分選演算法

㈠ 融資丨米文動力與科億科技達成戰略合作，嵌入式AI助力工業智能化升級

創業邦獲悉，近日，北京米文動力 科技 有限公司（以下簡稱「米文動力」）和安徽省科億信息 科技 有限公司（以下簡稱「科億 科技 」）於合肥簽署戰略合作協議。面對「中國智造」未來發展趨勢，雙方聯手圍繞工業質檢、智能分選等方向展開深度合作研究和應用實踐，形成基於視頻、圖像、光譜的缺陷檢測、品類分選等軟硬一體解決方案，並從技術生態、商業生態層面共同開拓基於人工智慧的工業視覺檢測市場，促進工業場景眾多應用的智能化升級。

簽約儀式上，在雙方公司高層的共同見證下，米文動力創始人兼CEO楊冠文博士、科億 科技 CEO顏天信博士分別代表雙方簽署戰略合作協議，並針對合作細節展開探討。此次合作是米文動力與科億 科技 在多年合作基礎上進行的一次全方位、深層次「戰略升級」。

質檢是工業生產過程的重要一環，及時通過工業質檢剔除次品，嚴格把控產品品質和成本，是製造業升級的重要基石之一。現實場景中，質檢員對缺陷的判定受個人經驗影響，標准不統一且效率低下。同時，雖然傳統的AOI設備可以彌補人工檢測的不足，但僅可判別定量缺陷檢測，無法自適應，通用性差，且在更加復雜的在線場景下檢測精度低，可能會採用過高的誤判率來最大可能地減少不良品進入下一環節，增加人工復檢的成本，效率低下。

分選是生產過程的另一重要環節，能夠讓合格、有效、優質的物料進入生產和出廠流程，是支撐客戶量產的有效手段。在農業、環保物資回收、工業等眾多應用場景中，因檢測對象規則性較差，傳統視覺演算法檢測效率低，應用難度大，導致檢出率低，漏檢率、誤檢率高。同時，普通色選機、進口棱鏡、風選、水選、磁選等非智能精密類的分選設備成本高，作業效率低下，費時費力，信息加工及處理手段落後，識別雜質、異物准確率低，無法滿足高精度、高產量分選。

為了解決上述難題，有效支撐客戶量產，米文動力聯合科億 科技 共同打造基於人工智慧的工業視覺軟硬一體解決方案。米文動力側重於提供低功耗、高算力、高性價比的軟硬一體邊緣計算平台及技術，科億 科技 側重於提供具體場景的工業質檢、智能分選的軟體演算法和應用方案，共同為客戶提供高實時性、高准確率、低誤報率的質檢和分選方案。

該方案採用米文動力EVO Xavier這款設備，依託英偉達嵌入式GPU的超強性能，能夠實時對高解析度相機採集的圖像數據進行快速處理。同時，利用科億 科技 自主訓練和優化的超實時深度學習網路模型，對樣本需求量小、泛化能力強，藉助少量標注即可達到現場部署的應用水平，有效解決質檢、分選場景的數據難獲取、標注質量難保證等問題，加速基於人工智慧的質檢和分選應用的產業化落地進程。

目前雙方在工業質檢、智能分選領域已落地的應用場景有：棉花異纖檢測、細豆角分揀等農副產品分選，電子器件廠中的電容質檢、薄膜開關印刷、外包裝缺陷等工業產品檢測，以及醫療行業的醫用手套、醫用刻度瓶缺陷檢測等。

米文動力是一家嵌入式人工智慧 科技 創新公司，專注於提供軟硬一體的邊緣計算產品及技術，是英偉達全球生態推薦戰略合作夥伴。

科億 科技 是一家兼具人工智慧技術基礎研究能力和產業落地能力的高 科技 公司，推出了AVS-matching、AVS-multi和AVS-sorting三個系列化平台產品，並成功應用到紡織、印刷、分選、品質分析等多個行業，是工業質檢和分選領域的整體解決方案商。

堅持用硬 科技 提高生產力——米文動力和科億 科技 始終秉持這樣的信念。作為兩家技術驅動的公司，在各自領域鑽研精進，在適當時機深化合作，在工業生產環節努力發揮先進技術的作用，每一步都穩扎穩打，有著 科技 創業者求真務實的精神。未來，雙方會推出更多工業質檢及智能分選解決方案，用實乾和創新力量激發工業活力，也歡迎更多志同道合的企業一起共建生態。

