Automation of Unloading Graincars using “Grain-o-bot”
Notice bibliographique
Résumé
Large quantities of bulk grain are moved using graincars in Canada and other parts of the world. Automation has not progressed significantly in the grain industry probably because the market is limited for automated systems. A prototype of a robot (“Grain-o-bot”) using machine vision to automatically open and close graincar hopper gates and detect the contents of the graincar was built and studied. The “Grain-o-bot” was a Cartesian robot equipped with two cameras and an opening tool as the end-effector. One camera acted as the eye to determine the sprocket location, and guided the end-effector to the sprocket opening. For most applications, machine vision solutions based on pattern recognition were developed using images acquired in a laboratory setting. Major constraints with these solutions occurred when implementing them in real world applications. So the first step for this automation was to correctly identify the hopper gate sprocket on the grain car. Algorithms were developed to detect and identify the sprocket under proper lighting conditions with 100% accuracy. The performance of the algorithms was also evaluated for the identification of the sprocket on a grain car exposed to different lighting conditions, which are expected to occur in typical grain unloading facilities. Monochrome images of the sprocket from a model system were acquired using different light. Correlation and pattern recognition techniques using a template image combined with shape detection were used for sprocket identification. The images were pre-processed using image processing techniques, prior to template matching. The template image developed from the light source that was similar to the light source used to acquire ii images was more successful in identifying the sprocket than the template image developed using different light sources. A sample of the graincar content was taken by slightly opening and immediately closing the hopper gates. The sample was identified by taking an image using the second camera and performing feature matching. An accuracy of 99% was achieved in identifying Canada Western Red Spring (CWRS) wheat and 100% for identifying barley and canola.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».