تأخذ معدات Mingde Optoelectronics للذكاء الاصطناعي زمام المبادرة في إدخال أساليب الذكاء الاصطناعي مثل الشبكات العصبية التلافيفية العميقة (CNN) في مجال الفرز الكهروضوئي للضوء المرئي تحليل ومعالجة صور المواد ، ومن خلال الاتصال الجزئي لـ CNN ، ومشاركة الوزن ، ونواة الالتواء المتعددة وغيرها من الطرق ، أثناء عملية التدريب ، السمات متعددة الأبعاد لـ يتم استخراج المواد تلقائيًا لإنشاء قاعدة بيانات ، يكون تأثير الفرز فيها أفضل بكثير من الطرق الكهروضوئية التقليدية.
الإلكترونيات الضوئية Mingde آلة فرز الذكاء الاصطناعي أخذ زمام المبادرة في إدخال أساليب الذكاء الاصطناعي مثل الشبكات العصبية التلافيفية العميقة (CNN) في مجال الفرز الكهروضوئي للضوء المرئي تحليل ومعالجة صور المواد ، ومن خلال الاتصال الجزئي لـ CNN ، ومشاركة الوزن ، ونواة الالتواء المتعددة وغيرها من الطرق ، أثناء عملية التدريب ، السمات متعددة الأبعاد لـ يتم استخراج المواد تلقائيًا لإنشاء قاعدة بيانات ، يكون تأثير الفرز فيها أفضل بكثير من الطرق الكهروضوئية التقليدية.
المزايا الفنية
1 ، أدخلت أساليب الذكاء الاصطناعي مثل الشبكات العصبية التلافيفية العميقة (CNN) في مجال الفرز الكهروضوئي للضوء المرئي لتحليل ومعالجة الصور المادية.
2 ، يمكن لتقنية الفرز الكهروضوئي AI استخراج الخصائص متعددة الأبعاد للمواد ، مثل الملمس ، والشكل ، واللون ، والجودة ، واللمعان ، وما إلى ذلك ، مما يحسن بشكل كبير تأثير الفرز ، ويوسع مشهد الفرز وأنواع المواد ، لتلبية السوق التنويع و متطلبات الفرز الشخصية ، ويحل مشكلة مواد فرز الألوان المحدودة في سوق فارز الألوان الحالي.
3 ، يتطلب الفرز الكهروضوئي أداءً عاليًا في الوقت الفعلي ، في حين أن تشغيل CNN بطيء نسبيًا ، وفي هذا الصدد ، نعتمد تقنية ضغط النموذج لتسريع سرعة تشغيل CNN وتحسين كفاءة التعرف بشكل كبير.
4 ، نظرًا للحالة التي لا يمكن فيها للعديد من المواد المعدنية الحصول على بيانات ضخمة ، تتبنى شركتنا تقنية نقل البيانات وتكنولوجيا تحسين عينة الصورة الصناعية لضمان دقة التعرف على تدريب البيانات غير الهائل.
5 ، تستخدم آلة الفرز AI كاميرا جيجابت لنقل بيانات الصورة إلى منصة حوسبة متعددة GPU ، والتي تعتمد CNN لتحليل أنواع المواد وتحديد ميزات سطح المواد وهياكل النسيج بدقة.
نموذج | حجم الجسيمات المعدنية (سم) | سعة (ذ) | ضغط الهواء (الأم) | دقة الفرز
| نسبة الترحيل الأمثل | الطاقة (كيلوواط) | الأبعاد (مم) | الوزن (كجم) |
MAI-D4 | 3 | 30 ~ 45 | 0.55 | 96 | 10: 1 | 4.5 | 4000 * 2650 * 1760 | 2100 |
1 | 10 ~ 12 | 0.55 | ||||||
0.5≤d≤1 | 6 ~ 8 | 0.5 | ||||||
MAI-D5 | 3 | 38 ~ 52 | 0.55 | 96 | 10: 1 | 5.0 | 4000 * 3160 * 1760 | 2250 |
1 | 12.5 ~ 15 | 0.55 | ||||||
0.5≤d≤1 | 8 ~ 10 | 0.5 | ||||||
MAI-D6 | 3 | 45 ~ 68 | 0.55 | 96 | 10: 1 | 5.5 | 4000 * 3670 * 1760 | 2350 |
1 | 15 ~ 18 | 0.55 | ||||||
0.5≤d≤1 | 9 ~ 12 | 0.5 | ||||||
MAI-S4 | 3 | 35 ~ 50 | 0.55 | 99.8 | 20: 1 | 6.0 | 4850 * 2650 * 2750 | 3000 |
1 | 12 ~ 14 | 0.55 | ||||||
0.5≤d≤1 | 7 ~ 9 | 0.5 | ||||||
MAI-S5 | 3 | 44 ~ 60 | 0.55 | 99.8 | 20: 1 | 6.5 | 4850 * 3160 * 2750 | 3250 |
1 | 13.5 ~ 16 | 0.55 | ||||||
0.5≤d≤1 | 9 ~ 11 | 0.5 | ||||||
MAI-S6 | 3 | 48 ~ 75 | 0.55 | 99.8 | 20: 1 | 7.0 | 4850 * 3670 * 2750 | 3500 |
1 | 17.5 ~ 21 | 0.55 | ||||||
0.5≤d≤1 | 10.5 ~ 14 | 0.5 |
يعتمد الفهرس أعلاه على نسبة 15٪ من شوائب الكوارتز كمثال ، يختلف المؤشر المحدد باختلاف محتوى المادة والشوائب.
مواد خام الفرز المطبقة
التلك ، ولاستونيت ، الكالسيت ، الكوارتزيت
الفلوريت ، الفلسبار البوتاسيوم ، المغنسيت ، الليثيوم بيروكسين
خام الفوسفات ، خام الذهب ، السيليكون عالي البلور ، أكسيد النحاس الخام
الباريت ، البوكسيت ، خام الرصاص والزنك والفلوريت ، خام الباريت والرصاص والزنك
على سبيل المثال لا الحصر الخامات المذكورة أعلاه ، فإن الفروق المرئية للعين قابلة للتطبيق على آلات الفرز بالذكاء الاصطناعي!
يمكن تطبيق مجموعة واسعة من مواد الفرز على المكسرات والحبوب والحبوب والأعشاب الصينية والأطعمة المجففة وفرز المواد الأخرى.