AI缺陷检测系统,确保果蔬质量

方案介绍
果蔬经过收集、清洗、包装 , 通过冷链物流配送到各种销售渠道 。最终的质量分级和检验决定其价格 。传统上 , 通过自动分级机或人工目测进行分级和检验 , 质量因素通常包括重量、颜色、大小和外观 。因此 , 这个过程不仅耗时、劳动强度大且费用支出高 。特别是 , 检查员的判断并不总是100%一致 。每个检验员都有自己的主观判断 , 很容易造成评分等级与实际质量之间存在差距 。随着AI技术的成熟 , 传统的人工视觉检测或基于规则的人工智能设备的检测问题可以通过大数据和深度学习算法驱动的人工智能技术来解决 。最终 , 将开发出神经网络模型 , 大幅提高精度和效率 。研华的AIR-101边缘推理系统具有高度稳定的视觉推理计算能力 , 并配备了两个Intel?Movidius?Myriad?Xvpu , 以及多个I/O接口 。重量轻 , 功耗低 , 易于安装 , 能够在工业环境下稳定运行 。
AI缺陷检测系统,确保果蔬质量
文章插图
客户需求
我们的客户是业内多年来从事果蔬加工行业的知名分选分级包装机制造商 。水果送至分级机后 , 由IP摄像头对其进行扫描 , 根据AI模型对其外观、大小、颜色进行分类 , 并通过其他监测方法进行检测 , 过滤出有缺陷的水果 。只留下高质量的 。起初 , 客户使用FPGA进行人工智能推理 , AI浮点运算占用了大量的FPGA资源 , 因此 , 分级效果差 , 成本高 。后续客户选择了研华AIR-101AI边缘智能推理系统 , 并使用VPU视觉处理器进行分级评分 。凭借先进的计算性能、多个I/O接口、稳定的可靠性和DIN导轨设计的特点 , 它实现了高精度的果蔬质量分级 。
使用边缘AI提高检测效率 , 避免人工复检
研华的AIR-101AI推理系统搭载Intel?Atom?x7-E3940CPU四核处理器和两个Intel?Movidius?Myriad?Xvpu驱动 , 可实现高性能视觉计算和分析 。它总共配备了4个USB3.0端口和2个LAN端口 , 最多可以连接4个摄像头 。当水果通过传送带上方的摄像头时 , 摄像头将图像传输给AIR-101 , 根据外观、颜色、大小、形状、表面损伤等特征进行实时分析 , 然后根据分析结果完成分级 。此外 , 损坏的水果会被贴上标签并显示在屏幕上 , 以提醒质检员注意 。此外 , 它丰富的I/O接口还可以连接到各种设备 , 如称重传感器、代码扫描仪和自动打印机 。两个4KHDMI接口也可以连接显示屏 , 便于现场管理 。研华还提供了用户友好、可视化的AI套件软件包 , 预集成Intel的OpenVINO?工具套件 , 支持Caffe、TensorFlow、ONNX等多种主流AI框架 。客户可以通过OpenVINO?工具套件轻松地将其人工智能模型部署到AIR-101人工智能推理系统中 。AIR-101还提供实时设备信息 , 如CPU/VPU/GPU温度和工作负载系数 , 大幅节省了开发和部署阶段的时间 。
研华是高性能、可靠的人工智能工业系统的最佳合作伙伴
除了具备强大的视觉计算能力外 , AIR-101人工智能推理系统还提供了可靠、高质量的保证 。无风机设计 , 满足生产线防尘要求 , 使设备运行更加稳定 。此外 , AIR-101采用DIN导轨设计 , 易于安装并集成到分级设备中 。在水果分级案例中 , 客户使用VPU进行水果的分拣和检测 , 他们意识到Intel?CPU和VPU的结合可以满足高精度和高分拣效率的要求 , 适合未来的扩展 。研华提供的VEGA-300系列AI加速模块和AIR系列AI推理系统都预装了EdgeAISuite软件包 。集成的边缘AI软件和硬件解决方案使客户和开发人员可以轻松上手 , 并根据环境和应用程序要求使用它们 , 快速开发和部署AI应用程序 。
【AI缺陷检测系统,确保果蔬质量】

    推荐阅读