本文源自創業邦

㈡ 溶酶體酶在高爾基體被分選的識別信號是什麼

溶酶體(lysosome)為細胞漿內由單層脂蛋白膜包繞的內含一系列酸性水解酶的小體。
溶酶體是細胞內具有單層膜囊狀結構的細胞器，溶酶體內含有許多種水解酶類，能夠分解很多種物質，溶酶體被比喻為細胞內的"酶倉庫""消化系統"。
溶酶體(lysosome)為細胞漿內由單層脂蛋白膜包繞的內含一系列酸性水解酶的小體。是細胞內具有單層膜囊狀結構的細胞器，溶酶體內含有許多種水解酶類，能夠分解很多種物質，溶酶體被比喻為細胞內的"酶倉庫""消化系統"。溶酶體內的酶都是水解酶，而且一般最適pH為5，所以都是酸性水解酶。溶酶體內的酶如果釋放會把整個細胞消化掉。一般不釋放到內環境，主要進行細胞內消化。溶酶體內的酶活性不足(主要是酸性水解酶)、激活蛋白、轉運蛋白或溶酶體蛋白加工校正酶的缺乏而引起溶酶體功能缺陷，造成次級溶酶體內相應底物不能被消化，底物積蓄，代謝障礙，形成貯積性疾病，稱為溶酶體貯積症，溶酶體貯積症不僅影響機體某個器官的正常功能，往往也會影響到整個機體代謝活動的協調性，引起多種疾病。目前已知此類疾病有40種以上，大致可分為糖原累積病、腦苷脂沉積病、台-薩氏綜合征和粘多糖沉積病等幾大類。

㈢ 分選信號是什麼

信號分選，也稱為去交錯，是信號處理的第一步。分選的依據是用那些對於每部雷達不變而又能區別於其它雷達的參數來進行比較，相同參數的可以認為屬於同一部雷達。在脈沖描述宇中，方位是最好的分選參數。因為在分選的很短時間段上(幾十毫秒)，一部雷達的方位數據是幾乎不變的，而不同方位上的雷達，其方位數據不同。雷達工作頻率也可以作為分選參數，大多數常規雷達的工作頻率也是幾乎不變的。所以就可以把具有相同方位和頻率的脈沖描述字歸並到同一塊存儲單元內，完成初步的分選。
然而即使歸並在同一個單元內的脈沖也未必一定是來自同一部雷達的。因此還須對同一單元內的脈沖用脈沖重復周期來核對，迸一步分選，最終把各個雷達的脈沖區分開，確定出雷達的參數。現代雷達的工作頻率可能是捷變的，脈沖重復間隔也可以變化，所以分選工作非常復雜，需要有專門的演算法來分析這些具有捷變參數的雷達信號。現在人們仍然在不斷探索、研究新的分選方法，以適應越來越復雜的信號環境。其中有人就運用人工神經網路技術，模仿人腦的學習過程來實現對復雜信號的分選。（國防科工委網站）

㈣ 我想買立刻智能色選機、如何

我想買立刻智能色選機、如何？
一、了解色選機原理，以及色選機分類：

1、根據結構分類：

A、溜槽式色選機B、履帶式色選機

2、根據物料分類：

A、茶葉色選機B、大米色選機C、塑料色選機D、豆類色選機E、雜糧色選機F、工業色選機......

二、了解自己的需求

1、根據公司的規模、產出量等不同確定所需色選機的產量

一般情況下，產量越大，價格也越昂貴，有的機器性能只追求產量，忽略了選凈率，有的行業對選凈率要求很高，比如塑料行業，如果一味追求產量，忽略選凈率，則最終得不償失。

2、預算多少

錢的多少，一定程度上決定了配置的高低，但在有限的預算內購買最適合自己的機器，性價比才能最高，資源配置也最優化。沒有最好，只有最合適。並不是價格最昂貴，機器就最好，效果也最好；也不是機器越先進就越好；也不是功能越多越好，對於很多物料來說，功能的多少，對於效果是一樣的，而且很多功能在實際操作中並不需要，還增加了操控者的使用難度，很多功能只是廠家為了價格區別設置的賣點。

