分选算法

㈠ 融资丨米文动力与科亿科技达成战略合作，嵌入式AI助力工业智能化升级

创业邦获悉，近日，北京米文动力 科技 有限公司（以下简称“米文动力”）和安徽省科亿信息 科技 有限公司（以下简称“科亿 科技 ”）于合肥签署战略合作协议。面对“中国智造”未来发展趋势，双方联手围绕工业质检、智能分选等方向展开深度合作研究和应用实践，形成基于视频、图像、光谱的缺陷检测、品类分选等软硬一体解决方案，并从技术生态、商业生态层面共同开拓基于人工智能的工业视觉检测市场，促进工业场景众多应用的智能化升级。

签约仪式上，在双方公司高层的共同见证下，米文动力创始人兼CEO杨冠文博士、科亿 科技 CEO颜天信博士分别代表双方签署战略合作协议，并针对合作细节展开探讨。此次合作是米文动力与科亿 科技 在多年合作基础上进行的一次全方位、深层次“战略升级”。

质检是工业生产过程的重要一环，及时通过工业质检剔除次品，严格把控产品品质和成本，是制造业升级的重要基石之一。现实场景中，质检员对缺陷的判定受个人经验影响，标准不统一且效率低下。同时，虽然传统的AOI设备可以弥补人工检测的不足，但仅可判别定量缺陷检测，无法自适应，通用性差，且在更加复杂的在线场景下检测精度低，可能会采用过高的误判率来最大可能地减少不良品进入下一环节，增加人工复检的成本，效率低下。

分选是生产过程的另一重要环节，能够让合格、有效、优质的物料进入生产和出厂流程，是支撑客户量产的有效手段。在农业、环保物资回收、工业等众多应用场景中，因检测对象规则性较差，传统视觉算法检测效率低，应用难度大，导致检出率低，漏检率、误检率高。同时，普通色选机、进口棱镜、风选、水选、磁选等非智能精密类的分选设备成本高，作业效率低下，费时费力，信息加工及处理手段落后，识别杂质、异物准确率低，无法满足高精度、高产量分选。

为了解决上述难题，有效支撑客户量产，米文动力联合科亿 科技 共同打造基于人工智能的工业视觉软硬一体解决方案。米文动力侧重于提供低功耗、高算力、高性价比的软硬一体边缘计算平台及技术，科亿 科技 侧重于提供具体场景的工业质检、智能分选的软件算法和应用方案，共同为客户提供高实时性、高准确率、低误报率的质检和分选方案。

该方案采用米文动力EVO Xavier这款设备，依托英伟达嵌入式GPU的超强性能，能够实时对高分辨率相机采集的图像数据进行快速处理。同时，利用科亿 科技 自主训练和优化的超实时深度学习网络模型，对样本需求量小、泛化能力强，借助少量标注即可达到现场部署的应用水平，有效解决质检、分选场景的数据难获取、标注质量难保证等问题，加速基于人工智能的质检和分选应用的产业化落地进程。

目前双方在工业质检、智能分选领域已落地的应用场景有：棉花异纤检测、细豆角分拣等农副产品分选，电子器件厂中的电容质检、薄膜开关印刷、外包装缺陷等工业产品检测，以及医疗行业的医用手套、医用刻度瓶缺陷检测等。

米文动力是一家嵌入式人工智能 科技 创新公司，专注于提供软硬一体的边缘计算产品及技术，是英伟达全球生态推荐战略合作伙伴。

科亿 科技 是一家兼具人工智能技术基础研究能力和产业落地能力的高 科技 公司，推出了AVS-matching、AVS-multi和AVS-sorting三个系列化平台产品，并成功应用到纺织、印刷、分选、品质分析等多个行业，是工业质检和分选领域的整体解决方案商。

坚持用硬 科技 提高生产力——米文动力和科亿 科技 始终秉持这样的信念。作为两家技术驱动的公司，在各自领域钻研精进，在适当时机深化合作，在工业生产环节努力发挥先进技术的作用，每一步都稳扎稳打，有着 科技 创业者求真务实的精神。未来，双方会推出更多工业质检及智能分选解决方案，用实干和创新力量激发工业活力，也欢迎更多志同道合的企业一起共建生态。

