Recycling von Mehrschicht- und Verbundkunststoffen
Quantifizierung und Sortierung von organischen Abfällen
Erkennung von Mängeln bei Fischen mit maschinellem Sehen und Deep Learning
Erkennung von Mängeln bei Fischen mit maschinellem Sehen und Deep Learning
Die Technologie der maschinellen Bildverarbeitung mit Hilfe von Deep Learning ist ein wichtiger Verbündeter für Fischverarbeitungs- und -vertriebsbetriebe, der es ermöglicht, 100 % der Produktion zu prüfen, um hohe Qualitätsstandards und Lebensmittelsicherheit für das Produkt zu gewährleisten, das schließlich auf den Tisch des Verbrauchers gelangt.
Das neue Visum DeepSight Loins™ System von IRIS Technology ist ein Bildverarbeitungssystem, das für die Erkennung von physikalischen Oberflächendefekten in frischen und gefrorenen Fischfilets entwickelt wurde und es ermöglicht, die Inspektion von Filets zu automatisieren, zu quantifizieren, zu klassifizieren und Nichtkonformitäten auszusortieren, um eine hervorragende Qualität des Endprodukts zu gewährleisten.
Maschinelles Sehen und Deep Learning
Während herkömmliche Bildverarbeitungssysteme lernen, Merkmale aus einer Reihe historischer Bilder zu klassifizieren und zu erkennen, um neue Bilder korrekt vorhersagen und klassifizieren zu können, sind neuronale Netze mit tiefem Lernen in der Lage, Merkmale aus Pixeln (einzeln und in Gruppen) zu lernen, und verfügen über eine Eingabeschicht (das Rohbild), eine Reihe von Zwischenschichten, die miteinander verbunden sind, um die Funktionsweise eines biologischen Gehirns zu simulieren, und eine Ausgabeschicht, die eine Klassifizierung/Vorhersage ermöglicht. Neuronale Netze mit Deep Learning sind besonders gut im Erlernen komplexer Merkmale und in der Segmentierung eines Bildes auf verschiedenen Abstraktionsebenen (Kanten, verschiedene Farben, Formen, Objekte), einschließlich Rauschen und probabilistischer Informationen.
Herkömmliche maschinelle Bildverarbeitung, die diesen Ansatz nicht verwendet, verarbeitet in der Regel Bilder, lernt aber nicht aus den Daten, wie z. B. Wärmebildkameras, Bewegungserkennungssensoren, Lichtintensitätssensoren und andere.
Erkennung von Mängeln bei Fischen und gefrorenen Fischfilets
Das Visum DeepSight Loins™-System ist in der Lage, zahlreiche Defekte in Fischfilets zu erkennen, wie z. B. Druckstellen, Blutflecken, Lücken (d. h. Öffnungen oder Risse in der Muskulatur), Hautreste, oberflächliche Gräten oder andere oberflächliche Fremdkörper, die in die Verarbeitungslinie gelangen können. Außerdem verfügt es über eine integrierte Farbmessfunktion nach internationalen CIELAB– oder L*a*b*-Standards, die als Qualitätsparameter sowohl für die Oberfläche als auch für die Frische des Fisches wichtig ist.
Visum DeepSight Loins™ hat einen hohen IP-Schutz für eine einfache Reinigung der Linie und verfügt über ein eingebautes Antireflexions- und Antifeuchtigkeitssystem, das einen normalen Betrieb sowohl bei frischen als auch bei gefrorenen Fischfilets ermöglicht.
Benutzerfreundlichkeit, Bedienung und Kommunikation
Das Visum DeepSight Loins™-System verfügt über 2 Benutzerebenen: „Administrator“ für die Änderung der Einstellungen, des Arbeitsmodus, die Anpassung der Ausschleusungsempfindlichkeit oder die Aufnahme von Referenzen und „Bediener“ für den automatischen Betriebsmodus des Geräts.
Das System wird durch eine Falltürausleitung ergänzt, die es ermöglicht, nicht konforme Einheiten zur erneuten Verarbeitung oder Kontrolle durch das Bedienpersonal auszusondern.
Die Informationen und Ergebnisse der Analyse, wie z. B. die Quantifizierung von Fehlern und Ausschuss nach Klasse, die Losinformationen und die Menge der kontrollierten Produkte, können auf dem eingebauten Computermodul, auf einem an das Netzwerk angeschlossenen Computer oder auf dem werkseigenen Informationsmanagementsystem angezeigt werden. Darüber hinaus können die automatisch erstellten Berichte in verschiedenen Formaten exportiert werden.
Die Funktion der Empfindlichkeitsanpassung ist ein wesentliches Instrument zur Kalibrierung des Rückweisungsgrads des Geräts bei bestimmten Fehlern und somit zur Regulierung der Betriebsleistung des Systems, ohne die Produktionskapazität der Linie zu beeinträchtigen.
Für weitere Informationen über das Gerät und Anfragen schreiben Sie an info@iris-eng.com.