三、走訪市場，挑選機型，分析比較

挑選時請注意以下幾點：

1、選凈率、帶出比、產量為色選機三要素

相比較而言，選凈率越高，機器越好；帶出比越低，機器越好，產量越高，機器越好，但是通常一種要素的高低會對其他兩種要素產生影響，所以最終要根據您的實際需要，綜合考慮到三者的最優比。

2、機器配置與演算法決定選凈率

每種物料形狀，顏色等各不相同，要想達到最佳的分選效果，那麼，機器配置一定不同，演算法也不同。就同一種物料而言，每批次物料情況也不相同，則演算法也需要不同，設置不同的參數。所以，可定製，至關重要。

3、廠家：有實力，有規模，有一定知名度，專一專業，比如，中瑞微視色選機屬於光電一體化機械，對生產技術以及專業性要求較高，那麼從人才，場地等生產成本要求也高，一般小廠家，負擔不起高昂的生產成本，便會偷工減料，品質無法保證。

4、品牌：品牌越響，品質越有保障，服務也越有保障品牌不是一朝一夕建立的，一定是經過多年的發展，用戶口碑壘起來的，而且每個廠家對品牌都愛護有加，所以對品質的把控更嚴格，售後的服務體系也更完善。

5、技術：獨立研發的實力色選機屬於精密機械，光電技術需過硬，不是照著葫蘆畫瓢就可以成功的，需要有獨立的研發能力開發出屬於自己的核心技術。

㈤ FCM什麼意思

回答：流式細胞術是一種生物學技術，用於對懸浮於流體中的微小顆粒進行計數和分選。這種技術可以用來對流過光學或電子檢測器的一個個細胞進行連續的多種參數分析。

流式細胞術（Flow CytoMetry，FCM）是對懸液中的單細胞或其他生物粒子,通過檢測標記的熒光信號，實現高速、逐一的細胞定量分析和分選的技術。

延伸：

其特點是通過快速測定庫爾特電阻、熒光、光散射和光吸收來定量測定細胞 DNA含量、細胞體積、蛋白質含量、酶活性、細胞膜受體和表面抗原等許多重要參數。根據這些參數將不同性質的細胞分開，以獲得供生物學和醫學研究用的純細胞群體。

