SingTown-technologie gebruikt AI-visie om automatisch noten te herkennen, zodat roostermachines ook de temperatuur perfect kunnen beheersen.

In intelligente roostapparatuur vereisen verschillende materialen (zoals pinda's, zonnebloempitten, kastanjes, enz.) verschillende verwarmingscurves en roerstrategieën. Handmatige instellingen zijn niet alleen tijdrovend, maar ook foutgevoelig. Om het roostproces te automatiseren en nauwkeurig te beheersen, zijn fabrikanten van roostrobots van plan om de SingTown OpenMV intelligente camera te gebruiken om een op machinevisie gebaseerd materiaalherkenningssysteem op te bouwen.

Dit systeem maakt via een camera beelden van de grondstoffen in de opslagbak, herkent automatisch het type voedsel dat wordt toegevoegd en roept vervolgens het bijbehorende bakprogramma op. De herkenning richt zich voornamelijk op noten met een deeltjesgrootte van 1–5 cm. De camera is boven het apparaat geïnstalleerd en kan de inhoud van de opslagbak fotograferen binnen een instelbare afstand. Het systeem moet verschillende soorten zoals pinda's, zonnebloempitten en kastanjes kunnen onderscheiden en stabiel blijven herkennen, zelfs bij kleine positieafwijkingen of hoekveranderingen. Het doel is dat de robot automatisch het materiaaltype herkent, zodat automatische toevoeding en intelligente bakkoppeling mogelijk zijn, wat de intelligentie van het apparaat en de gebruikerservaring verbetert.

De fabrikant van geroosterde notenrobots heeft, gebaseerd op het materiaalherkenningssysteem van SingTown's OpenMV intelligente camera, AI-beeldherkenning, kleur- en textuuranalyse en machine learning classificatie-algoritmen geïntegreerd, waardoor materiaalsoorten in realtime automatisch kunnen worden herkend.

Het systeem verzamelt beelden van de materiaalbunker via een hoogresolutiecamera en analyseert en classificeert de kleur-, textuur- en vormkenmerken van grondstoffen zoals pinda's, zonnebloempitten en kastanjes door middel van kleurruimteconversie (RGB-HSV) en algoritmen voor morfologische kenmerkenextractie. Door het trainen van een voorbeeldmodel kan het systeem snel het type materiaal in de huidige bunker bepalen, een overeenkomstig signaalnummer uitvoeren en automatisch het robotroosterprogramma koppelen.

Tijdens het detectieproces kan de OpenMV ingebedde visiemodule automatisch de belichting en witbalans aanpassen op basis van verschillende lichtomstandigheden om stabiele en nauwkeurige herkenning te behouden. Zelfs als de positie van het materiaal in de silo afwijkt of gestapeld is, kan het systeem nauwkeurige herkenning uitvoeren via regio-segmentatie en multi-feature fusie-algoritmen (kleur + textuur + contourvorm). De herkenningsresultaten worden via seriële poort of bus naar de hoofdcontroller-microcontroller gestuurd om automatische parameterschakeling te realiseren.

Uit praktijkmetingen blijkt dat dit systeem onder standaard lichtomstandigheden een herkenningsnauwkeurigheid van meer dan 95% bereikt voor drie veelvoorkomende geroosterde noten-ingrediënten (pinda's, zonnebloempitten, kastanjes), met een reactietijd van minder dan 0,5 seconden.

SingTown OpenMV intelligente camera's hebben lage kosten, eenvoudige implementatie en sterke storingsbestendigheid. Ze zijn geschikt voor randimplementatie in diverse apparaten zoals notenroosters, notenverpakkingsmachines en voedselselectiesystemen, en ondersteunen de voedselverwerkingsindustrie bij de intelligente upgrade naar automatisering.