CN104138851A - 基于振动给料与成像识别的大颗粒物料分选系统及方法 - Google Patents
基于振动给料与成像识别的大颗粒物料分选系统及方法 Download PDFInfo
- Publication number
- CN104138851A CN104138851A CN201410294439.XA CN201410294439A CN104138851A CN 104138851 A CN104138851 A CN 104138851A CN 201410294439 A CN201410294439 A CN 201410294439A CN 104138851 A CN104138851 A CN 104138851A
- Authority
- CN
- China
- Prior art keywords
- particle
- air
- line
- material particles
- chute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002245 particle Substances 0.000 title claims abstract description 174
- 239000000463 material Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003384 imaging method Methods 0.000 title claims abstract description 18
- 239000012535 impurity Substances 0.000 claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000003287 optical effect Effects 0.000 claims abstract description 21
- 238000007664 blowing Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 239000000428 dust Substances 0.000 claims description 35
- 238000000926 separation method Methods 0.000 claims description 34
- 239000008187 granular material Substances 0.000 claims description 19
- 238000007599 discharging Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 11
- 230000010355 oscillation Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 6
- 239000011859 microparticle Substances 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 206010044565 Tremor Diseases 0.000 claims description 3
- 230000003139 buffering effect Effects 0.000 claims description 3
- 238000009833 condensation Methods 0.000 claims description 3
- 230000005494 condensation Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 239000003595 mist Substances 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 239000007921 spray Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 5
- 235000012054 meals Nutrition 0.000 description 4
- 238000004092 self-diagnosis Methods 0.000 description 2
- 235000007926 Craterellus fallax Nutrition 0.000 description 1
- 240000007175 Datura inoxia Species 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005243 fluidization Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Sorting Of Articles (AREA)
- Combined Means For Separation Of Solids (AREA)
Abstract
本发明公开了一种基于振动给料与成像识别的大颗粒物料分选系统,包括:用于将被选物料颗粒输送至光学检测装置的振动给料机;振动给料机包括料仓,料仓下端出口位于溜槽一端上方,溜槽一端安装于振动电机上,溜槽另一端的出料口与光学检测装置相对应;光学检测装置,包括线阵相机,线阵相机位于线光源的一侧固定不动,线光源发射的光线照射到被选物料颗粒上发生反射,线阵相机接收到包含被选物料颗粒的表面特征信息的反射光线,经过A/D转换后将数字图像通过数据线传输至计算机分析处理;物料分选装置,为与气源相连的高速气阀,用于将被选物料颗粒中的杂质颗粒吹离。本发明同时还公开了利用该系统的方法。
