Η διαδικασία εργασίας του διαλογέα χρώματος φτερών μπορεί να θεωρηθεί ως ένας τέλειος συνδυασμός οπτικών, αλγορίθμων και μηχανημάτων ακριβείας. Εκτελεί μια πολύ λεπτή εργασία «ίδιου χρωματικού διαχωρισμού».
Παρακάτω, θα σας δώσω μια λεπτομερή ανάλυση του τρόπου με τον οποίο η μηχανή ταξινόμησης χρώματος φτερών εκτελεί τη ταξινόμηση:
Βασική αρχή: Χρήση οπτικών αισθητήρων υψηλής ακρίβειας-για τον εντοπισμό εξαιρετικά λεπτών διαφορών χρώματος, γυαλάδας και υφής μεταξύ φτερών και, στη συνέχεια, διαχωρισμός διαφορετικών ποιοτήτων ή τύπων φτερών μέσω ακριβούς ροής αέρα.
Η όλη διαδικασία μπορεί να χωριστεί σε τρία βασικά βήματα:
Βήμα 1: Ομοιόμορφη σίτιση και απεικόνιση
Διασπορά κραδασμών: Τα μικτά ακατέργαστα φτερά τροφοδοτούνται σε έναν φαρδύ δονούμενο τροφοδότη. Ο σκοπός του δονητή είναι να σπάσει σφιχτά τυλιγμένα σμήνη φτερών και να τα περάσει ομοιόμορφα μέσα από ένα ειδικά σχεδιασμένο κανάλι προς τα κάτω σε ένα μόνο στρώμα.
Φωτογράφηση υψηλής ταχύτητας: Όταν τα φτερά γλιστρούν σταθερά στο κανάλι, θα περάσουν μέσα από ένα κουτί ανίχνευσης. Το κουτί είναι εξοπλισμένο με έγχρωμη κάμερα CCD υψηλής-υψηλής-ευαισθησίας-και ειδικά σχεδιασμένο σύστημα πηγής φωτός. Η πηγή φωτός παρέχει ένα σταθερό, ομοιόμορφο και χωρίς σκιές περιβάλλον φωτισμού για τα φτερά. Αυτή τη στιγμή, η κάμερα θα «τραβάει φωτογραφίες» συνεχώς με πολύ μεγάλη ταχύτητα από τα φτερά που πέφτουν, καταγράφοντας περιεκτικές πληροφορίες όπως το χρώμα, τη λάμψη, την υφή και ακόμη και το σχήμα κάθε φτερού.
Βήμα 2: Έξυπνη αναγνώριση και λήψη-απόφασης
Μετάδοση και ανάλυση εικόνας: Τα δεδομένα εικόνας υψηλής-ταχύτητας που καταγράφονται από την κάμερα μεταδίδονται σε πραγματικό-χρόνο στον "εγκέφαλο" του μηχανήματος - το κεντρικό σύστημα επεξεργασίας.
Αναγνώριση αλγορίθμου τεχνητής νοημοσύνης: Το σύστημα είναι εξοπλισμένο με προηγμένους ευφυείς αλγόριθμους αναγνώρισης (συνήθως μοντέλα τεχνητής νοημοσύνης που βασίζονται σε βαθιά μάθηση). Αυτός ο αλγόριθμος έχει «μάθει» δεκάδες χιλιάδες εικόνες φτερών διαφόρων ποιοτήτων και μπορεί να προσδιορίσει με ακρίβεια την κατηγορία κάθε φτερού σαν έμπειρος δάσκαλος.
Τα κριτήρια ταξινόμησης περιλαμβάνουν:
Χρώμα: Διακρίνετε το κίτρινο κεφάλι, την κίτρινη άκρη και τα λεκιασμένα φτερά σε λευκά φτερά ή διακρίνετε τα φτερά διαφορετικών χρωμάτων (όπως τα λευκά φτερά πάπιας και τα γκρίζα φτερά πάπιας).
Γυαλάδα: Προσδιορίστε τις διαφορές στη γυαλάδα που προκαλούνται από ακατάλληλο πλύσιμο, απολύμανση ή αποθήκευση.
Υφή και φόρμα: Διακρίνετε μεταξύ βελούδου, φτερού, κατεστραμμένων μαλλιών, ακανόνιστων μαλλιών κ.λπ.
Κρίση επιπέδου χιλιοστού του δευτερολέπτου: Το σύστημα μπορεί να αναλύσει ένα φτερό μέσα σε λίγα χιλιοστά του δευτερολέπτου και να αποφασίσει να το "κρατήσει" ή να το "αφαιρέσει".
Βήμα 3: Ακριβής εκτέλεση και διαχωρισμός
Εκδόθηκε οδηγία: Μόλις το σύστημα εντοπίσει το "φτερό στόχο" που πρέπει να αφαιρεθεί (όπως ένα κίτρινο φτερό κεφαλής), θα υπολογίσει αμέσως την ακριβή ώρα που αυτό το φτερό πέφτει στο ακροφύσιο.
Έγχυση ροής αέρα υψηλής πίεσης: Τη στιγμή που το φτερό-στόχος περνά από τη θύρα έγχυσης, το σύστημα θα δώσει εντολή να ανοίξει μια ηλεκτρομαγνητική βαλβίδα υψηλής
Διαχωρισμός τροχιάς: Αυτή η ροή αέρα μοιάζει με ένα "μαχαίρι αέρα", που φυσά με ακρίβεια το ελαττωματικό φτερό μακριά από την αρχική τροχιά πτώσης και στη "απορρίμματα" ή "ελαττωματική" χοάνη συλλογής. Και τα φτερά-υψηλής ποιότητας συνεχίζουν να πέφτουν κατά μήκος της αρχικής τους τροχιάς και μπαίνουν στον κάδο συλλογής "καλής ποιότητας".
Συνοπτικά, η ροή εργασίας του ταξινομητή χρώματος φτερών είναι μια διαδικασία κλειστού-look "look think blow":
Ομοιόμορφη τροφοδοσία → Φωτογραφία υψηλής ταχύτητας → έξυπνη αναγνώριση AI → Ψεκασμός ακριβούς ροής αέρα → Τέλειος διαχωρισμός.
Τα πλεονεκτήματα αυτής της τεχνολογίας είναι επαναστατικά:
Εξαιρετικά υψηλή ακρίβεια: μπορεί να διακρίνει χρωματικές διαφορές και ελαττώματα που είναι δύσκολο να ανιχνεύσει το ανθρώπινο μάτι.
Εξαιρετικά αποτελεσματικό: Ένα μηχάνημα μπορεί να επεξεργαστεί δεκάδες έως εκατοντάδες κιλά φτερών ανά ώρα, που ισοδυναμεί με την αντικατάσταση δεκάδων ειδικευμένων εργατών.
Σταθερό και αξιόπιστο: δεν επηρεάζεται από την κούραση, τα συναισθήματα και τις υποκειμενικές κρίσεις, διασφαλίζοντας σταθερά πρότυπα ταξινόμησης.
Dataization: Μπορεί να καταγράφει δεδομένα ταξινόμησης, παρέχοντας μια βάση για τη διαχείριση της παραγωγής και τον ποιοτικό έλεγχο.