CN104624505A - 一种基于图像识别的废塑料分离方法与系统 - Google Patents
一种基于图像识别的废塑料分离方法与系统 Download PDFInfo
- Publication number
- CN104624505A CN104624505A CN201510020774.5A CN201510020774A CN104624505A CN 104624505 A CN104624505 A CN 104624505A CN 201510020774 A CN201510020774 A CN 201510020774A CN 104624505 A CN104624505 A CN 104624505A
- Authority
- CN
- China
- Prior art keywords
- image
- waste plastics
- sorting
- waste
- manipulator
- 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
Landscapes
- Sorting Of Articles (AREA)
- Separation, Recovery Or Treatment Of Waste Materials Containing Plastics (AREA)
Abstract
本发明涉及一种基于图像识别的废塑料分离方法和系统,基于表面纹理和反射光光谱分布判断当前所要分选物,应用于从垃圾筛上物中分拣废塑料的生产过程,以及从废塑料中剔除杂质成分;和从混合废塑料中分出不同种类的废塑料。本发明的系统包括被分选对象的进口装置、由图像识别子系统和机械手操作子系统构成的分拣系统以及分选产物出口装置。该系统能达到从混合了多种废弃物的垃圾筛上物中分拣出废塑料的目的,以及从废塑料中分离杂物的目的;或者从混合废塑料中分离出单一废塑料的目的,废塑料的分拣效率达90%。
Description
技术领域
本发明涉及一种基于图像识别的废塑料分离方法与系统。
背景技术
随着现代合成树脂工业的迅速发展,塑料制品的应用越来越广泛。塑料制品在给人们带来方便的同时,大量的废旧塑料也给环境造成了严重的污染,塑料的使用周期很短,大量的塑料制品大约在6~12个月后被抛弃,40%的塑料在1~2年后也不能再使用。在过去几十年中,废塑料一直被作为城市固体废弃物(MSW)的一部分,在发达国家的MSW中废塑料占4%~10%(wt)或10%~20%(vol).
废旧塑料实质上是石油从地下开采出来后,经过一系列加工过程提炼出的乙烯、丙稀、苯乙烯等烃类重新聚合而得,具有很高的回收利用价值。2008年国内塑料回收量为900万吨,回收率约30%(胡守仁. 我国废塑料回收和进口现状浅析[J]. 再生资源与循环经济, 2012, 5(8): 24-27)。一般热塑性塑料中的聚乙烯(PE)、聚丙烯(PP)、聚氯乙烯(PVC)、聚苯乙烯(PS),是日用品废弃量中最大的,也是适合进行资源化的废塑料种类。
但是聚丙烯(PP)、聚乙烯(PS)和聚苯乙烯(PS)等主要弃于垃圾中。此外,垃圾中还混有聚氯乙烯(PVC)和聚偏氯乙烯(PVDC)等含氯塑料。由于垃圾中塑料种类而且与布料、纸张、树枝等混合在一起,不能采用普通的风选等手段有效快速地将废塑料与其它垃圾组分分离,含大量废塑料的生活垃圾大填埋或者焚烧,不仅浪费资源,而且对环境也造成更严重污染。
目前垃圾的综合处理越来越多,可降解的生物质被送去降解;而不能降解的可燃物中废塑料占有大量的份额,将其它的杂物如布料、纸张、树枝树叶、甚至橡胶等与废塑料分离,则是对废塑料的回收利用是非常有利的。
现有技术中,一般基于垃圾废弃物的比重、磁选等物理性质不同进行分离,很难将废塑料和织物、纸张等进行分离。关于对含氯和非含氯塑料进行分离的处理技术,专利号200410092689.1的专利中提出了一种基于含氯塑料和不含氯塑料的熔点不同而进行分离的技术。该发明专利提出一种将混合废塑料搅拌产生摩擦热,直到温度升高到不含氯的塑料熔融的温度。使此熔融的塑料成为颗粒状,然后把成为颗粒状的塑料和没有形成颗粒的塑料利用干式比重形状分离,或用风选形状分离装置进行分离。从而把混合废塑料分成含氯塑料和不含氯塑料;但是该方案的实施难度较大。现有技术中比较常用和有效的是光电分选机,利用物质表面光反射特性(光谱)的不同而分离物料,可将垃圾筛上轻质物中的PP、PE薄膜塑料分选出来,分选效率可达80~90%,根据实际测量值为对PP和PE从垃圾中其它组分分离出的效率≥80%、分离纯度≥90%;但是前提是混合废塑料事先应该从垃圾流中分离处理。目前光电分选机尚未国产化,成本较高。
光电分选机工作时固体废物经预先窄分级后进入料斗,由振动溜槽均匀地逐个落入高速沟槽进料皮带上,在皮带上拉开一定距离并排队前进,从皮带首端抛入光检箱受检。当颗粒通过光检测区时,受光源照射,背景板显示颗粒的颜色或色调,当欲选颗粒的颜色与背景颜色不同时,反射光经光电倍增管转换为电信号,电子电路分析该信号后,产生控制信号驱动高频气阀,喷射出压缩空气,将电子电路分析出的异色颗粒吹离原来下落轨道,加以收集。而颜色符合要求的颗粒仍按原来的轨槽自由下落加以收集,从而实现分离。光电分选机首先应用于剔除大米中的有色米粒和杂质,在碾米加工业中占据主导地位,农副产品分选、金属分选和矿石分选等其它加工业也有应用。在光电分选机的研发方面,美国ESM公司及Sortex公司分别于20世纪30年代及40年代研制了这种设备,日本佐竹公司于1979年首次推出这种产品,且目前生产的GS系列大米色选机性能优越,技术指标稳定,得到广泛应用。日本安西制作所于2002年4月成功开发出世界首创的用于分选低粘度小麦的专用分选机AU,2004年开发并生产搭载高速CCD的大型号色选机DC。国内主要是引进或者改造国外的分选机(范平.浅析色选技术在中国的发展过程.粮食技术与经济,2005,4: 46-47), 主要有:中美合资安徽安美达色选机械有限公司引用美国技术生产的AMD系列光电色选机,浙江齐鲤机械有限公司和韩国韩亚自动化(株式会社)联合开发制作的DIGINICS系列大米色选机等。但在结构设计上还有许多值得改进的地方,各项技术指标与国外产品相比还有一定的差距。光电分选机应用在垃圾分选领,从垃圾中分离废塑料,或者从筛上物中分离杂质获得废塑料,主要障碍有:1)投资大;2)效率低,一般效率最高达到80%-85%。这源于现有光电分选的工作原理,见表1:
表1 现有光电分选机的工作原理
也有材质和颜色联合分选机,总体上相比单一功能投资小、占地省。但是光电分选机应用于从垃圾筛上物中分出废塑料,难度太大,首先是废塑料和纸张、布料这些杂物缠绕在一起,即使机器能够从材质上甄别,但是执行机构难以分离;其次是颜色不一,靠颜色区别困难;第三是废塑料表面脏污,使反射光和穿透光均不能体现废塑料的材质本性。基于此,利用现有的光电分选机从垃圾筛上物中分选废塑料,不仅投资大,甚至需要多台联合使用才能实现,还效率低,达不到预期的分离目的。
基于垃圾源废塑料分选难的现状,本发明给出了一种基于图像识别的废塑料分离方法。
发明内容
本发明的目的在于提供一种基于图像识别的废塑料分离方法与系统。