Description
技术领域
本发明涉及一种物料分选技术,具体涉及一种基于振动给料与成像识别的大颗粒物料分选系统及方法。
背景技术
目前,针对物料粒度在25mm以上的矿石等大颗粒物料的分选,主要有湿选和干选两种方法。湿选方法是以水、重悬浮液或其它液态流体作为分选介质的一类分选方法。湿选存在工艺复杂、设备较多、耗费大量水资源、环境污染较大、投资运行成本较高等问题,而且在严重缺水的地区也限制了湿选方法的应用。相比于湿选,干选方法具有投资少,工艺简单,运行成本低的优点。传统的干选方法是人工干选,靠人眼根据被选物料颗粒中成品颗粒和杂质颗粒在颜色、纹理上的区别来进行识别,然后用手将杂质颗粒捡出,其生产效率较低。为了提高生产效率,现有的干选系统一般是利用风力摇床或空气重介质流化床来分选,需要使用大量的压缩空气使物料颗粒床层呈悬浮状态或使物料颗粒床层流化,这种方式能耗高且噪音和粉尘大,不符合节能环保要求。因此,高效节能环保的大颗粒物料干选技术的研制具有较好的应用价值,可提高我国分选技术水平。
发明内容
本发明的目的是为克服上述现有技术的不足,针对物料粒度在25mm以上的大颗粒物料,提供一种基于振动给料与成像识别的大颗粒物料分选系统及方法,其利用大颗粒物料不仅具有颜色信息而且具有较为丰富的纹理信息的特点来对大颗粒物料进行分选,具有分选提质、保证分选精度和效率、环保且耗能低的优点。
为实现上述目的,本发明采用下述技术方案:
一种基于振动给料与成像识别的大颗粒物料分选系统,包括:
振动给料机,用于将被选物料颗粒输送至光学检测装置。振动给料机包括料仓,料仓下端出口位于溜槽一端上方,溜槽一端安装于振动电机上,溜槽另一端的出料口与光学检测装置相对应,振动电机中的偏心块旋转产生振动,使物料颗粒在溜槽上作抛掷运动,均匀有间隔地从出料口抛落至光学检测装置中去;
光学检测装置,包括线阵相机,线阵相机位于线光源的一侧固定不动,线光源发射的光线照射到被选物料颗粒上发生反射,线阵相机接收到包含被选物料颗粒的表面特征信息的反射光线,经过A/D转换后将数字图像通过数据线传输至计算机分析处理;
物料分选装置,为与气源相连的由一排高速气阀和喷嘴组成的阀岛,用于将被选物料颗粒中的杂质颗粒吹离。阀岛宽度与振动给料机出料口宽度一致。阀岛上的喷嘴间距根据入选物料粒度范围选择,其值应小于入选物料粒度范围的下限值。
所述料仓下端出口处设有水平插入其中能够调节开口大小的闸板,闸板与手轮相连。
与线光源发出的光线相对应的物料颗粒后部设有为成像采集系统提供均匀单色的背景画面的背景板。
所述线光源、背景板以及线阵相机处均配备有用来吹除线光源表面、背景板表面以及线阵相机镜头表面积落的灰尘的自动除尘装置。
所述自动除尘装置包括电磁阀和风刀,风刀与提供压缩空气的气源相连,电磁阀设置于风刀与气源相连的传输管道上,风刀上设有宽度0.05毫米的间隙;当电磁阀开启后,气源输出的压缩空气从传输管道进入风刀,通过宽度0.05毫米的间隙吹出,从而形成一个高速气流薄片;通过科恩达效应原理及风刀构造,此气流薄片将引流30到40倍的环境空气,形成高强度、大气流的冲击风幕。
一种基于振动给料与成像识别的大颗粒物料分选系统的分选方法,包括以下步骤:
1).被选物料颗粒输送,待分选的大颗粒物料通过进料口被送到振动给料机的料仓里,振动给料机利用振动电机中的偏心块旋转产生振动,使物料颗粒在溜槽上作抛掷运动且均匀地从出料口抛落至光学检测装置中去;
2).图像数据采集,物料颗粒的下落轨迹途经由线光源和线阵相机组成的光学检测装置,线阵相机位于线光源的一侧固定不动,线光源发射的光线照射到被选物料颗粒上发生反射,线阵相机接收到包含被选物料颗粒的表面特征信息的反射光线,经过A/D转换后将数字图像通过数据线传输至计算机分析处理;为保证线光源的透光效率、背景板的颜色以及线阵相机图像采集的清晰度不受灰尘积落的影响,分别为线光源、背景板以及线阵相机配备自动除尘装置,用来吹除线光源表面、背景板表面以及线阵相机镜头表面积落的灰尘;用户能够根据分选现场环境状况设置自动除尘装置的运行时间和启停间隔;
3).物料颗粒分选,计算机分析被选物料颗粒的图像数据,通过提取成品颗粒和杂质颗粒在灰度、纹理方面的差异化特征,结合图像处理和模式识别理论,完成被选物料颗粒中的杂质颗粒的识别和定位,并将包含其位置坐标信息的高速气阀启动信号传送至高速气阀,杂质颗粒下落至高速气阀喷嘴的瞬间,高速气阀开启从而将被选物料颗粒中的杂质颗粒吹离;高速气阀正常工作时需要的压缩空气由气源系统供应。
所述步骤1)中的振动给料机的振动主要是为了使物料颗粒在溜槽上作抛掷运动,并使物料颗粒均匀分布;不同种类的被选物料颗粒适宜的振动强度是不同的,振动强度由振幅和频率决定,调节振动电机偏心块的夹角即可改变振幅。通过调节料仓上的手轮可调节给料量。通过选择合适的振动强度和给料量可使物料颗粒在溜槽上呈单层均匀散布。
所述步骤2)中的自动除尘装置由电磁阀和风刀组成,风刀正常工作需要的压缩空气由气源系统供应;电磁阀作为风刀和气源系统之间控制气流的执行元件,能充分保证控制的灵活性和精度;当电磁阀开启后,气源系统输出的压缩空气从传输管道进入风刀,通过宽度极小(如0.05毫米)的间隙吹出,从而形成一个高速气流薄片。通过科恩达效应原理及风刀特殊的构造,此薄片将引流30到40倍的环境空气,形成高强度、大气流的冲击风幕,从而快速准确地吹除线光源、背景板以及线阵相机表面积落的杂质灰尘。
所述步骤3)中的气源包括压缩机、前置储气罐、前置过滤器、冷干机、后置过滤器和后置储气罐;压缩机产生的空气进入前置储气罐时撞击罐壁使罐内温度下降,掺杂其中的大量水蒸气液化,再经过前置过滤器,过滤掉部分液态水及一些微颗粒物;冷干机的主要作用是去除大部分水蒸气,使压缩空气中的含水量降到标准范围内,并将压缩空气中的油雾、油蒸气冷凝,然后通过冷干机中的气水分离器将其分离排出;从后置过滤器中出来的压缩空气已不含液态水及微颗粒物,有效避免高速气阀、自动除尘装置被异物堵塞;后置储气罐用来存储压缩空气同时作为缓冲来防止过滤器堵塞造成的气源系统气压不稳。
