我国蛋品缺陷智能化检测装备十分缺乏。中国的蛋品行业还处于机械化的初期,蛋品加工设备基本依靠进口,进口设备不仅价格昂贵,而且使用维护非常不便,配件和易耗品需要来自国外,不仅价高,而且供货不及时,我国采用进口设备的蛋品加工企业受制于人,早已苦不堪言。由于长期以来只进口,不研发,虽然目前国内已进口蛋品加工生产线数十条,但国内鲜有具有较大规模的蛋品加工设备生产企业,蛋品加工包装装备研发和制造整体技术与发达国家相比落后30年,使得我国的蛋品加工及包装产品进入国际贸易存在种种障碍。因此,研发蛋品缺陷智能化检测装备势在必行。目前国内外检测蛋品的明显缺陷虽有部分在线检测,但是隐性缺陷的在线检测还没有根本解决。
因此,通过对目前我国蛋品产业存在的现状和问题分析,本项目认为蛋品隐性蛋品质在线检测、蛋品蛋清稀化等隐性品质劣变状态的无损检测、蛋内血斑肉斑等异物的无损检测等装置的研发存在重大需求,通过人工智能技术进行蛋品缺陷智能化检测与分选,将极大的提升蛋品检测和分选的效率与准确率,同时也可以打破国外的长期垄断,实现国产化替代升级,极大的降低国内企业的成本,有助于我省的产业化升级改造,该项目的立项具有重要意义。
拟邀请高校进行如下技术合作:
1、蛋品成像模块的设计搭建
成像是整个检测系统的基础,成像的好坏直接影响着整个系统的检测分选效果重点,如何解决三维蛋品的成像全覆盖是重要难点,需要合作单位开展如下工作:
(1)对不同成像设计的优缺点及存在视觉死角的原因进行分析;
(2)研究蛋品成像模块的最优搭建方式,尽可能避免视野死角造成的漏检;
(3)研究成像系统的硬件选型,在满足成像需求的前提下降低硬件成本;
(4)设计满足无死角的成像结构,满足样本采集需求;
2、蛋品缺陷检测模型的训练及构建
训练缺陷识别模型,优化模型算力开销,主要工作如下:
(1)收集海量的蛋品缺陷样本并进行数据清洗、依据蛋企的质量标准进行数据标注;
(2)利用CN N及迁移学习来进行模型搭建;
(3)模型优化,实现算力开销最优化;
全部评论