本文源自创业邦

㈡ 溶酶体酶在高尔基体被分选的识别信号是什么

溶酶体(lysosome)为细胞浆内由单层脂蛋白膜包绕的内含一系列酸性水解酶的小体。
溶酶体是细胞内具有单层膜囊状结构的细胞器，溶酶体内含有许多种水解酶类，能够分解很多种物质，溶酶体被比喻为细胞内的"酶仓库""消化系统"。
溶酶体(lysosome)为细胞浆内由单层脂蛋白膜包绕的内含一系列酸性水解酶的小体。是细胞内具有单层膜囊状结构的细胞器，溶酶体内含有许多种水解酶类，能够分解很多种物质，溶酶体被比喻为细胞内的"酶仓库""消化系统"。溶酶体内的酶都是水解酶，而且一般最适pH为5，所以都是酸性水解酶。溶酶体内的酶如果释放会把整个细胞消化掉。一般不释放到内环境，主要进行细胞内消化。溶酶体内的酶活性不足(主要是酸性水解酶)、激活蛋白、转运蛋白或溶酶体蛋白加工校正酶的缺乏而引起溶酶体功能缺陷，造成次级溶酶体内相应底物不能被消化，底物积蓄，代谢障碍，形成贮积性疾病，称为溶酶体贮积症，溶酶体贮积症不仅影响机体某个器官的正常功能，往往也会影响到整个机体代谢活动的协调性，引起多种疾病。目前已知此类疾病有40种以上，大致可分为糖原累积病、脑苷脂沉积病、台-萨氏综合征和粘多糖沉积病等几大类。

㈢ 分选信号是什么

信号分选，也称为去交错，是信号处理的第一步。分选的依据是用那些对于每部雷达不变而又能区别于其它雷达的参数来进行比较，相同参数的可以认为属于同一部雷达。在脉冲描述宇中，方位是最好的分选参数。因为在分选的很短时间段上(几十毫秒)，一部雷达的方位数据是几乎不变的，而不同方位上的雷达，其方位数据不同。雷达工作频率也可以作为分选参数，大多数常规雷达的工作频率也是几乎不变的。所以就可以把具有相同方位和频率的脉冲描述字归并到同一块存储单元内，完成初步的分选。
然而即使归并在同一个单元内的脉冲也未必一定是来自同一部雷达的。因此还须对同一单元内的脉冲用脉冲重复周期来核对，迸一步分选，最终把各个雷达的脉冲区分开，确定出雷达的参数。现代雷达的工作频率可能是捷变的，脉冲重复间隔也可以变化，所以分选工作非常复杂，需要有专门的算法来分析这些具有捷变参数的雷达信号。现在人们仍然在不断探索、研究新的分选方法，以适应越来越复杂的信号环境。其中有人就运用人工神经网络技术，模仿人脑的学习过程来实现对复杂信号的分选。（国防科工委网站）

㈣ 我想买立刻智能色选机、如何

我想买立刻智能色选机、如何？
一、了解色选机原理，以及色选机分类：

1、根据结构分类：

A、溜槽式色选机B、履带式色选机

2、根据物料分类：

A、茶叶色选机B、大米色选机C、塑料色选机D、豆类色选机E、杂粮色选机F、工业色选机......

二、了解自己的需求

1、根据公司的规模、产出量等不同确定所需色选机的产量

一般情况下，产量越大，价格也越昂贵，有的机器性能只追求产量，忽略了选净率，有的行业对选净率要求很高，比如塑料行业，如果一味追求产量，忽略选净率，则最终得不偿失。

2、预算多少

钱的多少，一定程度上决定了配置的高低，但在有限的预算内购买最适合自己的机器，性价比才能最高，资源配置也最优化。没有最好，只有最合适。并不是价格最昂贵，机器就最好，效果也最好；也不是机器越先进就越好；也不是功能越多越好，对于很多物料来说，功能的多少，对于效果是一样的，而且很多功能在实际操作中并不需要，还增加了操控者的使用难度，很多功能只是厂家为了价格区别设置的卖点。