所述步骤3)中:从计算机采集到杂质颗粒图像至输出高速气阀启动信号以吹离该杂质颗粒的时间等于该杂质颗粒从线阵相机扫描面下落至高速气阀的下落时间τ。因物料颗粒脱离溜槽后呈自由落体运动,物料颗粒从线阵相机扫描面下落至高速气阀的下落时间τ可根据物料颗粒脱离溜槽时的平均初速、出料口距离线阵相机扫描面的距离以及出料口距离高速气阀吹气平面的距离而求出。当振动给料机的振动电机的振动频率、振动电机偏心块夹角和溜槽的斜度等参数固定后,物料颗粒脱离溜槽时的平均初速是固定的,可根据振动给料机的振动电机的振动频率、振动电机偏心块夹角和溜槽的斜度等参数计算出。出料口距离线阵相机扫描面的距离以及出料口距离高速气阀吹气平面的距离可通过量具测量得到。当根据线阵相机扫描到的物料颗粒图像判断其为杂质颗粒后,延时τ后使高速气阀开启以喷出高速气流将其吹离,使其落到杂质品槽,而成品颗粒继续下落进入成品槽,从而完成物料的一次分选;为了提高分选精度,避免分选后杂质品中包含较多的误分选的成品,可对落入杂质品槽的物料进行二次分选。为保证物料颗粒是单层下落,需要事先通过调节料仓上的手轮和调节振动电机偏心块的夹角来选择合适的振动强度和给料量以使物料颗粒在溜槽上呈单层均匀散布。
所述步骤3)中:提取的成品颗粒和杂质颗粒在灰度、纹理方面的差异化特征参数包括:待选颗粒图像的平均灰度、方差、二阶矩能量、对比度、熵值、自相关特征参数;平均灰度反映待选颗粒图像的灰度分布情况;方差反映待选颗粒图像的高频部分的大小;二阶距能量反映待选颗粒图像灰度分布均匀程度和纹理粗细度;对比度反映待选颗粒图像的清晰度和纹理沟纹深浅的程度;纹理沟纹越深,其对比度越大,视觉效果越清晰;反之,对比度小,则沟纹浅,视觉效果模糊;熵值表征待选颗粒图像所具有的信息量多少,表示图像中纹理的非均匀程度或复杂程度;自相关反应待选颗粒图像纹理的一致性;事先通过对被选物料颗粒的成品颗粒样品和杂质颗粒样品进行分析,获取成品颗粒和杂质颗粒在平均灰度、方差、二阶矩能量、对比度、熵值、自相关特征参数方面的差异情况,据此根据待选颗粒图像的平均灰度、方差、二阶矩能量、对比度、熵值、自相关特征参数对该待选颗粒进行分类,即判断该待选颗粒是成品颗粒或杂质颗粒。
本发明的原理是利用待选物料颗粒表面反射的光线包含有物料颗粒灰度、纹理等方面特征信息的特点,由线阵相机接受反射光线后完成光电转化输出为数字图像信号,通过计算机对数字图像信号进行识别处理,输出高速气阀控制信号,控制高速气阀将杂质颗粒从被选物料颗粒中吹离。用户可以通过计算机提供的人机界面对整个分选系统的参数进行调整,包括设置线光源的参数,自动除尘装置的运行时间和启停间隔,待选物料颗粒的种类,振动给料机的供料速度,气阀吹气持续时间等。同时,人机界面给出分选系统运行的实时状况以及各部分的工作状态并提供故障报警和自诊断处理,提高了分选系统的自动化程度。同时,自动除尘装置的加入,充分保证了分选系统长时间不间断工作状态下的分选精度。
本发明所提的大颗粒物料分选方法采用基于振动给料与成像识别的方法,结合光、机、电一体化技术。本发明针对不同种类的被选物料颗粒,采用成像识别进行检测,能更好的检测出杂质颗粒,降低误判率,提高整个系统的运行效率。经实验验证,本发明所涉及的方法,可有效改善被选物料的质量品级,提高分选技术的自动化程度。
附图说明
图1为分选系统结构示意图;
图2为自动除尘装置结构示意图;
图3为气源系统结构示意图。
其中1.料仓,2.手轮,3.闸板,4.溜槽,5.出料口,6.振动电机,7.线光源,8.线阵相机,9.阀岛(由一排高速气阀和喷嘴组成),10.计算机,11.自动除尘装置,12.气源,13.背景板,14.成品,15.杂质,16.风刀,17.电磁阀,18.冲击气幕,19.压缩空气,20.压缩机,21.前置储气罐,22.前置过滤器,23.冷干机,24.后置过滤器,25.后置储气罐。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1-3所示,基于振动给料与成像识别的大颗粒物料分选系统,包括:
振动给料机,用于将被选物料颗粒输送至光学检测装置;
如图1所示,振动给料机包括料仓1,料仓下端出口位于溜槽4一端上方,溜槽4一端安装于振动电机6上,溜槽4另一端的出料口5与光学检测装置相对应,料仓1下端出口处设有水平插入其中能够调节开口大小的闸板3,闸板3与手轮2相连。调整闸板3的位置,可改变振动给料机的给料量。
由振动给料机进行被选物料颗粒的输送,振动给料机的可靠工作为光学装置的检测和分选装置的分选提供了前期保障。将被选物料颗粒通过进料口送到振动给料机的料仓1里,振动给料机利用振动电机6中的偏心块旋转产生振动,使物料颗粒在溜槽4上作抛掷运动,均匀有间隔地从出料口5抛落至光学检测装置中去。针对不同的被选物料颗粒,通过调节振动电机偏心块夹角的方法,振动电机可以提供不同的振动强度。
光学检测装置,包括线阵相机8,线阵相机8位于线光源7的一侧固定不动,线光源7发射的光线照射到被选物料颗粒上发生反射,线阵相机8接收到包含被选物料颗粒的表面特征信息的反射光线,经过A/D转换后将数字图像通过数据线传输至计算机10分析处理;与线光源7发出的光线相对应的物料颗粒后部设有为成像采集系统提供均匀单色的背景画面的背景板13。
由于分选系统工作时,会有灰尘粘附在线光源表面、背景板表面以及线阵相机镜头表面,而且灰尘会越积越多,影响到线光源的透光效率、背景板的颜色以及线阵相机图像采集的清晰度,因此线光源7、背景板13以及线阵相机8处均配备有用来吹除线光源7表面、背景板13表面以及线阵相机镜头表面积落的灰尘的自动除尘装置11。
