ಎಣ್ಣೆ-ಛಾಯಾಚಿತ್ರ
ತತ್ವಗಳು
OIL-PHOTOWAVE ವ್ಯವಸ್ಥೆಯು ಹರಿವಿನ ಕೋಶದ ಮೂಲಕ ಹರಿಯುವ ಕಣಗಳ ಆಕಾರವನ್ನು ಬುದ್ಧಿವಂತಿಕೆಯಿಂದ ಸೆರೆಹಿಡಿಯಲು ಹೆಚ್ಚಿನ ವೇಗದ ಇಮೇಜಿಂಗ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸುತ್ತದೆ. ಬುದ್ಧಿವಂತ ತರಬೇತಿ ಅಲ್ಗಾರಿದಮ್ ಮೂಲಕ, ಉಡುಗೆ ಕಣಗಳ ರೂಪವಿಜ್ಞಾನ ಗುಣಲಕ್ಷಣಗಳನ್ನು (ಸಮಾನ ವ್ಯಾಸ, ರೂಪವಿಜ್ಞಾನ ಅಂಶ ಮತ್ತು ಶೂನ್ಯ ಅನುಪಾತದಂತಹ) ಪಡೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಕಣಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ವರ್ಗೀಕರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮುಖ್ಯ ಉಡುಗೆ ರೂಪ ಅಥವಾ ಮಾಲಿನ್ಯದ ಮೂಲವನ್ನು ನಿರ್ಧರಿಸಲು ಮತ್ತು ಎಣ್ಣೆಯ ಮಾಲಿನ್ಯದ ದರ್ಜೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಎಣಿಕೆ ಮಾಡಲಾಗುತ್ತದೆ, ಕೆಲವೇ ನಿಮಿಷಗಳಲ್ಲಿ ಯಂತ್ರೋಪಕರಣಗಳ ಆರೋಗ್ಯವನ್ನು ಸುಲಭವಾಗಿ ನಿರ್ಣಯಿಸಬಹುದು.
ವಿಶೇಷಣಗಳು
| ಐಟಂ | ನಿಯತಾಂಕಗಳು | |
| 1 | ಪರೀಕ್ಷಾ ವಿಧಾನ | ಹೆಚ್ಚಿನ ವೇಗದ ಚಿತ್ರಣ |
| 2 | ತಂತ್ರ | ಬುದ್ಧಿವಂತ ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ |
| 3 | ಪಿಕ್ಸೆಲ್ ಗಾತ್ರ | 1280×1024 |
| 4 | ರೆಸಲ್ಯೂಶನ್ | 2 ಉಂ |
| 5 | ಆಪ್ಟಿಕಲ್ ವರ್ಧನೆ | × 4 |
| 6 | ಕಣ ಆಕಾರದ ಕನಿಷ್ಠ ಪತ್ತೆ ಮಿತಿ | 10 ಉಂ |
| 7 | ಕಣ ಗಾತ್ರದ ಕನಿಷ್ಠ ಪತ್ತೆ ಮಿತಿ | 2 ಉಂ |
| 8 | ಉಡುಗೆ ಕಣಗಳ ವರ್ಗೀಕರಣ | ಕತ್ತರಿಸುವುದು, ಜಾರುವುದು, ಆಯಾಸ ಮತ್ತು ಲೋಹವಲ್ಲದ |
| 9 | ಮಾಲಿನ್ಯ ದರ್ಜೆ | ಜಿಜೆಬಿ 420 ಬಿ 、 ಐಎಸ್‌ಒ 4406 、 ಎನ್ಎಎಸ್ 1638 |
| 10 | ಕಾರ್ಯಗಳು | ವೇರ್ ಕಣ ಮತ್ತು ಮಾಲಿನ್ಯ ದರ್ಜೆಯ ವಿಶ್ಲೇಷಣೆ; ಆಯ್ಕೆಗಳಿಗಾಗಿ ತೇವಾಂಶ, ಸ್ನಿಗ್ಧತೆ, ತಾಪಮಾನ, ಡೈಎಲೆಕ್ಟ್ರಿಕ್ ಸ್ಥಿರ ವಿಶ್ಲೇಷಣೆ ಮಾಡ್ಯೂಲ್‌ಗಳು |