三、走访市场，挑选机型，分析比较

挑选时请注意以下几点：

1、选净率、带出比、产量为色选机三要素

相比较而言，选净率越高，机器越好；带出比越低，机器越好，产量越高，机器越好，但是通常一种要素的高低会对其他两种要素产生影响，所以最终要根据您的实际需要，综合考虑到三者的最优比。

2、机器配置与算法决定选净率

每种物料形状，颜色等各不相同，要想达到最佳的分选效果，那么，机器配置一定不同，算法也不同。就同一种物料而言，每批次物料情况也不相同，则算法也需要不同，设置不同的参数。所以，可定制，至关重要。

3、厂家：有实力，有规模，有一定知名度，专一专业，比如，中瑞微视色选机属于光电一体化机械，对生产技术以及专业性要求较高，那么从人才，场地等生产成本要求也高，一般小厂家，负担不起高昂的生产成本，便会偷工减料，品质无法保证。

4、品牌：品牌越响，品质越有保障，服务也越有保障品牌不是一朝一夕建立的，一定是经过多年的发展，用户口碑垒起来的，而且每个厂家对品牌都爱护有加，所以对品质的把控更严格，售后的服务体系也更完善。

5、技术：独立研发的实力色选机属于精密机械，光电技术需过硬，不是照着葫芦画瓢就可以成功的，需要有独立的研发能力开发出属于自己的核心技术。

㈤ FCM什么意思

回答：流式细胞术是一种生物学技术，用于对悬浮于流体中的微小颗粒进行计数和分选。这种技术可以用来对流过光学或电子检测器的一个个细胞进行连续的多种参数分析。

流式细胞术（Flow CytoMetry，FCM）是对悬液中的单细胞或其他生物粒子,通过检测标记的荧光信号，实现高速、逐一的细胞定量分析和分选的技术。

延伸：

其特点是通过快速测定库尔特电阻、荧光、光散射和光吸收来定量测定细胞 DNA含量、细胞体积、蛋白质含量、酶活性、细胞膜受体和表面抗原等许多重要参数。根据这些参数将不同性质的细胞分开，以获得供生物学和医学研究用的纯细胞群体。