自动除尘装置11包括电磁阀17和风刀16,风刀16与提供压缩空气的气源12相连,电磁阀17设置于风刀16与气源12相连的传输管道上,电磁阀17作为风刀16和气源12之间的控制执行元件,能充分保证控制的灵活性和精度。风刀16上设有宽度0.05毫米的间隙;当电磁阀17开启后,气源12输出的压缩空气19从传输管道进入风刀16,通过宽度0.05毫米的间隙吹出,从而形成一个高速冲击气流薄片;通过科恩达效应原理及风刀16构造,此高速冲击气流薄片将引流30到40倍的环境空气,形成高强度、大气流的冲击气幕18。从而快速准确地吹除线光源表面、背景板表面以及线阵相机镜头表面积落的杂质灰尘,充分保证分选系统长时间不间断工作状态下的分选精度。用户可根据分选现场环境状况设置自动除尘装置的运行时间和启停间隔。
物料分选装置,为与气源12相连的高速气阀9,将被选物料颗粒中的杂质颗粒吹离。
用户在分选工作前,通过计算机10设定被选物料颗粒的种类,振动给料机的供料速度,自动除尘装置11的运行时间和启停间隔,高速气阀9吹气持续时间等各项参数。
计算机10对被选物料颗粒的图像数据进行分析,通过提取成品14颗粒和杂质15颗粒在灰度、纹理等方面的差异化特征,结合图像处理和模式识别理论,完成被选物料颗粒中的杂质15颗粒的识别和定位,并将包含其位置坐标信息的高速气阀启动信号传送至高速气阀9。从计算机采集到杂质颗粒图像至输出高速气阀启动信号以吹离该杂质颗粒的时间等于该杂质颗粒从线阵相机扫描面下落至高速气阀的下落时间。当杂质15颗粒到达高速气阀9的喷嘴位置时,高速气阀9开启并喷出高速气流将其吹离原下落轨迹,落到杂质品槽,而成品14颗粒继续下落进入成品槽,从而完成物料的一次分选。为了提高分选精度,避免分选后杂质品中包含较多的误分选的成品,可对落入杂质品槽的物料进行二次分选。
高速气阀9正常工作所需的压缩空气由气源12提供。气源12中的压缩机20产生压缩空气后,经由前置储气罐21、前置过滤器22、冷干机23、后置过滤器24几个部分的处理后,最后进入后置储气罐25的压缩空气就成为无水蒸气无杂质颗粒的纯净压缩空气19,以供高速气阀9和除尘装置的风刀16使用。用户通过计算机的人机界面可以观察到分选系统运行的实时状况及各部分工作状态。同时,计算机10会对发生的故障进行自诊断处理,并进行故障报警以提醒用户检修。
气源结构示意图如图3所示,由压缩机20、前置储气罐21、前置过滤器22、冷干机23、后置过滤器24和后置储气罐25构成。压缩机20产生的空气进入前置储气罐21时撞击罐壁使罐内温度下降,掺杂其中的大量水蒸气液化,再经过前置过滤器22,过滤掉部分液态水及一些微颗粒物。冷干机23的主要作用是去除大部分水蒸气,使压缩空气中的含水量降到标准范围内,并将压缩空气中的油雾、油蒸气冷凝,然后通过冷干机23中的气水分离器将其分离排出。从后置过滤器24中出来的压缩空气已不含液态水及微颗粒物,可有效避免高速气阀9、自动除尘装置11被异物堵塞。后置储气罐25用来存储压缩空气19同时作为缓冲来防止过滤器堵塞等造成的气源系统气压不稳。
提取的成品颗粒和杂质颗粒在灰度、纹理等方面的差异化特征参数包括:待选颗粒图像的平均灰度、方差、二阶矩能量、对比度、熵值、自相关等特征参数。平均灰度反映待选颗粒图像的灰度分布情况。方差反映待选颗粒图像的高频部分的大小。二阶距能量反映待选颗粒图像灰度分布均匀程度和纹理粗细度。对比度反映待选颗粒图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深,其对比度越大,视觉效果越清晰;反之,对比度小,则沟纹浅,视觉效果模糊。熵值可表征待选颗粒图像所具有的信息量多少,表示图像中纹理的非均匀程度或复杂程度。自相关反应待选颗粒图像纹理的一致性。事先通过对被选物料颗粒的成品颗粒样品和杂质颗粒样品进行分析,可获取成品颗粒和杂质颗粒在平均灰度、方差、二阶矩能量、对比度、熵值、自相关等特征参数方面的差异情况,据此就可根据待选颗粒图像的平均灰度、方差、二阶矩能量、对比度、熵值、自相关等特征参数对该待选颗粒进行分类(即判断该待选颗粒是成品颗粒或杂质颗粒)。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于振动给料与成像识别的大颗粒物料分选系统,其特征是,包括:
振动给料机,用于将被选物料颗粒输送至光学检测装置;
振动给料机包括料仓,料仓下端出口位于溜槽一端上方,溜槽一端安装于振动电机上,溜槽另一端的出料口与光学检测装置相对应,振动电机中的偏心块旋转产生振动,使物料颗粒在溜槽上作抛掷运动,均匀有间隔地从出料口抛落至光学检测装置中去;
光学检测装置,包括线阵相机,线阵相机位于线光源的一侧固定不动,线光源发射的光线照射到被选物料颗粒上发生反射,线阵相机接收到包含被选物料颗粒的表面特征信息的反射光线,经过A/D转换后将数字图像通过数据线传输至计算机分析处理;
物料分选装置,为与气源相连的高速气阀,用于将被选物料颗粒中的杂质颗粒吹离。
2.如权利要求1所述的基于振动给料与成像识别的大颗粒物料分选系统,其特征是,所述料仓下端出口处设有水平插入其中能够调节开口大小的闸板,闸板与手轮相连。
3.如权利要求1所述的基于振动给料与成像识别的大颗粒物料分选系统,其特征是,与线光源发出的光线相对应的物料颗粒后部设有为成像采集系统提供均匀单色的背景画面的背景板;
所述线光源、背景板以及线阵相机处均配备有用来吹除线光源表面、背景板表面以及线阵相机镜头表面积落的灰尘的自动除尘装置。
4.如权利要求3所述的基于振动给料与成像识别的大颗粒物料分选系统,其特征是,所述自动除尘装置包括电磁阀和风刀,风刀与提供压缩空气的气源相连,电磁阀设置于风刀与气源相连的传输管道上,风刀上设有宽度0.05毫米的间隙;当电磁阀开启后,气源输出的压缩空气从传输管道进入风刀,通过宽度0.05毫米的间隙吹出,从而形成一个高速气流薄片;通过科恩达效应原理及风刀构造,此气流薄片将引流30到40倍的环境空气,形成高强度、大气流的冲击风幕。
