单套设备可达到1吨/小时

> 智能视觉检测引擎可快速升级，客户只需收集缺陷样本，设备自带样本拍照功能，训练新的视觉检测引擎只需一周

产品功能

> 自动剔除检测出有缺陷的花生粒

> 客户可自主选择需要剔除的缺陷种类，检测灵活智能
> 基于深度学习的智能检测引擎

深度学习&人工智能

深度学习的检测模式是一种人工智能的检测方式，类似于我们人类认识事物的方式。通过看一种事物的很多个不同形态的实例之后，我们就会认识这种东西，能够感觉到这类东西的特点。以后我们再见到以前没见过的个体，我们依然能够认出这个个体就是这类东西。深度学习方式就是这样，通过总结各类异物图像内在的特征，在图像中识别出我们想要找到的异物。

深度学习的检测模式，是通过对按照异物分类进行标注后的图像进行学习，获得检测模型，通过模型对目标图像进行比较，找出图像中的异物。

通过深度学习检测异物的方式首先需要对异物进行分类，因为每种异物会有各自的共性，每种异物的共性有些可能是可以描述的，比如颜色，形状，尺寸等，有些很难直观的进行描述，比如纹理，明暗变化规律，边缘特征等。通过深度学习方式进行模型训练，不需要对这些特征进行描述，深度学习网络会通过大量的内部参数，总结出各类异物的共性，并通过这些共性，准确的在图像中找出异物。

MY-HS6S1T

—

采用工业视觉传感器实时监测，并内嵌敏用公司自主研发的专业的基于深度学习的花生缺陷视觉识别算法和系统，分选花生的缺陷种类可达13种（异物、夹杂粒、异味粒、坏粒、生芽粒、内皮粒、红皮粒、虫蚀粒、火重粒、白斑粒、红斑粒、起泡粒、水烂点）。

设备选别率可达80%以上，熟米分选效率可达1000公斤/小时，花生破损率低于2%，带出比低于5%。

系统界面

工作原理

与色选机功能对比

产品简介

详细介绍