Anhui Keye Intelligent Technology Co., Ltd
L'IA pour la vie
Add to Cart
Caractéristiques d'équipement :
| Algorithme 1.AI : de forte stabilité, s'adaptant à la perturbation d'environnement et de fond ; différents échantillons de défaut peuvent être automatiquement identifiés après la formation |
| 2.Dataization : La base de données indépendante, sauvent les échantillons multiples, analyser de non-bons produits, et maintiennent l'histoire |
| 3.Multi-orientation : ° 360 complet à l'intérieur et en dehors des échantillons |
| précision 4.High : l'exactitude de détection peut être haute |
| 5.Modularization, peut avec souplesse augmenter ou diminuer la fonction de détection selon les besoins réels de client |
| 6.Easy à fonctionner : Il est facile d'utiliser et facile à maintenir |
| 7.Safety : Fabrication de matériel de catégorie médicale, entièrement conforme avec l'environnement de production de fournitures médicales |
Principe d'inspection
Avec le développement des temps, des cafés sont employés par les personnes modernes pour des rassemblements, des loisirs et des échanges d'affaires. Elles vendent non seulement le café, mais également une qualité, une culture et des idées. Les cafés sont populaires dans de grandes, moyennes et petites villes. Les bâtons en bois de café sont un genre de vaisselle employé souvent dans les cafés modernes. Comparé aux bâtons de café en métal, ils sont portatifs, propres et hygiéniques. En raison du coût bas, beaucoup de cafés également graveront les bâtons de café ou imprimeront leurs propres logos de marque pour refléter la qualité de leurs propres cafés. Comme consommables jetables, des bâtons en bois de café ne peuvent pas être inspectés avant qu'ils soient livrés aux clients. Par conséquent, des bâtons de café doivent être soigneusement examinés avant qu'ils quittent l'usine.
Le système d'inspection emploie un ensemble de ligne industrielle caméras du haut-pixel 4K de balayage pour inspecter largement l'aspect des bâtons en bois de café. Après que le système rassemble des images de produit, par l'AI apprenant profondément, le système de détection détermine automatiquement de bons et défectueux produits, et les produits défectueux automatiquement sont rejetés en ligne. Après que le produit fini soit détecté, la fonction de compte peut être réalisée, et le taux d'exactitude de compte est 100%. Le logiciel ouvrira la norme de comparaison d'échantillon, et l'opérateur peut indépendamment ajuster l'exactitude de comparaison et choisir la norme d'exactitude la plus appropriée pour leurs propres états de production, commandant de ce fait le taux de défaut.
Le principe de base de la détection en bois de bâton de café :
Après déplacement à la station indiquée, le bâton en bois de café est tenu par le mécanisme de fixage, et il est commandé par le moteur servo pour tourner pour un plein cercle. En même temps, il y a une source lumineuse du côté. Le logiciel d'inspection compare cette image à l'image témoin standard et détecte les défauts correspondants.
Contenu d'inspection :
Épaisseur pauvre, largeur pauvre, recourbement, bavures, anthracnoses, taches, fissures, etc.
| Paramètre de système | |||
| Dimension | Référence aux dessins | Tension | 220V 20A 50HZ |
| Puissance | 5.0-6.0kw |
Pression atmosphérique |
0.5~0.8MPa nettoyé et exempt d'huile |
| La température fonctionnante | -20℃ | 60℃ |
Humidité fonctionnante |
En-dessous de l'hygrométrie de 50% |
Après que le produit fini soit inspecté, la fonction de compte peut être réalisée, et le taux d'exactitude de compte est 100%.
L'équipement d'inspection doit être maintenu et nettoyé régulièrement (comme le nettoyage de bande de conveyeur, le nettoyage de caméra, etc.). L'équipement d'inspection lui-même ne causera pas la pollution secondaire (telle que les débris, la mousse fine, etc.) aux échantillons examinés.
procédé de travail :
(1) alimentation, positionnement et fixage ;
(2) tournent un cercle pour tirer avec une ligne caméra de rangée ;
(3) expansion d'algorithme, comparaison profonde d'algorithme d'étude d'AI ;
(4) algorithme d'AI marquant, formation, détection + classification de défaut ;
(5) classification et élimination des produits défectueux