5.一种如权利要求1所述基于振动给料与成像识别的大颗粒物料分选系统的分选方法,其特征是,包括以下步骤:
1).被选物料输送,待分选的大颗粒物料通过进料口被送到振动给料机的料仓里,振动给料机利用振动电机中的偏心块旋转产生振动,使物料颗粒在溜槽上作抛掷运动且均匀地从出料口抛落至光学检测装置中去;
2).图像数据采集,物料颗粒的下落轨迹途经由线光源和线阵相机组成的光学检测装置,线阵相机位于线光源的一侧固定不动,线光源发射的光线照射到被选物料颗粒上发生反射,线阵相机接收到包含被选物料颗粒的表面特征信息的反射光线,经过A/D转换后将数字图像通过数据线传输至计算机分析处理;为保证线光源的透光效率、背景板的颜色以及线阵相机图像采集的清晰度不受灰尘积落的影响,分别为线光源、背景板以及线阵相机配备自动除尘装置,用来吹除线光源表面、背景板表面以及线阵相机镜头表面积落的灰尘;用户能够根据分选现场环境状况设置自动除尘装置的运行时间和启停间隔;
3).物料分选,计算机分析被选物料颗粒的图像数据,通过提取成品颗粒和杂质颗粒在灰度、纹理方面的差异化特征,结合图像处理和模式识别理论,完成被选物料颗粒中的杂质颗粒的识别和定位,并将包含其位置坐标信息的高速气阀启动信号传送至高速气阀,杂质颗粒下落至高速气阀喷嘴的瞬间,高速气阀开启从而将被选物料颗粒中的杂质颗粒吹离;高速气阀正常工作时需要的压缩空气由气源供应。
6.如权利要求5所述的方法,其特征是,所述步骤1)中的振动给料机的振动主要是为了使物料颗粒在溜槽上作抛掷运动,并使物料颗粒均匀分布;不同种类的被选物料颗粒适宜的振动强度是不同的,振动强度由振幅和频率决定,调节振动电机偏心块的夹角即能改变振幅。
7.如权利要求5所述的方法,其特征是,所述步骤2)中的自动除尘装置由电磁阀和风刀组成,风刀正常工作需要的压缩空气由气源系统供应;电磁阀作为风刀和气源系统之间控制气流的执行元件,能充分保证控制的灵活性和精度;当电磁阀开启后,气源系统输出的压缩空气从传输管道进入风刀,通过宽度极小(如0.05毫米)的间隙吹出,从而形成一个高速气流薄片。通过科恩达效应原理及风刀特殊的构造,此薄片将引流30到40倍的环境空气,形成高强度、大气流的冲击风幕,从而快速准确地吹除线光源、背景板以及线阵相机表面积落的杂质灰尘。
8.如权利要求5所述的方法,其特征是,所述步骤3)中的气源包括压缩机、前置储气罐、前置过滤器、冷干机、后置过滤器和后置储气罐;压缩机产生的空气进入前置储气罐时撞击罐壁使罐内温度下降,掺杂其中的大量水蒸气液化,再经过前置过滤器,过滤掉部分液态水及一些微颗粒物;冷干机的主要作用是去除大部分水蒸气,使压缩空气中的含水量降到标准范围内,并将压缩空气中的油雾、油蒸气冷凝,然后通过冷干机中的气水分离器将其分离排出;从后置过滤器中出来的压缩空气已不含液态水及微颗粒物,有效避免高速气阀、自动除尘装置被异物堵塞;后置储气罐用来存储压缩空气同时作为缓冲来防止过滤器堵塞造成的气源系统气压不稳。
9.如权利要求5所述的方法,其特征是,所述步骤3)中:从计算机采集到杂质颗粒图像至输出高速气阀启动信号以吹离该杂质颗粒的时间等于该杂质颗粒从线阵相机扫描面下落至高速气阀的下落时间τ;因物料颗粒脱离溜槽后呈自由落体运动,物料颗粒从线阵相机扫描面下落至高速气阀的下落时间τ可根据物料颗粒脱离溜槽时的平均初速、出料口距离线阵相机扫描面的距离以及出料口距离高速气阀吹气平面的距离而求出;当振动给料机的振动电机的振动频率、振动电机偏心块夹角和溜槽的斜度参数固定后,物料颗粒脱离溜槽时的平均初速是固定的,根据振动给料机的振动电机的振动频率、振动电机偏心块夹角和溜槽的斜度参数计算出;出料口距离线阵相机扫描面的距离以及出料口距离高速气阀吹气平面的距离通过量具测量得到;当根据线阵相机扫描到的物料颗粒图像判断其为杂质颗粒后,延时τ后使高速气阀开启以喷出高速气流将其吹离,使其落到杂质品槽,而成品颗粒继续下落进入成品槽,从而完成物料的一次分选;为了提高分选精度,避免分选后杂质品中包含较多的误分选的成品,对落入杂质品槽的物料进行二次分选;为保证物料颗粒是单层下落,需要事先通过调节料仓上的手轮和调节振动电机偏心块的夹角来确定合适的振动强度和给料量以使物料颗粒在溜槽上呈单层均匀散布。
10.如权利要求5所述的方法,其特征是,所述步骤3)中:提取的成品颗粒和杂质颗粒在灰度、纹理方面的差异化特征参数包括:待选颗粒图像的平均灰度、方差、二阶矩能量、对比度、熵值、自相关特征参数;平均灰度反映待选颗粒图像的灰度分布情况;方差反映待选颗粒图像的高频部分的大小;二阶距能量反映待选颗粒图像灰度分布均匀程度和纹理粗细度;对比度反映待选颗粒图像的清晰度和纹理沟纹深浅的程度;纹理沟纹越深,其对比度越大,视觉效果越清晰;反之,对比度小,则沟纹浅,视觉效果模糊;熵值表征待选颗粒图像所具有的信息量多少,表示图像中纹理的非均匀程度或复杂程度;自相关反应待选颗粒图像纹理的一致性;事先通过对被选物料颗粒的成品颗粒样品和杂质颗粒样品进行分析,获取成品颗粒和杂质颗粒在平均灰度、方差、二阶矩能量、对比度、熵值、自相关特征参数方面的差异情况,据此根据待选颗粒图像的平均灰度、方差、二阶矩能量、对比度、熵值、自相关特征参数对该待选颗粒进行分类,即判断该待选颗粒是成品颗粒或杂质颗粒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410294439.XA CN104138851B (zh) | 2014-06-25 | 2014-06-25 | 基于振动给料与成像识别的大颗粒物料分选系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410294439.XA CN104138851B (zh) | 2014-06-25 | 2014-06-25 | 基于振动给料与成像识别的大颗粒物料分选系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104138851A true CN104138851A (zh) | 2014-11-12 |
