그만큼차 뽑는 사람차나무 새싹과 잎 이미지 데이터를 대량으로 학습해 자동으로 차나무 새싹과 잎을 식별할 수 있는 심층 컨볼루션 신경망(Deep Convolution Neural Network)이라는 인식 모델이 있습니다.

연구원은 시스템에 차 싹과 잎의 많은 사진을 입력합니다. 처리 및 분석을 통해tEA 정원 가공 기계 새싹과 잎의 모양과 질감을 기억하고, 새싹과 잎의 특징을 사진에 정리합니다. 새싹과 잎의 식별 정확도도 높아집니다.

차 뽑는 기계차밭 기계 따기 기술 중 가장 어려운 분야입니다. 새싹 식별, 위치 지정 및 따기 속도의 어려움을 극복해야 합니다. 사과, 토마토 등의 작물은 식별이 쉽고, 따는 속도가 느려도 문제가 되지 않는 반면, 차나무의 어린 싹과 오래된 잎의 차이는 그리 크지 않고, 모양도 불규칙하여 난이도가 크게 높아진다. 식별 및 위치 지정. 차를 따를 때 차 농부는 "정확하고 빠르며 가벼워야" 싹과 잎이 손상되지 않고 손가락에 힘을 가하지 않아야 합니다. 차의 품질에 영향을 주지 않도록 손톱이 새싹에 닿아서는 안 됩니다. 교수님께서는 기계로 차를 따는 과정을 자르는 단계와 빨아들이는 단계, 두 단계로 나누어야 한다고 소개하셨습니다. 로봇 팔 끝에는 작은 가위가 있어 위치 정보에 따라 새싹과 잎의 잎자루를 찾습니다. 칼을 자르면 새싹과 잎이 가지에서 분리됩니다. 동시에, 로봇 팔 끝에 부착된 음압 빨대가 잘려진 새싹과 잎을 차에 빨아들입니다. 바구니. 일반적으로 초봄차의 새싹 1개, 잎 1개는 약 2cm 정도이고, 잎자루는 3~5mm에 불과하다. 새싹잎은 대개 오래된 잎과 오래된 줄기 사이에서 자라기 때문에 차 따기 기계의 작동 정확도가 매우 높고 절단이 비뚤어집니다. , 차 가지를 파괴하여 손상을 일으키거나 잘린 새싹과 잎이 불완전합니다.

앞으로도 이런 일이 생긴다면차 정원 기계 수동 따기 대신 산업화할 수 있어 차 농가가 겪는 노동력 부족과 고가의 노동 문제를 해결하기 위해 농가의 지속적인 소득 증대에 도움을 주고 차 산업에 강력한 지원을 제공할 수 있을 것입니다.디지털 기술의 적용이 도시에서 광활한 들판으로 확대되면서 '하늘에 의지'하던 농민들이 '하늘을 알고 밭을 갈다'를 실현하게 됐다. 디지털은 현대 농업을 새로운 수준으로 발전시키는 데 도움을 줬고, 농민들에게 '밥그릇' 확보에 대한 자신감도 점점 더 불어넣었습니다. 오늘날의 저장성 시골은 새로운 활력으로 가득 차 있습니다.