㈥ 計算機視覺技術國內 國外發展歷史及現狀

1研究現狀及存在的問題
水果實時分級系統主要功能是水果外部品質和內部品質的自動檢測。水果的外部品質檢測的項目有大小、形狀、顏色、表面缺陷等，內部品質無損檢測的項目為水果的硬度、糖含量、酸度、口味及某些內部缺陷等。
1.1水果外部品質的自動檢測
水果的尺寸和顏色檢測技術已比較成熟，且在國外已經實現自動化檢測，在國內也有按重量或尺寸分級的系統。但果面的缺陷檢測卻一直成為水果實時分級的障礙。
果面缺陷檢測的技術比較復雜，目前存在以下幾方面難題。
1.1.1對水果整個表面進行實時視覺檢測比較困難
在水果分選生產線上，輸送機構輸送水果並把水果整個表面呈現給攝像機，這是水果實時分級系統比較關鍵的組成部分，因為當水果通過時，要求視覺系統能快速檢查每個水果的全部果面，即使很小的缺陷面積，也會使得水果級別發生很大變化。同時，設計的視覺分級系統必須滿足高生產率的要求。在這方面，國外學者（Growe,1996,Tao,1996)［1，2］採用滾子輸送帶使水果一邊移動一邊自身轉動，從而使安裝在輸送帶上方的攝像機能採集到水果的多個面的圖像，達到全表面檢測的目的。但由於水果大小和形狀不規則，造成水果旋轉速度不一致且難以保證按同一軸線旋轉。此外，水果旋轉兩端的表面部分攝像機無法採集到，因此，分級誤差較大。
1.1.2快速而准確地測定水果表面的各種缺陷且與梗、萼凹陷區正確區分比較困難
Miller等(1991)［3］對桃子的分選試驗表明：因不能正確區分水果表面的缺陷和梗、萼凹陷區，由此產生的分級誤差為25％左右。Rehkugler等（1986）［4］利用機械定向機構使蘋果梗、萼處於垂直方向並繞梗萼軸旋轉，CCD線掃描攝像機可掃描蘋果的整個表面且形成一幅圖像，該方法的特點是由機械定向機構定位水果梗、萼區，攝像機對此區不需要再檢查。但因為受定向機構速度的限制，還達不到實時分級的速度，試驗結果為每分鍾選30個蘋果。Yang(1996)［5］利用結構光圖像與散射光圖像相結合來區分梗、萼區和缺陷區，綜合兩方面圖像處理的結果，共抽取16個特徵參數，再利用BP神經網路區分蘋果的梗、萼區和缺陷區，分辨精度為95％，但還需要進一步把試驗結果應用於實際水果分選生產線中。Growe等（1996）［1］採取在780 nm附近帶域內，用結構光由一黑白攝像機進行水果表面的凹陷度檢測；在750 nm帶域內的散射光照射下，由一黑白攝像機進行水果表面的可疑缺陷區檢測。水果的輸送旋轉裝置及攝像機布置如圖1a所示，採用的雙錐滾筒輸送帶可使水果一方面沿水平方向作平移運動，另一方面又繞自身水平軸作旋轉運動。兩個黑白CCD攝像機用來採集750 nm附近的散射光圖像和780 nm附近的結構光圖像，水果旋轉一周攝取兩次圖像。兩個黑白攝像機採集的圖像經過設計的介面電路後，被合成為一幅黑白圖像，合成過程如圖1b所示。圖像的處理由流水線圖像處理系統完成。試驗結果表明：每個水果採集兩幅圖像時，缺陷檢測的速度可達5個/s，但誤差較大，如對於蘋果，碰傷檢測的准確率僅為51％。試驗表明，要想得到較高的檢測精度，每個水果應採集5幅以上的圖像，結構光至少6條以上。此外，由於水果尺寸不同所造成各個水果旋轉速度的不一致，也是產生測量誤差的原因。徐娟（1997）［6］及Nakano(1997)［7］利用人工神經網路法對缺陷區和梗萼區進行區分，試驗表明神經網路的區分准確率較低。在果面各種缺陷的快速檢測方面，Throop(1997)［8］等人研究了多光譜測量技術，對10個品種的蘋果的22種缺陷，在460～1 030 nm光譜范圍內，每隔10 nm試驗測定了它們的反射光譜特性，其中對3種蘋果同一種缺陷測量的結果如圖2所示。圖中縱坐標的馬氏距離反映了水果缺陷區與正常區反射強度的差別程度，距離越大，兩者差別越大。由圖中曲線可看出：在中心為540 nm、740 nm、1 030 nm三波段附近，3種蘋果同一缺陷與正常區的反射強度的差別表現為最大或最小值，最後通過對3個波段的圖像進行簡單的減法和閾值處理，即可得到檢測的缺陷，下一步應考慮實際應用的實現。

(a)(b)

圖1圖像採集布置圖與圖像合成示意圖

(a)輸送裝置及攝像機布置(b) 圖像合成示意圖

圖23種蘋果同一缺陷在460～1 030 nm
范圍內與正常區反射強度的差別情況

1.1.3球形水果表面引起光照強度在投影面內呈曲面分布，以及二維圖像上的透視區域與水果實際表面存在的畸變，給圖像的缺陷檢測帶來困難和造成誤差
Tao(1996)［2］提出的球形變換法很好地解決了第一個問題。基本思想如圖3所示：帶缺陷的原始物體圖像（OOI）與該物體反表面無缺陷的圖像(IOI)相加得到變換後的物體圖像（TOI），此圖像具有平面物體圖像的性質，而缺陷區低於該平面，然後經過簡單閾值處理即可得缺陷區。何東健（1997）［9］提出了缺陷透視圖像面積發生畸變的校正方法，但對復雜形狀的缺陷區進行校正，還存在一定的困難。Nakano(1997)［7］利用一旋轉平台使水果旋轉，每旋轉18°CCD攝像機採集一幅圖像，蘋果旋轉一周可得20幅圖像，為消除蘋果球面面積的畸變，每幅圖像只保留中間13 cm寬度的幅面，再全部合成一幅蘋果整個表面的展開圖像，此法非常有效，但在分選生產線上實現比較困難。