CN104138851B CN104138851B (zh) | 2017-01-11 |
Family
ID=51848285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410294439.XA Expired - Fee Related CN104138851B (zh) | 2014-06-25 | 2014-06-25 | 基于振动给料与成像识别的大颗粒物料分选系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104138851B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104998833A (zh) * | 2015-07-07 | 2015-10-28 | 合肥众沃仪器技术有限公司 | 基于图像处理的透明矿质原料的浸水分选方法 |
CN105344621A (zh) * | 2015-10-22 | 2016-02-24 | 合肥泰禾光电科技股份有限公司 | 一种分选发霉食品的方法和分选设备 |
CN105562366A (zh) * | 2016-01-05 | 2016-05-11 | 天津美腾科技有限公司 | 一种智能干选主再选的工艺及设备 |
CN106770359A (zh) * | 2016-12-04 | 2017-05-31 | 常州恒方大高分子材料科技有限公司 | 一种利用高分辨率ccd成像检测pvc粉中鱼眼数量的方法 |
CN107064147A (zh) * | 2017-05-17 | 2017-08-18 | 合肥泰禾光电科技股份有限公司 | 一种物料扫描系统及色选机 |
CN107847949A (zh) * | 2015-07-06 | 2018-03-27 | 陶朗分选有限责任公司 | 用于分选物体的喷嘴装置和系统 |
CN107931133A (zh) * | 2016-10-13 | 2018-04-20 | 秦皇岛烟草机械有限责任公司 | 一种烟草精选除杂的多级风选设备 |
CN109692822A (zh) * | 2019-03-12 | 2019-04-30 | 湖北中武电技术有限公司 | 一种激光物料分选设备及方法 |
CN110000116A (zh) * | 2019-04-19 | 2019-07-12 | 福建铂格智能科技股份公司 | 一种基于深度学习的自由落体果蔬分选方法及系统 |
CN110455691A (zh) * | 2019-09-09 | 2019-11-15 | 北京林业大学 | 一种沙尘粒径测量系统及其使用方法 |
CN110740843A (zh) * | 2017-06-30 | 2020-01-31 | 力克公司 | 确定安装在切割工具上的振动刀片的刀背和切割刃之间的尺寸的方法 |
CN112222015A (zh) * | 2020-10-23 | 2021-01-15 | 安徽理工大学 | 一种双视角成像的原煤预排矸装置及方法 |
CN112642743A (zh) * | 2020-11-20 | 2021-04-13 | 合肥卓海智能科技有限公司 | 一种异构分选装置 |
CN112903586A (zh) * | 2021-02-09 | 2021-06-04 | 杭州国辰机器人科技有限公司 | 一种粉料杂质粒子检测仪用供料装置 |
CN113351527A (zh) * | 2021-05-18 | 2021-09-07 | 中国检验检疫科学研究院 | 一种滑槽式检测花生的红外分选设备 |
CN113787025A (zh) * | 2021-08-11 | 2021-12-14 | 浙江光珀智能科技有限公司 | 一种高速分拣设备 |
CN114047200A (zh) * | 2021-11-24 | 2022-02-15 | 北京中创科仪科技有限公司 | 一种高速自动识别及剔除颗粒物中异色杂质的设备 |
CN114082674A (zh) * | 2021-10-22 | 2022-02-25 | 江苏大学 | 面扫线扫光电特征相结合的小颗粒农产品色选方法 |
CN114423531A (zh) * | 2019-05-01 | 2022-04-29 | 检测技术有限公司 | 自动化颗粒检验 |
CN114491387A (zh) * | 2022-04-06 | 2022-05-13 | 天津美腾科技股份有限公司 | 干选机的识别设备布置方法、装置、电子设备及分选系统 |
WO2022160768A1 (zh) * | 2021-01-28 | 2022-08-04 | 赣州好朋友科技有限公司 | 一种表面反射成像和射线成像组合的分选设备 |
CN117465919A (zh) * | 2023-12-26 | 2024-01-30 | 睢宁县泰宁建材有限公司 | 一种粉末状物料输送智能监测控制方法 |
CN118350514A (zh) * | 2024-06-18 | 2024-07-16 | 一夫科技股份有限公司 | 结合纯度检测的碳酸锂生产管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4120070A (en) * | 1975-07-31 | 1978-10-17 | Severin Hubert J | Cleaning system |
