Globālās ražošanas nozares inteliģentās pārveides un pārtikas un resursu nozares augstas kvalitātes attīstības Tā tehnoloģiskā attīstība vairs neaprobežojas ar viena veiktspējas parametra uzlabošanu, bet sniedz vispārēju lēcienu vairāku tehnoloģiju integrācijā, lietojumprogrammu robežu paplašināšanā un biznesa modeļa inovācijās.
1, Pamata uztveres tehnoloģija: no "Krāsu redzēšanas" līdz "Ieskats matērijas būtībā"
Tradicionālā krāsu atlases tehnoloģija, kuras pamatā ir RGB krāsu kameras, ir kļuvusi nobriedusi, un nozares tehnoloģiju priekšgalā koncentrējas uz bagātāku "spektrālo dimensiju" izpēti.
Multispektrālās un hiperspektrālās attēlveidošanas tehnoloģiju popularizēšana ir kļuvusi par standarta funkciju augstākās klases krāsu šķirošanas mašīnām. Iegūstot informāciju par objektu spektrālo atstarošanu vai pārraidi vairākās vai pat simtos šaurās joslās, ierīces var izveidot materiālu "spektrālo pirkstu nospiedumu". Tas paplašina šķirošanas kritērijus no ārējās krāsas līdz iekšējiem komponentiem. Piemēram, precīzi noteikt kafijas pupiņu iekšējo pelējumu, riekstu agrīno skābumu, ārstniecības augu aktīvās sastāvdaļas un precīzus plastmasas veidus (piemēram, ABS atšķiršana no PS). Hiperspektrālās tehnoloģijas izmaksu samazināšana un skaitļošanas ātruma uzlabošana ir tās liela mēroga{5}}rūpnieciskās izmantošanas atslēga.
Tuvo infrasarkano staru un lāzera -inducētās sadalījuma spektroskopijas metodes: dažiem sarežģītiem lietojumiem organisko molekulāro saišu (piemēram, C-H, O-H) analizēšanai tiek izmantota tuva-infrasarkanā tehnoloģija, un tā ir jaudīgs rīks mitruma, tauku un olbaltumvielu satura noteikšanai. Jaunākā-problēma ir lāzera-iedarbības spektroskopijas tehnoloģijas pielietojums augstākā līmeņa-resursu pārstrādes jomā. Izveidojot mikroplazmu, lai analizētu elementu sastāvu, tā var pilnībā atrisināt "melnās plastmasas" šķirošanas globālo problēmu un panākt patiesu materiāla līmeņa šķirošanu.
3D un rentgena attēlveidošanas saplūšana: apvienojot informāciju par formu, apjomu un virsmas faktūru, kas iegūta no 3D redzes, kā arī rentgenstaru blīvuma un iekšējo struktūru (piemēram, kukaiņu invāzijas un dobuma) noteikšanas spēju, sistēma var veikt daudzpusīgus, visaptverošus spriedumus. Tas ir ļoti svarīgi augstākās klases riekstu un sēklu vitalitātes pārbaudē un sarežģītā rūpnieciskā materiāla šķirošanā.
2. Saprātīga lēmumu pieņemšanas pamatā-: mākslīgais intelekts pāriet no “palīgdarbības” uz “dominējošo”
Algoritmi ir “smadzenes”, kas interpretē apjomīgus uztveres datus, un to intelekta līmenis tieši nosaka šķirošanas efektivitātes augšējo robežu.
Dziļās mācīšanās modeļi turpina attīstīties: pašreizējie AI modeļi ir attīstījušies no vienkāršas attēlu klasifikācijas līdz sarežģītai gadījumu segmentēšanai, defektu noteikšanai un anomāliju atpazīšanai. Apmācot masīvus materiālu attēlus, modele var patstāvīgi apgūt smalkas defektu iezīmes, piemēram, godži ogu vieglo taukainību un čili sēklu sapelējušo galu. Tā atpazīšanas spēja un stabilitāte ievērojami pārsniedz tradicionālos sliekšņa algoritmus. Ģeneratīvie pretrunīgie tīkli ir pat izmantoti, lai ģenerētu retu defektu paraugus, lai uzlabotu modeļu noturību ekstremālās situācijās.
Mazu paraugu apguve un adaptīvā optimizācija ir kļuvusi par galveno: jauniem produktiem vai nišas materiāliem liela skaita defektu paraugu vākšana ir dārga. Jaunākās pārsūtīšanas mācīšanās un mazo paraugu mācīšanās metodes ļauj sistēmai ātri izveidot efektīvas šķirošanas shēmas, pamatojoties uz esošajiem modeļiem un nelielu skaitu jaunu paraugu, tādējādi ievērojami samazinot klienta atkļūdošanas laiku vietnē-. Tajā pašā laikā sistēmas ar tiešsaistes mācīšanās iespējām var pielāgot parametrus reāllaikā-, pamatojoties uz izejvielu partiju svārstībām, lai nodrošinātu optimālu šķirošanas veiktspēju.
