| Merknaam: | PHOENIX |
| Modelnummer: | HWFT AI-RGB-sorteerder |
| MOQ: | 1 |
| Prijs: | Price Negotiable |
| Betalingsvoorwaarden: | L/C, D/A, D/P, T/T |
Een enkellaags bandmodel op maat ontwikkeld voor het sorteren van vers gesneden frites en voorgebakken frites. Door gebruik te maken van AI-aangedreven RGB-beeldvormingstechnologie met hoge resolutie, gecombineerd met continu bovenaanzicht en off-belt parabolische dual-mode inspectie, worden op efficiënte wijze verschillende defecten verwijderd die moeilijk te identificeren zijn met traditionele sorteerapparatuur. Deep learning wordt toegepast om de nauwkeurigheid van machinaal vision-sorteren voortdurend te optimaliseren.
Tijdens de verwerking van frites kunnen zelfs kleine kleurverschillen, oneffenheden in het oppervlak of onregelmatige vormen de consistentie van het product in gevaar brengen en de reputatie van het merk schaden. Handmatig sorteren alleen is traag vanwege de wisselvallige kwaliteit en hoge arbeidskosten, waardoor er geen gelijke tred kan worden gehouden met de hogesnelheidsproductielijnen. Bovendien kunnen frietjes omdraaien en willekeurig op de band stapelen. Traditionele enkelzijdige inspectie heeft de neiging blinde zones te creëren, wat resulteert in gemiste detectie of valse afwijzing.
De HWFT-serie is een intelligent machine vision-sorteersysteem dat op maat is ontworpen om de bovengenoemde uitdagingen aan te pakken. Het beschikt over een unieke dual-mode inspectiearchitectuur (inspectie van bovenaf van de band + parabolische inspectie buiten de band), en is uitgerust met RGB (HR-RGB) beeldvormingstechnologie met hoge resolutie, geïntegreerd met zelfontwikkelde AI-algoritmen en krachtige pneumatische uitwerpers. Het kan verkleuringen, oppervlaktedefecten, vormafwijkingen en vreemde materialen uit frites effectief identificeren en afwijzen, waardoor de consistentie van het eindproduct aanzienlijk wordt verbeterd en een solide garantie voor de voedselveiligheid wordt geboden.
Het AI-aangedreven algoritme voor de herkenning van oppervlaktedefecten wordt getraind via deep learning met echte productiegegevens, waardoor een continue verbetering van de sorteernauwkeurigheid mogelijk is. Met stabiele en betrouwbare sorteerprestaties helpt het algoritme fritesverwerkers de afhankelijkheid van handarbeid drastisch te verminderen en tegelijkertijd de productkwaliteit en verwerkingsefficiëntie te verbeteren.
| Model | Riembreedte (mm) | Lucht mondstuk | Luchtdruk (MPa) | Luchtverbruik (m³/min) | Spanning | Vermogen (kW) | Afmeting (mm) | Uitgepakt gewicht (kg) |
|---|---|---|---|---|---|---|---|---|
| HWFT3 | 1200 | 240 | 0,6~0,8 | <3,6 | 220V~50/60Hz | 4.7 | 4841×2581×2360 | 1308 |
Uiterst nauwkeurige machine vision-detectie voor diverse frietdefecten op basis van oppervlaktekenmerken: