我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

人工智能促进空检测

人工智能促进空检测内容块的图像

想要一个免费的PDF版本的产品消息?

完成下面的表格,我们将电子邮件您的PDF版本“人工智能促进空好检测”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

Ziath报告开创性的使用人工智能,使空井之间的歧视在样品管架从油井管可能呈现条码模糊或不佳。

这个开创性工作,完成与赫特福德大学(英国),是一个项目的一部分开发的下一代Ziath条形码管扫描仪将在2021年年底推出。

DataMatrix条形码扮演一个关键的角色在追踪和跟踪生物和复合样品。这些条形码通常laser-etched到样品管底部,然后管存储在货架。管识别使用条形码阅读器扫描架的底部和解码所有的条形码已经认识到问题正确地识别位置有一个管,这是一个“空”。

环境照明,背景图像噪音,所有的条形码激光作用和材料质量变化导致使用传统的机器视觉技术检测困难。进一步改善样品跟踪和追踪——下一代的管扫描仪和读者必须能够真正区分空井和井管现在可能呈现条码模糊或不佳。

赫特福德郡大学的亚历山大·比斯利博士专家嵌入式系统设计工程师在机器学习与经验。与Ziath密切合作,比斯利博士卷积神经网络(CNN)技术用于特征提取的图像从一个基于摄像头Ziath条形码阅读器。在这个发展项目,他采取了CNN的概念和应用它专门歧视空井全井的DataMatrix-barcoded管架。

比斯利博士评论道“我选择CNN是非常轻量级的设计允许快速执行。相比现有的启发式方法,CNN的方法几乎快十倍与几乎100%的准确率来执行。”

Ziath也实现了新的空检测功能受欢迎DP5控制软件的最新版本给客户的全部好处立即新技术。

尼尔Benn Ziath董事总经理说,“这只是第一个交付与赫特福德郡大学的亚历山大和从我们的合作团队。我们预计这个项目给我们的解码方式DataMatrix管和帮助我们产生下一代的更快,更轻、可以到管架的读者。这是一个令人兴奋的发展,,很快,改善样品跟踪和追踪世界各地的科学家。”


广告
Baidu