㈥ 计算机视觉技术国内 国外发展历史及现状

1研究现状及存在的问题
水果实时分级系统主要功能是水果外部品质和内部品质的自动检测。水果的外部品质检测的项目有大小、形状、颜色、表面缺陷等，内部品质无损检测的项目为水果的硬度、糖含量、酸度、口味及某些内部缺陷等。
1.1水果外部品质的自动检测
水果的尺寸和颜色检测技术已比较成熟，且在国外已经实现自动化检测，在国内也有按重量或尺寸分级的系统。但果面的缺陷检测却一直成为水果实时分级的障碍。
果面缺陷检测的技术比较复杂，目前存在以下几方面难题。
1.1.1对水果整个表面进行实时视觉检测比较困难
在水果分选生产线上，输送机构输送水果并把水果整个表面呈现给摄像机，这是水果实时分级系统比较关键的组成部分，因为当水果通过时，要求视觉系统能快速检查每个水果的全部果面，即使很小的缺陷面积，也会使得水果级别发生很大变化。同时，设计的视觉分级系统必须满足高生产率的要求。在这方面，国外学者（Growe,1996,Tao,1996)［1，2］采用滚子输送带使水果一边移动一边自身转动，从而使安装在输送带上方的摄像机能采集到水果的多个面的图像，达到全表面检测的目的。但由于水果大小和形状不规则，造成水果旋转速度不一致且难以保证按同一轴线旋转。此外，水果旋转两端的表面部分摄像机无法采集到，因此，分级误差较大。
1.1.2快速而准确地测定水果表面的各种缺陷且与梗、萼凹陷区正确区分比较困难
Miller等(1991)［3］对桃子的分选试验表明：因不能正确区分水果表面的缺陷和梗、萼凹陷区，由此产生的分级误差为25％左右。Rehkugler等（1986）［4］利用机械定向机构使苹果梗、萼处于垂直方向并绕梗萼轴旋转，CCD线扫描摄像机可扫描苹果的整个表面且形成一幅图像，该方法的特点是由机械定向机构定位水果梗、萼区，摄像机对此区不需要再检查。但因为受定向机构速度的限制，还达不到实时分级的速度，试验结果为每分钟选30个苹果。Yang(1996)［5］利用结构光图像与散射光图像相结合来区分梗、萼区和缺陷区，综合两方面图像处理的结果，共抽取16个特征参数，再利用BP神经网络区分苹果的梗、萼区和缺陷区，分辨精度为95％，但还需要进一步把试验结果应用于实际水果分选生产线中。Growe等（1996）［1］采取在780 nm附近带域内，用结构光由一黑白摄像机进行水果表面的凹陷度检测；在750 nm带域内的散射光照射下，由一黑白摄像机进行水果表面的可疑缺陷区检测。水果的输送旋转装置及摄像机布置如图1a所示，采用的双锥滚筒输送带可使水果一方面沿水平方向作平移运动，另一方面又绕自身水平轴作旋转运动。两个黑白CCD摄像机用来采集750 nm附近的散射光图像和780 nm附近的结构光图像，水果旋转一周摄取两次图像。两个黑白摄像机采集的图像经过设计的接口电路后，被合成为一幅黑白图像，合成过程如图1b所示。图像的处理由流水线图像处理系统完成。试验结果表明：每个水果采集两幅图像时，缺陷检测的速度可达5个/s，但误差较大，如对于苹果，碰伤检测的准确率仅为51％。试验表明，要想得到较高的检测精度，每个水果应采集5幅以上的图像，结构光至少6条以上。此外，由于水果尺寸不同所造成各个水果旋转速度的不一致，也是产生测量误差的原因。徐娟（1997）［6］及Nakano(1997)［7］利用人工神经网络法对缺陷区和梗萼区进行区分，试验表明神经网络的区分准确率较低。在果面各种缺陷的快速检测方面，Throop(1997)［8］等人研究了多光谱测量技术，对10个品种的苹果的22种缺陷，在460～1 030 nm光谱范围内，每隔10 nm试验测定了它们的反射光谱特性，其中对3种苹果同一种缺陷测量的结果如图2所示。图中纵坐标的马氏距离反映了水果缺陷区与正常区反射强度的差别程度，距离越大，两者差别越大。由图中曲线可看出：在中心为540 nm、740 nm、1 030 nm三波段附近，3种苹果同一缺陷与正常区的反射强度的差别表现为最大或最小值，最后通过对3个波段的图像进行简单的减法和阈值处理，即可得到检测的缺陷，下一步应考虑实际应用的实现。

(a)(b)

图1图像采集布置图与图像合成示意图

(a)输送装置及摄像机布置(b) 图像合成示意图

图23种苹果同一缺陷在460～1 030 nm
范围内与正常区反射强度的差别情况

1.1.3球形水果表面引起光照强度在投影面内呈曲面分布，以及二维图像上的透视区域与水果实际表面存在的畸变，给图像的缺陷检测带来困难和造成误差
Tao(1996)［2］提出的球形变换法很好地解决了第一个问题。基本思想如图3所示：带缺陷的原始物体图像（OOI）与该物体反表面无缺陷的图像(IOI)相加得到变换后的物体图像（TOI），此图像具有平面物体图像的性质，而缺陷区低于该平面，然后经过简单阈值处理即可得缺陷区。何东健（1997）［9］提出了缺陷透视图像面积发生畸变的校正方法，但对复杂形状的缺陷区进行校正，还存在一定的困难。Nakano(1997)［7］利用一旋转平台使水果旋转，每旋转18°CCD摄像机采集一幅图像，苹果旋转一周可得20幅图像，为消除苹果球面面积的畸变，每幅图像只保留中间13 cm宽度的幅面，再全部合成一幅苹果整个表面的展开图像，此法非常有效，但在分选生产线上实现比较困难。

