传统玉米分析方法 ：
人工抽检数粒、检验、记录及统计，效率慢，准确率低，漏检率和误检率高，长时间疲劳，无法满足实际生产需要。检验人员容易与供货厂家勾结，不利于玉米品质把关。
本设备分析方法：
结合传统机器视觉方法与人工智能算法来对玉米进行分析，首先采用传统视觉方法来对视频帧中的玉米粒进行分割，然后利用人工智能算法对分割出来的玉米粒进行属性识别，判断是否存在虫蛀，病斑，发霉等问题。同时用2个高分辨率相机拍摄玉米的正面与背面，对两个面的属性进行分析。通过配准算法，将正反面的玉米进行一一配准，并结合它们各自的属性来综合得到一颗完整玉米粒的属性。

传统小麦分析方法
人工抽检数粒、检验、记录及统计，效率慢，准确率低，漏检率和误检率高，长时间疲劳，无法满足实际生产需要。检验人员容易与供货厂家勾结，不利于小麦品质把关。
本设备分析方法
结合传统机器视觉方法与人工智能算法来对小麦进行分析，首先采用传统视觉方法来对视频帧中的小麦粒进行分割，然后利用人工智能算法对分割出来的小麦粒进行属性识别，判断是否存在虫蛀，病斑，发霉等问题。同时用2个高分辨率相机拍摄小麦的正面与背面，对两个面的属性进行分析。通过配准算法，将正反面的小麦进行一一配准，并结合它们各自的属性来综合得到一颗完整小麦粒的属性。

传统咖啡豆分析方法 ：
人工抽检数粒、检验、记录及统计，效率慢，准确率低，漏检率和误检率高，长时间疲劳，无法满足实际生产需要。检验人员容易与供货厂家勾结，不利于咖啡豆品质把关。
本设备分析方法：
结合传统机器视觉方法与人工智能算法来对咖啡豆进行分析，首先采用传统视觉方法来对视频帧中的咖啡豆进行分割，然后利用人工智能算法对分割出来的咖啡豆进行属性识别，判断是否存在虫蛀，病斑，发霉等问题。同时用2个高分辨率相机拍摄咖啡豆的正面与背面，对两个面的属性进行分析。通过配准算法，将正反面的咖啡豆进行一一配准，并结合它们各自的属性来综合得到一颗完整咖啡豆的属性。

传统大米分析方法：
人工抽检数粒、检验、记录及统计，效率慢，准确率低，漏检率和误检率高，长时间疲劳，无法满足实际生产需要。检验人员容易与供货厂家勾结，不利于大米品质把关。
本设备分析方法：
结合传统机器视觉方法与人工智能算法来对大米进行分析，首先采用传统视觉方法来对视频帧中的大米粒进行分割，然后利用人工智能算法对分割出来的大米粒进行属性识别，判断是否存在虫蛀，病斑，发霉等问题。同时用2个高分辨率相机拍摄大米的正面与背面，对两个面的属性进行分析。通过配准算法，将正反面的大米进行一一配准，并结合它们各自的属性来综合得到一颗完整大米粒的属性。