| 11 | ಪರೀಕ್ಷಾ ಸಮಯ | 3-5 ನಿಮಿಷಗಳು |
| 12 | ಮಾದರಿ ಸಂಪುಟ | 20 ಮಿಲಿ |
| 13 | ಕಣಗಳ ಶ್ರೇಣಿ | ೨-೫೦೦ ಉಮ್ |
| 14 | ಮಾದರಿ ವಿಧಾನ | 8 ರೋಲರ್ ಪೆರಿಸ್ಟಾಲ್ಟಿಕ್ ಪಂಪ್ |
| 15 | ಅಂತರ್ನಿರ್ಮಿತ ಕಂಪ್ಯೂಟರ್ | 12.1 ಇಂಚಿನ ಐಪಿಸಿ |
| 16 | ಆಯಾಮಗಳು (H×W×D) | 438ಮಿಮೀ×452ಮಿಮೀ×366ಮಿಮೀ |
| 17 | ಶಕ್ತಿ | ಎಸಿ 220±10% 50Hz 200W |
| 18 | ಪರಿಸರ ಕಾರ್ಯಾಚರಣೆಯ ಅವಶ್ಯಕತೆಗಳು | 5°ಸಿ~+40°ಸಿ, <(95±3)% ಆರ್‌ಹೆಚ್ |
| 19 | ಶೇಖರಣಾ ತಾಪಮಾನ(°C) | -40°ಸಿ ~ +65°C |
ವಿಶಿಷ್ಟ ಅಪ್ಲಿಕೇಶನ್
ಹಡಗು, ವಿದ್ಯುತ್ ಶಕ್ತಿ, ಎಂಜಿನಿಯರಿಂಗ್ ಯಂತ್ರೋಪಕರಣಗಳು, ಕೈಗಾರಿಕಾ ಉತ್ಪಾದನೆ, ವಾಯುಯಾನ, ರೈಲ್ವೆ
ಪ್ರಮುಖ ಲಕ್ಷಣಗಳು
-10 um ಗಿಂತ ಹೆಚ್ಚಿನ ಕಣ ಗಾತ್ರದ ನಿಜವಾದ ರೂಪವಿಜ್ಞಾನ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಉಡುಗೆ ರೂಪವನ್ನು ವಿಶ್ಲೇಷಿಸಿ.
- 2um ಗಿಂತ ಹೆಚ್ಚಿನ ಕಣ ಗಾತ್ರದ ಮಾಲಿನ್ಯ ದರ್ಜೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಿ.
-ತೇವಾಂಶ, ಸ್ನಿಗ್ಧತೆ, ತಾಪಮಾನ, ಡೈಎಲೆಕ್ಟ್ರಿಕ್ ಸ್ಥಿರ ಮಲ್ಟಿ-ಒನ್ ಅನಾಲಿಸಿಸ್ ಫಂಕ್ಷನ್ ಮೋಡ್‌ನ ಆಯ್ಕೆಗಳು.
-ಪಾರ್ಟಿಕಲ್ ಮಾರ್ಫಾಲಜಿ ಗುಣಲಕ್ಷಣಗಳ ತರಬೇತಿ ಡೇಟಾಬೇಸ್ ಮತ್ತು ದೈನಂದಿನ ವಿಶ್ಲೇಷಣೆ ಡೇಟಾಬೇಸ್ ಧರಿಸಿ.
-ಉಡುಗೆ ವರ್ಗೀಕರಣ ಮತ್ತು ಪ್ರವೃತ್ತಿ ವಿಶ್ಲೇಷಣೆ.
ಕತ್ತರಿಸುವುದು, ಜಾರುವುದು, ಆಯಾಸ ಮತ್ತು ಲೋಹವಲ್ಲದ (ನೀರಿನ ಹನಿಗಳು, ನಾರುಗಳು, ರಬ್ಬರ್, ಜಲ್ಲಿಕಲ್ಲು ಮತ್ತು ಇತರ ಲೋಹವಲ್ಲದ) ಕಾರಣಗಳ ಸವೆತ ಕಣಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಮತ್ತು ಎಣಿಸಲು ತರಬೇತಿ ಬುದ್ಧಿವಂತ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸುವುದು.