图3球形变换方法

1.1.4传统的图像处理及模式识别算法的速度不适合实时分选线的要求
国外一般采用高速图像处理硬件与简单有效的图像处理软件相结合的途径，来实现水果的实时分级。如Yang(1996)［5］利用的是Transputer系统、结构光法和洪水算法；Growe等(1996)［1］研制的系统，图像的大部分工作由流水线图像处理硬件系统完成；Tao(1996)［2］采用的是专用Merlin图像处理系统和简单有效的球形变换法，研制的苹果分选系统已应用到水果分选生产线上，其分选速度可达3 165个/min。国内研究者（刘禾，1998，徐娟，1997，杨秀坤，1997，何东健，1997）［6，9～11］大多利用一般的微机和图像采集卡，开发了一些图像处理和模式识别的新算法，如把人工神经网络、模糊理论、遗传算法、图像形态学、分形理论、小波理论及人工智能理论用于图像特征的抽取和识别。但由于图像处理的硬件速度太低，故只能限于静态水果图像分选的算法研究。此外，水果分级的算法应具备人工分级的一些优良性能，如学习与记忆功能，因为目前的一些分级算法的训练样本都比较少，而要分级的水果品种多变且量大。
1.2水果内部品质无损检测
反映水果内部品质的主要指标有硬度、糖含量、酸度、口味及内部缺陷等。目前国内外研究的主要方法和存在的问题如下。
1.2.1水果的硬度检测
水果的硬度可间接反映水果的成熟度、运输中的抗损坏性、储藏期等。目前用于水果硬度检测的方法主要有变形法和声学法。
变形法就是在一定时间内给水果施加一定的动态力或冲击力，然后根据测得的变形量确定水果的硬度。如Schmilovitch等（1995）［12］研制成功了枣子硬度自动检测系统，其原理是把枣子放在两平板之间，在上面板施加5～8 N的动态力，根据所测变形量的大小把枣子分成4个硬度等级。Delwiche(1991)［13］利用冲击法研制了苹果硬度自动检测系统，发现冲击力会造成苹果表面的轻微损伤。变形法只能测量水果表面的局部硬度，实际上，水果表面硬度变化较大，故限制了变形法的应用。
声学法包括声波脉冲响应法和超声波法，声波脉冲响应法（20～1 500 Hz）就是利用一麦克风测量受轻微敲击水果的声波强度，由此确定水果的硬度。Armstrong等（1993）［14］试验研究了所测声波强度与水果硬度的关系，发现二者有很好的相关关系。此法的优点是简单、无损，且能反映水果的整体硬度，缺点是必须注意周围噪声的绝缘及机械振动的消除，此外水果形状也影响测量精度。超声波(＞20 000 Hz)法是根据超声波在水果等介质中传播时，能量衰减系数的大小来确定水果硬度。但由于水果内部含有较多气隙且各向异性，故超声波很难穿透整个水果。
1.2.2糖含量、酸度、口味的自动检测
糖含量、酸度比较有潜力的检测方法是近红外法（NIR）和磁共振法（MR）。近红外法又分穿透法、反射法和部分穿透法，部分穿透法原理如图4所示。穿透法对水果不适应，反射法一般用于水果表面特征的检测，因此常用的方法是部分穿透法。由图4可看出，在部分穿透法中，光线经过的路径比穿透法短，且入射光线与接收器有一夹角，此夹角的确定对测量起关键作用，此外二者之间必须加一隔板。884 nm和834 nm测得量的比值已用于桃子、苹果（Slaughter ，1995）［15］糖含量的自动测定。Slaughter等（1996）［16］对西红柿，在400～1 100 nm的光谱范围内进行部分穿透性测量试验，结果表明：800～1 000 nm范围的信息对糖含量的确定最有用，测得的相关系数r＝0.92, 但酸度测量比较困难。Mizrach(1997)［17］利用超声波法试验研究了超声波衰减系数和芒果硬度、糖含量、酸度的关系，但其超声波测量探头必须与果面接触，故限制了在线的应用。因此，利用近红外多光谱技术测定水果内部糖含量及其他成分是很有前途的，为达到实时应用的目的，应进一步确定最合适的一两个波段并与计算机视觉技术结合。磁共振及磁共振成像（MRI）技术也是测定水果内部成分的有效方法，其依据是物质内部的某些原子核（H、C、P等）在外部磁场作用下，可与射频区域的电磁波辐射相互作用。Chen等(1996)［18］利用此法对鳄梨的成熟度和鲜杏梅的糖含量进行了一些研究，得到了较好的结果。此法的主要缺点是设备昂贵。