圖3球形變換方法

1.1.4傳統的圖像處理及模式識別演算法的速度不適合實時分選線的要求
國外一般採用高速圖像處理硬體與簡單有效的圖像處理軟體相結合的途徑，來實現水果的實時分級。如Yang(1996)［5］利用的是Transputer系統、結構光法和洪水演算法；Growe等(1996)［1］研製的系統，圖像的大部分工作由流水線圖像處理硬體系統完成；Tao(1996)［2］採用的是專用Merlin圖像處理系統和簡單有效的球形變換法，研製的蘋果分選系統已應用到水果分選生產線上，其分選速度可達3 165個/min。國內研究者（劉禾，1998，徐娟，1997，楊秀坤，1997，何東健，1997）［6，9～11］大多利用一般的微機和圖像採集卡，開發了一些圖像處理和模式識別的新演算法，如把人工神經網路、模糊理論、遺傳演算法、圖像形態學、分形理論、小波理論及人工智慧理論用於圖像特徵的抽取和識別。但由於圖像處理的硬體速度太低，故只能限於靜態水果圖像分選的演算法研究。此外，水果分級的演算法應具備人工分級的一些優良性能，如學習與記憶功能，因為目前的一些分級演算法的訓練樣本都比較少，而要分級的水果品種多變且量大。
1.2水果內部品質無損檢測
反映水果內部品質的主要指標有硬度、糖含量、酸度、口味及內部缺陷等。目前國內外研究的主要方法和存在的問題如下。
1.2.1水果的硬度檢測
水果的硬度可間接反映水果的成熟度、運輸中的抗損壞性、儲藏期等。目前用於水果硬度檢測的方法主要有變形法和聲學法。
變形法就是在一定時間內給水果施加一定的動態力或沖擊力，然後根據測得的變形量確定水果的硬度。如Schmilovitch等（1995）［12］研製成功了棗子硬度自動檢測系統，其原理是把棗子放在兩平板之間，在上面板施加5～8 N的動態力，根據所測變形量的大小把棗子分成4個硬度等級。Delwiche(1991)［13］利用沖擊法研製了蘋果硬度自動檢測系統，發現沖擊力會造成蘋果表面的輕微損傷。變形法只能測量水果表面的局部硬度，實際上，水果表面硬度變化較大，故限制了變形法的應用。
聲學法包括聲波脈沖響應法和超聲波法，聲波脈沖響應法（20～1 500 Hz）就是利用一麥克風測量受輕微敲擊水果的聲波強度，由此確定水果的硬度。Armstrong等（1993）［14］試驗研究了所測聲波強度與水果硬度的關系，發現二者有很好的相關關系。此法的優點是簡單、無損，且能反映水果的整體硬度，缺點是必須注意周圍雜訊的絕緣及機械振動的消除，此外水果形狀也影響測量精度。超聲波(＞20 000 Hz)法是根據超聲波在水果等介質中傳播時，能量衰減系數的大小來確定水果硬度。但由於水果內部含有較多氣隙且各向異性，故超聲波很難穿透整個水果。
1.2.2糖含量、酸度、口味的自動檢測
糖含量、酸度比較有潛力的檢測方法是近紅外法（NIR）和磁共振法（MR）。近紅外法又分穿透法、反射法和部分穿透法，部分穿透法原理如圖4所示。穿透法對水果不適應，反射法一般用於水果表面特徵的檢測，因此常用的方法是部分穿透法。由圖4可看出，在部分穿透法中，光線經過的路徑比穿透法短，且入射光線與接收器有一夾角，此夾角的確定對測量起關鍵作用，此外二者之間必須加一隔板。884 nm和834 nm測得量的比值已用於桃子、蘋果（Slaughter ，1995）［15］糖含量的自動測定。Slaughter等（1996）［16］對西紅柿，在400～1 100 nm的光譜范圍內進行部分穿透性測量試驗，結果表明：800～1 000 nm范圍的信息對糖含量的確定最有用，測得的相關系數r＝0.92, 但酸度測量比較困難。Mizrach(1997)［17］利用超聲波法試驗研究了超聲波衰減系數和芒果硬度、糖含量、酸度的關系，但其超聲波測量探頭必須與果面接觸，故限制了在線的應用。因此，利用近紅外多光譜技術測定水果內部糖含量及其他成分是很有前途的，為達到實時應用的目的，應進一步確定最合適的一兩個波段並與計算機視覺技術結合。磁共振及磁共振成像（MRI）技術也是測定水果內部成分的有效方法，其依據是物質內部的某些原子核（H、C、P等）在外部磁場作用下，可與射頻區域的電磁波輻射相互作用。Chen等(1996)［18］利用此法對鱷梨的成熟度和鮮杏梅的糖含量進行了一些研究，得到了較好的結果。此法的主要缺點是設備昂貴。

