Monarch HWN SWIR Sorteur à double bande InGaAs-SWIR et AI permettent un tri supérieur des noix avec surface, composition chimique et détection interne

Caractéristiques techniques

Solution de tri sur mesure pour les transformateurs de noix haut de gamme

• Système de tri compact à ceinture unique avec conception rapide
• Un alimentateur vibrant de grande capacité répartit uniformément les noix dans une seule couche pour minimiser les chevauchements
• Les boîtes de contrôle et de numérisation scellées assurent une protection élevée de la machine contre la poussière.
• La structure en acier inoxydable de qualité alimentaire et le changement rapide de ceinture assurent un entretien et un nettoyage de routine pratiques, répondant à des normes plus strictes en matière de sécurité alimentaire et d'hygiène
• Système de contrôle des poussières intégré, éprouvé sur le terrain, garantit une fiabilité et une constance de performance élevées et minimise les temps d'arrêt
• La conception modulaire d'une largeur de courroie de 400 à 1200 mm (400/800/1200) offre aux processeurs une plus grande flexibilité

Système d'inspection multispectral 5 en 1 doté d'une IA supérieure

• Système de caméra InGaAs-SWIR à double bande
• Des algorithmes propriétaires d'IA Deep Learning améliorent continuellement la reconnaissance des défauts sur la base de nouveaux échantillons
• Système de caméra RVB haute résolution
• Système d'éclairage halogène refroidi à l'air à haute stabilité
• Système d'éclairage LED à haute intensité
• Détection de précision sans précédent de divers défauts des noix par couleur, taille, forme, texture et composition chimique ou niveaux d'humidité pour les transformateurs de noix haut de gamme,avec les principaux avantages par rapport au tri traditionnel en RVB par lumière visible:

Principaux avantages par rapport au tri RGB traditionnel par lumière visible

• Détection plus approfondie des défauts au-delà du niveau de la surface: moisissure cachée, dommages causés par les insectes, rancissement que les caméras RVB ne remarquent pas
• Supérieure élimination des fragments de coquille et des résidus de fosse avec une plus grande précision
• Meilleure reconnaissance des matières plastiques, des pierres, du verre et du métal, même si leur couleur correspond aux noix
• Détection améliorée de moisissures et d'aflatoxines invisibles aux caméras RVB au stade précoce
• Un débit et une efficacité plus élevés avec une intervention humaine minimale
• Les algorithmes d'auto-apprentissage améliorent la précision au fil du temps avec plus de données

Les spécifications