CN201357151Y (zh) * | 2009-02-19 | 2009-12-09 | 金云飞 | 一种多功能色选机 |
CN102580932A (zh) * | 2012-02-29 | 2012-07-18 | 石河子大学 | 加工番茄色选机 |
CN202591169U (zh) * | 2012-05-17 | 2012-12-12 | 特新微电子(东莞)有限公司 | 一种用于清洁电路板钻孔的风刀装置 |
CN103394471A (zh) * | 2013-08-09 | 2013-11-20 | 中国农业大学 | 一种霉变粮食快速在线检测筛选系统 |
-
2014
- 2014-06-25 CN CN201410294439.XA patent/CN104138851B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4120070A (en) * | 1975-07-31 | 1978-10-17 | Severin Hubert J | Cleaning system |
CN201357151Y (zh) * | 2009-02-19 | 2009-12-09 | 金云飞 | 一种多功能色选机 |
CN102580932A (zh) * | 2012-02-29 | 2012-07-18 | 石河子大学 | 加工番茄色选机 |
CN202591169U (zh) * | 2012-05-17 | 2012-12-12 | 特新微电子(东莞)有限公司 | 一种用于清洁电路板钻孔的风刀装置 |
CN103394471A (zh) * | 2013-08-09 | 2013-11-20 | 中国农业大学 | 一种霉变粮食快速在线检测筛选系统 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11090665B2 (en) | 2015-07-06 | 2021-08-17 | Tomra Sorting Gmbh | Nozzle device and system for sorting objects |
US11772107B2 (en) | 2015-07-06 | 2023-10-03 | Tomra Sorting Gmbh | Nozzle device and system for sorting objects |
USD1026168S1 (en) | 2015-07-06 | 2024-05-07 | Tomra Sorting Gmbh | Nozzle unit |
CN107847949A (zh) * | 2015-07-06 | 2018-03-27 | 陶朗分选有限责任公司 | 用于分选物体的喷嘴装置和系统 |
CN104998833A (zh) * | 2015-07-07 | 2015-10-28 | 合肥众沃仪器技术有限公司 | 基于图像处理的透明矿质原料的浸水分选方法 |
CN105344621A (zh) * | 2015-10-22 | 2016-02-24 | 合肥泰禾光电科技股份有限公司 | 一种分选发霉食品的方法和分选设备 |
CN105562366A (zh) * | 2016-01-05 | 2016-05-11 | 天津美腾科技有限公司 | 一种智能干选主再选的工艺及设备 |
CN107931133A (zh) * | 2016-10-13 | 2018-04-20 | 秦皇岛烟草机械有限责任公司 | 一种烟草精选除杂的多级风选设备 |
CN106770359A (zh) * | 2016-12-04 | 2017-05-31 | 常州恒方大高分子材料科技有限公司 | 一种利用高分辨率ccd成像检测pvc粉中鱼眼数量的方法 |
CN107064147A (zh) * | 2017-05-17 | 2017-08-18 | 合肥泰禾光电科技股份有限公司 | 一种物料扫描系统及色选机 |
CN110740843A (zh) * | 2017-06-30 | 2020-01-31 | 力克公司 | 确定安装在切割工具上的振动刀片的刀背和切割刃之间的尺寸的方法 |
CN110740843B (zh) * | 2017-06-30 | 2022-06-14 | 力克公司 | 确定安装在切割工具上的振动刀片的刀背和切割刃之间的尺寸的方法 |
CN109692822A (zh) * | 2019-03-12 | 2019-04-30 | 湖北中武电技术有限公司 | 一种激光物料分选设备及方法 |
CN110000116B (zh) * | 2019-04-19 | 2021-04-23 | 福建铂格智能科技股份公司 | 一种基于深度学习的自由落体果蔬分选方法及系统 |
CN110000116A (zh) * | 2019-04-19 | 2019-07-12 | 福建铂格智能科技股份公司 | 一种基于深度学习的自由落体果蔬分选方法及系统 |
CN114423531A (zh) * | 2019-05-01 | 2022-04-29 | 检测技术有限公司 | 自动化颗粒检验 |
CN110455691A (zh) * | 2019-09-09 | 2019-11-15 | 北京林业大学 | 一种沙尘粒径测量系统及其使用方法 |
CN112222015A (zh) * | 2020-10-23 | 2021-01-15 | 安徽理工大学 | 一种双视角成像的原煤预排矸装置及方法 |
CN112642743A (zh) * | 2020-11-20 | 2021-04-13 | 合肥卓海智能科技有限公司 | 一种异构分选装置 |
WO2022160768A1 (zh) * | 2021-01-28 | 2022-08-04 | 赣州好朋友科技有限公司 | 一种表面反射成像和射线成像组合的分选设备 |
