[实用新型]一种基于深度学习的自动称重机有效

专利信息
申请号: 202021962367.9 申请日: 2020-09-10
公开(公告)号: CN212963615U 公开(公告)日: 2021-04-13
发明(设计)人: 方政;李忠伟;孙琦超 申请(专利权)人: 方政
主分类号: G01G19/00 分类号: G01G19/00;G01G21/08;G01G21/28;G06F3/041;B08B17/02
代理公司: 北京中仟知识产权代理事务所(普通合伙) 11825 代理人: 田江飞
地址: 310018 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 自动 称重
【说明书】:

实用新型公开了一种基于深度学习的自动称重机,涉及自动称重机领域。该基于深度学习的自动称重机包括显示端外壳,显示端外壳的正面固定安装有触摸屏主体,显示端外壳的正面固定有防护轨,防护轨包裹在触摸屏主体的四周,防护轨的顶部开设有插槽,插槽内活动插接有防护玻璃板,防护轨的两侧固定有方形套管,防护玻璃板的顶部固定有固定条,固定条的底部固定连接有方形插条,方形插条活动插接在方形套管的管腔内,方形插条的侧壁开设有两组锁紧孔,方形套管的侧壁设有与方形插条相对应的锁紧机构。该基于深度学习的自动称重机实现了便于在显示端外壳的正面进行防护玻璃板的安装,使得防护玻璃板可对触摸屏主体进行安全防护。

技术领域

本实用新型涉及自动称重机技术领域,具体为一种基于深度学习的自动称重机。

背景技术

深度学习是目前最先进的机器视觉应用方法,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,其广泛应用于图像,声音和文本识别领域,它比传统图像识别方法,速度快,准确率高,自主性强,可以高效的实现图像智能化、自动化识别。

现有的基于深度学习的自动称重机存在以下不足,一般基于深度学习的自动称重机都会使用相应的触摸屏进行操作和显示,而在现场环境下,触摸屏一般没有防护装置,在使用时,很容易沾染灰尘,造成触摸屏表面磨损,或者触摸屏可能受到外力物体碰撞而且受到损坏,减少了其使用寿命,针对现有技术的不足,本实用新型公开了一种基于深度学习的自动称重机,以解决上述问题。

实用新型内容

(一)解决的技术问题

针对现有技术的不足,本实用新型公开了一种基于深度学习的自动称重机,以解决上述背景技术中提出的问题。

(二)技术方案

为实现以上目的,本实用新型通过以下技术方案予以实现:一种基于深度学习的自动称重机,包括显示端外壳,所述显示端外壳的正面固定安装有触摸屏主体,所述显示端外壳的正面固定连接有防护轨,所述防护轨包裹在触摸屏主体的四周,所述防护轨的顶部开设有插槽,所述插槽内活动插接有防护玻璃板,所述防护轨的两侧固定连接有方形套管,所述防护玻璃板的顶部固定连接有固定条,所述固定条的底部固定连接有方形插条,所述方形插条活动插接在方形套管的管腔内,所述方形插条的侧壁开设有两组锁紧孔,所述方形套管的侧壁设有与方形插条相对应的锁紧机构。

优选的,所述锁紧机构包括固定柱,所述固定柱固定连接在方形套管远离防护轨的一侧,所述固定柱的数量为两组,所述固定柱远离方形套管的一端固定连接有侧板,所述侧板的侧壁固定连接有螺母座。

优选的,两组所述固定柱上滑动连接有滑动板,所述滑动板上开设有两组与固定柱相对应的圆孔。

优选的,所述滑动板的侧壁固定连接有轴承,所述轴承的轴心处转动连接有丝杆,所述丝杆远离轴承的一端穿过侧板和螺母座并向外延伸。

优选的,所述滑动板远离轴承的一侧固定连接有两组锁紧杆,所述锁紧杆远离滑动板的一端穿过方形套管并活动插接在锁紧孔内。

优选的,所述侧板上开设有与丝杆相对应的圆孔,所述丝杆与螺母座螺纹连接。

优选的,所述丝杆远离轴承的一端固定连接有转把。

本实用新型公开了一种基于深度学习的自动称重机,其具备的有益效果如下:

1、该基于深度学习的自动称重机,通过设置显示端外壳、触摸屏主体、防护轨、方形套管、防护玻璃板、固定条和锁紧机构,实现了便于在显示端外壳的正面进行防护玻璃板的安装,使得防护玻璃板可对触摸屏主体进行安全防护,避免触摸屏主体的外表面沾染灰尘,减少触摸屏主体的表面磨损,同时避免触摸屏主体受到外界物体碰撞,防止对其造成损坏,延长触摸屏主体的使用寿命,满足使用者需求。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于方政,未经方政许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202021962367.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top