本发明提出的一种基于图像识别的废塑料分离方法,应用于从垃圾中分拣废塑料,或者从混合废塑料中分选出某些杂质的生产过程。本发明的系统包括采用图像识别子系统判断当前所处理的垃圾中废塑料的形貌、纹理,判断出为塑料,然后再由机械手操作子系统对垃圾中的废塑料进行分拣出来的操作;或者图像识别子系统判断当前所处理的废塑料中杂物的形貌、纹理,判断出为非塑料,然后再由机械手操作子系统对废塑料中的杂物进行分拣出来的操作。该系统能达到从垃圾中分拣出废塑料的目的,以及从混合废塑料中分离出杂物。本发明所提出系统及其方法具有高效的废塑料与杂质分离效率,可将城市生活垃圾和工业垃圾中的废塑料的分离出来,以及从废塑料中分离出杂物。采用这种系统及其方法处理,还可有效将混合废塑料按照种类进行分选,得到单一品种的塑料。
本发明所述的基于图像识别的废塑料分离系统,包括被分选对象进口装置100、图像识别子系统101、机械手操作子系统102和分选产物出口装置103,其中:
所述被分选对象进口装置100包括履带、进料口和漏斗出口;被分选对象从料斗口10落入被分选对象进口装置100中,经过一条窄而长漏斗出口11,被分选对象可均匀的摊薄在履带12上;被分选对象在履带上形成稳定的物质流,通过履带向前行,被分选对象行进到图像识别子系统101;
所述图像识别子系统101包括高分辨率工业摄像机,高速图像卡和工控机,工业摄像机将被分选对象的图像以设定的帧数拍摄下来,高速图像卡则对图像进行数字处理并以某种图像格式存储到工控机中,在工控机运行图像处理与识别的程序;该图像处理与识别的程序将从被分选对象物质流的图像中把要分选物基于纹理和光谱识别出来,并将要分选物所在的位置进行定位;该定位信息将传递给机械手操作子系统,作为机械手抓取目标的对象信息;
其中:所述分选物有三种,分别是:
1)混合废塑料,对应从垃圾筛上物中分离出混合废塑料;
2)某种废塑料,对应从筛上物中分离出不同种类的废塑料;
3)杂质,对应从废塑料流中分离杂质;
所述机械手操作子系统102包括机械手、机械手臂、手臂动作定位机构和工控机,机械手是进行抓取动作的机械结构,具有抓取分选物的功能;机械手臂则是指挥机械手动作的连接机构;手臂动作定位机构根据图像识别子系统得到的定位信息将机械手臂放置在履带上方合适的位置上;工控机将根据图像识别子系统传递的目标信息控制机械手的操作动作;
图像识别子系统和机械手操作子系统合起来构成分拣系统;
所述分选产物出口装置103包括1个或者多个放置容器,所述容器用于盛放机械手抓出的分选产物,在某个容器已经盛满的时候,出口装置换上一个空的容器;
所述分选产物与要分选物相对应,分别是:
1)混合废塑料,对应从垃圾筛上物中分离出所得的混合废塑料;
2)某种废塑料,对应从筛上物中分离所得的不同种类的废塑料,如PE,PP, PS,PVC, PET;等;
3)杂质,对应从废塑料流中分离出的杂物,如布料,纸张,植物,橡胶等产物。
本发明提出的基于图像识别的废塑料分离系统的分离方法,具体步骤如下:
(1):进料前准备。在被分选对象进入进料口之后,摇晃进料口将被分选对象变松,均匀;
(2):通过一条窄而长的漏斗出口后,被分选对象物质流均匀的摊薄在履带上;
(3):履带按照预设的速度将被分选对象物质流输送到图像识别子系统101所监测的区域;
(4):被分选对象物质流进入图像识别子系统的摄像机所观察的区域后,摄像机将实时图像录制并按设定的帧数(如30帧/秒)将图像送往高速图像卡处理;高速图像卡接受被分选对象的图像并将图像按照设定的格式进行处理;所述设定的格式包括图像的存储格式(如bmp格式,jpg格式等),色彩位数(如256色,真彩色等)等图像格式;经高速图像卡处理的图片被存储在工控机内存或硬盘中,由工控机内的图像处理与识别的程序进行进一步的图像处理;