圖4部分穿透法

與水果的口味相關的化學成分主要是可揮發性芳香化合物，當水果成熟時，就會在周圍空氣中散發這種揮發性芳香氣體。Benady等（1995）［19］研製的電子感測器可以測量這種氣體的濃度。
1.2.3水果內部缺陷的檢測
西瓜的內部空心用超聲波檢測已比較成熟。其他缺陷的檢測，目前國外正研究利用X射線法、磁共振和磁共振成像技術等方法測量，因成本高及安全性等問題，故很難在農業中推廣應用。

2研究的途徑及方向探討
水果實時分級系統的進一步研究應從兩方面入手，一方面要加快水果外部品質的計算機視覺實時分選技術的研究；另一方面也要進行水果內部品質的無損檢測技術的研究。因為水果分級的主要目的是選出高質量的水果，故水果內外品質的檢測技術都十分重要。
在水果的外部品質檢測方面，應進行多種技術集成的應用研究。
（1） 對於水果整個表面機器視覺快速檢測的問題，可採用機械與光學技術相結合，設計合理的傳送機構，既保證水果在傳送帶上比較平穩地移動，又可由視覺系統快速檢測到水果的全部表面。盡量減小因水果不規則運動造成的分級誤差、損傷及圖像的模糊。
（2） 對於果梗、萼區與缺陷的檢測與視覺區分方面，應採用多光譜技術與機器視覺技術相結合，研究水果圖像上可疑缺陷區的關鍵特徵參數的抽取方法，得到簡單、有效、快速的圖像處理和識別方法。
（3） 在球形果面造成的光反射強度呈曲面分布及曲面成像面積的畸變問題，可從光照設計、圖像合成及軟體補償3方面綜合考慮。光照的充分設計可解決第一個問題；多幅圖像的有效合成，可解決畸變問題。我們通過試驗表明：一個水果至少應採集5幅圖像，然後再合成為一幅，可基本保證水果整個表面上缺陷的有效檢測，以避免畸變誤差。軟體補償的方法必須簡單而有效，以適合高速的要求。
（4） 在實時系統的圖像處理器硬體設計方面，首先應採取先進的並行CPU晶元，如TMS320C80等；其次處理板的設計應與視覺系統結合起來考慮，如採集多路視覺信號的合成問題，機械機構與視覺系統的同步電路設計等。當然，也可引進國外比較成熟的高速圖像處理主板，而其他技術可由國內自行開發，這樣可以加快國內水果實時分級系統實現自動化的步伐。
（5） 在圖像處理和識別的軟體設計方面，應把傳統方法與現代新方法（神經網路，並行演算法，遺傳演算法，模糊技術，人工智慧，圖像形態學，分形學，小波變換等）結合起來，改變傳統圖像信息的超數據量表達方式，尋求圖像表達與解釋的新方法，力求圖像處理和識別演算法的快速性、有效性及魯棒性。
在水果內部品質檢測方面，聲學振動法是實現硬度自動檢測的有效方法，但應設法消除影響測量精度的因素，並進行在生產線上的應用開發；近紅外局部投射法和磁共振法是水果糖含量、酸度等內部成分自動檢測的有效方法。在國內，近紅外局部投射法更有應用前景，應進一步研究其通用性、穩定性和實用性；內部缺陷的無損檢測應進一步研究新原理和新方法，應採取自己開發和從國外引進相結合的方式。此外，應進行多種感測器測量信息集成技術的研究，這是水果內外品質實現實時自動檢測與分級的有效途徑。

3結語
利用各種現代技術的高度集成，在水果分選生產線上同時完成水果內外品質的檢測與分級是將來進一步研究的方向和目的。隨著科學技術的飛速發展，在我國近期有望實現農產品品質的自動化檢測與分級。