图4部分穿透法

与水果的口味相关的化学成分主要是可挥发性芳香化合物，当水果成熟时，就会在周围空气中散发这种挥发性芳香气体。Benady等（1995）［19］研制的电子传感器可以测量这种气体的浓度。
1.2.3水果内部缺陷的检测
西瓜的内部空心用超声波检测已比较成熟。其他缺陷的检测，目前国外正研究利用X射线法、磁共振和磁共振成像技术等方法测量，因成本高及安全性等问题，故很难在农业中推广应用。

2研究的途径及方向探讨
水果实时分级系统的进一步研究应从两方面入手，一方面要加快水果外部品质的计算机视觉实时分选技术的研究；另一方面也要进行水果内部品质的无损检测技术的研究。因为水果分级的主要目的是选出高质量的水果，故水果内外品质的检测技术都十分重要。
在水果的外部品质检测方面，应进行多种技术集成的应用研究。
（1） 对于水果整个表面机器视觉快速检测的问题，可采用机械与光学技术相结合，设计合理的传送机构，既保证水果在传送带上比较平稳地移动，又可由视觉系统快速检测到水果的全部表面。尽量减小因水果不规则运动造成的分级误差、损伤及图像的模糊。
（2） 对于果梗、萼区与缺陷的检测与视觉区分方面，应采用多光谱技术与机器视觉技术相结合，研究水果图像上可疑缺陷区的关键特征参数的抽取方法，得到简单、有效、快速的图像处理和识别方法。
（3） 在球形果面造成的光反射强度呈曲面分布及曲面成像面积的畸变问题，可从光照设计、图像合成及软件补偿3方面综合考虑。光照的充分设计可解决第一个问题；多幅图像的有效合成，可解决畸变问题。我们通过试验表明：一个水果至少应采集5幅图像，然后再合成为一幅，可基本保证水果整个表面上缺陷的有效检测，以避免畸变误差。软件补偿的方法必须简单而有效，以适合高速的要求。
（4） 在实时系统的图像处理器硬件设计方面，首先应采取先进的并行CPU芯片，如TMS320C80等；其次处理板的设计应与视觉系统结合起来考虑，如采集多路视觉信号的合成问题，机械机构与视觉系统的同步电路设计等。当然，也可引进国外比较成熟的高速图像处理主板，而其他技术可由国内自行开发，这样可以加快国内水果实时分级系统实现自动化的步伐。
（5） 在图像处理和识别的软件设计方面，应把传统方法与现代新方法（神经网络，并行算法，遗传算法，模糊技术，人工智能，图像形态学，分形学，小波变换等）结合起来，改变传统图像信息的超数据量表达方式，寻求图像表达与解释的新方法，力求图像处理和识别算法的快速性、有效性及鲁棒性。
在水果内部品质检测方面，声学振动法是实现硬度自动检测的有效方法，但应设法消除影响测量精度的因素，并进行在生产线上的应用开发；近红外局部投射法和磁共振法是水果糖含量、酸度等内部成分自动检测的有效方法。在国内，近红外局部投射法更有应用前景，应进一步研究其通用性、稳定性和实用性；内部缺陷的无损检测应进一步研究新原理和新方法，应采取自己开发和从国外引进相结合的方式。此外，应进行多种传感器测量信息集成技术的研究，这是水果内外品质实现实时自动检测与分级的有效途径。

3结语
利用各种现代技术的高度集成，在水果分选生产线上同时完成水果内外品质的检测与分级是将来进一步研究的方向和目的。随着科学技术的飞速发展，在我国近期有望实现农产品品质的自动化检测与分级。