Īpaša algoritma mikroshēma un malu skaitļošana: optimizētais mākslīgā intelekta modelis tiek izmantots īpašās malas skaitļošanas ierīcēs vai augstas veiktspējas iegultās mikroshēmās, kas realizē reāllaika, zema latentuma pamatojumu ierīces pusē, apmierina pieprasījumu pēc milisekundes līmeņa lēmumu pieņemšanas-no liela-servera, nodrošina datu drošību un atkarību no centrālās ražošanas līnijas. stabilitāte.
3, Sistēmas dizains un pielietojums: elastība, modularitāte un pilnīga procesu integrācija
Elastīga ražošana un straujas ražošanas izmaiņas: reaģējot uz mazu partiju un vairāku šķirņu ražošanas tendenci, jaunās paaudzes krāsu šķirošanas mašīnas uzsver elastīgu dizainu. Izmantojot "formulu" pārvaldību, dažādu materiālu šķirošanas parametrus var pārslēgt tikai ar vienu klikšķi; Mehāniskajai konstrukcijai ir ātri izjaucams dizains, kas ir viegli tīrāms un kopjams un atbilst stingrajiem pārtikas rūpniecības higiēnas standartiem.
Modularizācija un funkciju pielāgošana: resursdatoru var integrēt ar dažādām pirmapstrādes-ierīcēm (piemēram, vēja atlasei, gravitācijas skrīningam) un pēcapstrādes{1}}ierīcēm, piemēram, "būves blokam". Klienti var izvēlēties dažādus sensoru moduļus (piemēram, RGB kameras, tuvās -infrasarkanās, rentgena kameras), pamatojoties uz izejmateriālu īpašībām un kvalitātes kontroles prasībām, lai izveidotu pielāgotus šķirošanas risinājumus.
No atsevišķa intelekta līdz ražošanas līniju izlūkošanai un mākoņpakalpojumiem: krāsu šķirošanas iekārtas kļūst par inteliģentiem mezgliem rūpnieciskajā lietiskajā internetā. Iekārtu darbības datu, šķirošanas efektivitātes, enerģijas patēriņa, apkopes brīdinājumu un citas informācijas augšupielāde reāllaikā mākonī vai rūpnīcas MES sistēmā. Tas ne tikai nodrošina attālo uzraudzību un darbību, bet arī nodrošina klientiem pievienotās vērtības-pakalpojumus, piemēram, ražošanas optimizācijas ieteikumus, kvalitatīvus izsekojamības pārskatus un pat piegādes ķēdes pārvaldību, izmantojot lielu datu analīzi. Uzņēmējdarbības modelis sniedzas no "iekārtu pārdošanas" līdz "pakalpojumu pārdošanai".
4. Jauno lietojumprogrammu scenāriji turpina paplašināties
Tehnoloģiskie sasniegumi pastāvīgi rada jaunu pielietojumu zilajiem okeāniem:
Resursu otrreizējās pārstrādes jomā tai ir galvenā loma augstvērtīgu{0}}resursu, piemēram, elektronisko atkritumu, metāllūžņu automašīnu un tekstilizstrādājumu atkritumu precīzā šķirošanā, un tas ir galvenais tehnoloģiskais aprīkojums aprites ekonomikā.
Zinātņu par dzīvību jomā to izmanto sēklu vitalitātes šķirošanai, šūnu kultūras mikrosfēru skrīningam, augstākās kvalitātes-zāļu izskata testēšanai utt. ar ārkārtīgi augstām precizitātes prasībām.
Raksturīgo lauksaimniecības produktu pievienotā vērtība: krāsu atlases tehnoloģija ir kļuvusi par neatņemamu sastāvdaļu standartizācijas un zīmola sasniegšanā augstvērtīgiem{0}}ķīniešu ārstniecības materiāliem, augstākās kvalitātes kafijas pupiņām, augstas kvalitātes riekstiem utt.
Kopsavilkums un perspektīva
Nākotnes krāsu šķirotājs vairs nebūs neatkarīga "melnās kastes" ierīce, bet gan inteliģenta platforma, kas integrēs progresīvus sensorus, mākslīgo intelektu, precīzās iekārtas un rūpniecisko internetu. Tās konkurences kodols mainīsies no vienkāršas "šķirošanas precizitātes un ātruma" uz visaptverošu konkurenci par "datu iegūšanas iespējām, algoritmu evolūcijas iespējām, nozares izpratnes dziļumu un pilna dzīves cikla pakalpojumu iespējām". Nozares līderiem ir dziļi jāintegrējas pakārtoto nozaru procesu plūsmā, vadoties pēc praktisku problēmu risināšanas, un jāveicina krāsu izvēles tehnoloģija, lai tā kļūtu par neaizstājamu stūrakmeni globālajā pārtikas drošībā, ilgtspējīgā resursu izmantošanā un augstākās kvalitātes{2}}ražošanā.