(5):当工控机获得当前被分选对象物质流的实时图像后,将首先对图像中的要分选物进行识别,并对要分选物的位置信息进行定位;要分选物的识别是通过要分选物所区别于其他物料而特有的图像特征进行识别的;
(6):机械手根据要分选物定位信息抓取相应的要分选物,然后放置到出口的相应分选产物桶内。在工控机的控制程序作用下,手臂动作定位机构将机械手臂放置在履带上方的合适位置上,机械手臂根据即将抓取的要分选物目标定位信息将机械手放下,然后抓取要分选物,再移动到相应的分离产物桶上方,指挥机械手放开。此时所抓取的要选物产物落入物料桶中。在每次抓取要分选物的过程中,机械手臂完成了抓取,手臂移动、放开物料的一系列动作。这一系列动作可通过图像处理与识别的程序设定其完成的时间。机械手的操作过程是可以按照某种固定模式完成抓取过程;
机械手操作子系统与图像识别子系统配合完成要分选物的分拣任务。这种配合是通过工控机内的程序完成的。
(7):在分离产物出口处,有若干分选产物出口的盛放物料桶,作为机械手抓取的分选产物分类收集桶。抓取后的废物流或者被分选对象随着履带输运到其他区域收集。当盛放分选产物的物料桶已经盛满后,马上更换空的桶子放置在原来位置。
本发明中,所述工控机内的图像处理与识别的程序,具体过程如下:
(1)图像品质优化处理
(i)图像区域裁剪
图像剪裁的方法是将采样图像都用M×N(像素)的尺寸将所拍摄的图像帧进行裁剪。选取的有效区域是垃圾物料所在的区域。被裁剪掉的边界一般是所拍摄的履带边缘。
(ii)图像增强
为了消除图像背景光以及反应中生成的烟雾等因素的影响,必须采用数字图像处理中合适的图像增强技术。在本专利优选的处理技术是:亮度、对比度和γ修正。由于不同反应阶段所得到图像品质不同,实际上在修正各图像时采用的亮度、对比度和γ修正值都是不同的。确定合适的灰度域后,对图像直方图采用“最适均衡化”方法可得到较好的对象和背景分离效果,而且对象分类特征细节更加明显。如采用28级的灰度域,最适均衡化时,对最低的3%像素值设置为阴影值(0),最高的3%像素值设置为最亮值(255)。其余像素均匀分布在整个灰度域,其均衡化方法如下:
变换函数为:
(1)
其中,w是积分变量;这里变换函数的离散形式近似为:
,(2)
其中,L为灰度级上限(取值256);设图像中灰度级rk出现的概率函数为:
(3)
对不同的图像,最适均衡化处理的增强效果也不同。
(iii)图像阈值分割
在图像最适均衡化处理后,再对处理区域的对象根据R、G、B三通道的峰值进行RGB阈值分割。图像分割阈值需要根据图像具体分布特征确定。可采用在对图像的峰值区域进行统计后,标定某个阈值区域,然后做阈值分割。对部分受到较强噪音干扰的图像,还需进行灰度拉伸处理才能更好的分割对象和背景。灰度拉伸的变换函数采用分段线性处理,在灰度最低和最高的区域采用较缓的线性变换,而在其他部分用较陡的线性变换,见式(4):
(4)
其中, f (i, j)为灰度变换前图像像素点的灰度值;g (i,j)为变换后的灰度值。a,b,和,在不同的图像可具体设定为0-255之间的值。对象内部的阈值分割方法可采用基于形态学的分水岭分割算法,然后进行对象标识。
(2)表面纹理特征识别
当所得的图像经过品质优化处理之后,就要将要分选物(废塑料、或者杂质)从被分选对象中识别出来。在本发明中采用表面纹理特征区别废塑料与其它物料。一般,废塑料的表面纹理与砖石/玻璃/织物/纸张/植物的表面纹理区别较大。可以通过图像处理技术中的纹理分析技术将废塑料物料从其他物料中识别出来。这种技术的关键是通过判断废塑料物料的表面纹理的特征,然后将废塑料所在的区域的位置标定出来。本发明中采用的表面纹理识别技术是统计图像中的像素分布规律,然后进行物料的纹理模式分析。当物料的表面纹理和预设的废塑料表面纹理特征相符合时,即可识别为废塑料。同时,在废塑料中出现与塑料材质不同纹理特征的杂质时,也可以立即识别出来。