CN112903586A (zh) * | 2021-02-09 | 2021-06-04 | 杭州国辰机器人科技有限公司 | 一种粉料杂质粒子检测仪用供料装置 |
CN113351527A (zh) * | 2021-05-18 | 2021-09-07 | 中国检验检疫科学研究院 | 一种滑槽式检测花生的红外分选设备 |
CN113351527B (zh) * | 2021-05-18 | 2022-05-24 | 中国检验检疫科学研究院 | 一种滑槽式检测花生的红外分选设备 |
CN113787025A (zh) * | 2021-08-11 | 2021-12-14 | 浙江光珀智能科技有限公司 | 一种高速分拣设备 |
CN114082674A (zh) * | 2021-10-22 | 2022-02-25 | 江苏大学 | 面扫线扫光电特征相结合的小颗粒农产品色选方法 |
WO2023065396A1 (zh) * | 2021-10-22 | 2023-04-27 | 江苏大学 | 面扫线扫光电特征相结合的小颗粒农产品色选方法 |
CN114082674B (zh) * | 2021-10-22 | 2023-10-10 | 江苏大学 | 面扫线扫光电特征相结合的小颗粒农产品色选方法 |
CN114047200A (zh) * | 2021-11-24 | 2022-02-15 | 北京中创科仪科技有限公司 | 一种高速自动识别及剔除颗粒物中异色杂质的设备 |
CN114491387A (zh) * | 2022-04-06 | 2022-05-13 | 天津美腾科技股份有限公司 | 干选机的识别设备布置方法、装置、电子设备及分选系统 |
CN114491387B (zh) * | 2022-04-06 | 2022-07-12 | 天津美腾科技股份有限公司 | 干选机的识别设备布置方法、装置、电子设备及分选系统 |
CN117465919A (zh) * | 2023-12-26 | 2024-01-30 | 睢宁县泰宁建材有限公司 | 一种粉末状物料输送智能监测控制方法 |
CN117465919B (zh) * | 2023-12-26 | 2024-02-23 | 睢宁县泰宁建材有限公司 | 一种粉末状物料输送智能监测控制方法 |
CN118350514A (zh) * | 2024-06-18 | 2024-07-16 | 一夫科技股份有限公司 | 结合纯度检测的碳酸锂生产管理方法及系统 |
CN118350514B (zh) * | 2024-06-18 | 2024-08-30 | 一夫科技股份有限公司 | 结合纯度检测的碳酸锂生产管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104138851B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104138851A (zh) | 基于振动给料与成像识别的大颗粒物料分选系统及方法 | |
CN104096680A (zh) | 基于微波加热与红外线阵成像的矿石分选系统及方法 | |
CN206810710U (zh) | 一种基于机器视觉的香烟爆珠滤棒检测装置 | |
CN100506401C (zh) | 基于机器视觉的珍珠实时检测和分级系统 | |
JP6037125B2 (ja) | 光学式粒状物選別機 | |
CN104138854B (zh) | 基于伪双能射线成像的矿石分选系统及方法 | |
CN103056111B (zh) | 基于机器视觉技术的对虾品质检测分级装置 | |
WO2013145873A1 (ja) | 光学式粒状物選別機 | |
CN107727540A (zh) | 一种机制砂在线检测装置及在线检测方法 | |
CN201172046Y (zh) | 葡萄干色选机 | |
CN203018326U (zh) | 一种基于机器视觉技术的对虾品质检测分级装置 | |
CN104062298A (zh) | 基于图像处理的联合收获机粮箱籽粒含杂率自动监测装置和方法 | |
CN215314059U (zh) | 基于面阵图像特征的小颗粒农产品色选装置 | |
CN105806751A (zh) | 一种联合收割机粮箱中谷物破碎在线监测系统及方法 | |
CN106984559A (zh) | 纽扣自动分选方法及装置 | |
CN109331990A (zh) | 一种废旧玻璃快速自动回收分拣工艺 | |
CN106066362A (zh) | 螺栓紧固件自动化硬度检测和筛选打包系统 | |
CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测系统及检测方法 | |
CN107511339A (zh) | 一种基于机器视觉和神经网络算法的机采绿茶分级试验台 | |
CN107121436A (zh) | 一种硅料品质的智能鉴别方法及鉴别装置 | |
CN113552028B (zh) | 混合料视觉分析装置、混合料粒度组成检测方法及系统 | |
CN207222383U (zh) | 木板分拣系统 | |
CN101726265A (zh) | 机器视觉系统对弹簧平行度的在线检测方法 | |
Verheyen et al. | Vision-based sorting of medium density fibreboard and grade A wood waste | |
CN102179376B (zh) | 食品分选机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 |