(3)反射光像素光谱分布识别
若完成所述的分选物:1)废塑料,对应从垃圾筛上物中分离出混合废塑料;3)杂质,对应从废塑料流中分离杂质;仅依靠表面纹理特征识别即可。但是若要完成所述的分选物:2)某种废塑料,对应从筛上物中分离出不同种类的废塑料;仅仅依靠表面纹理往往还不够。这时候可再采用废塑料在白光下反射的光谱特征进行识别。一般来说,废塑料中的PP/PE/PS/PVC等塑料在LED白光下反射的光谱特征是不同的。通过数字图像处理技术表明,不同种类的废塑料在R/G/B三原色反射光光谱分布的直方图中,对不同的原色,直方图的色峰值区域有较大差别。通过这种峰值区域差别,可识别不同的废塑料种类。如果采用多个机械手,为不同种类的废塑料分别配备机械手,则可以直接从垃圾流中分离出不同种类的单一塑料。
(4)要分选物目标定位
当识别了要分选物--- 1)废塑料(对应从垃圾筛上物中分离废塑料)、2)某种废塑料(对应从筛上物中分离出不同种类的废塑料)、和3)杂质(对应从废塑料流中分离杂质)后,即可根据废塑料物料所在的区域的像素坐标定位废塑料在所拍摄的履带上的相对位置。当按照一定固定速度前进的履带运动到机械手操作区域后,机械手操作子系统即可按照定位信息进行抓取动作。对于不断运动的履带来说,可定位废塑料物料几何中心所在的位置处于履带宽度方向上的相对位置即可。在本发明中,优先选用一个一维坐标值来定位废塑料物料的几何中心位置在履带宽度方向的相对位置。
本发明所述一种基于图像识别的废塑料分离方法,应用于1)从垃圾筛上物中分离出混合废塑料;2)从筛上物中分离出不同种类的废塑料;3)从废塑料流中分离杂质。废塑料的分选效率可达90%以上。
本发明的系统包括采用图像识别子系统判断当前要分选物,然后再由机械手操作子系统对要分选物进行分拣操作。该系统能实现1)从垃圾筛上物中分离出混合废塑料;2)从筛上物中分离出不同种类的废塑料;3)从废塑料流中分离杂质的目的。本发明所给出的基于图像识别的废塑料分离方法和系统,其好处是,可以灵活用于3个不同的目的,具有90%及以上的高分离效率;同时不需要多步分离,可以使装置简化。
附图说明
图1是本发明的系统模块构成图。
图2是分拣系统实施分选的步骤图。
图3实施例1分拣工作系统原理图。
图4实施例2的分拣工作系统原理图。
图5实施例3的分拣工作系统原理图。
图6实施例4的分拣工作系统原理图。
图中标号:100为被分选对象进口装置,101为图像识别子系统,102为机械手操作子系统,103为分选产物出口装置,10为进料口,11为漏斗出口,12为履带,21为摄像头。
具体实施方式
下面通过实施例进一步说明本发明。
实施例1:从筛上物中分离所得的不同种类的废塑料,如PE,PP,PS,PVC等;
在图3所示的实施例1中,分拣系统需按照分拣系统实施要求,保持各类输入输出信号畅通有效,软硬件运行正常。分拣目标为将垃圾筛上物中的混合废塑料分离出来、同时分类为不同废塑料。按照图2所示的1-6步骤进行分拣,各步骤分述如下:
第1步骤:进料前准备。将垃圾筛上物以一定速度,如1m3/分钟的处理量进入料斗,摇晃料斗将垃圾筛上物变松,均匀;
第2步骤:通过一种窄而长的出口将垃圾筛上物流均匀的摊薄在履带上。出口的长宽比保持一定的值以便于机械手操作,例如10:1—15:1,履带宽度根据机械手的动作幅度选择,例如选为500mm;
第3步骤:履带按照设定的速度将垃圾筛上物流输运到图像识别子系统101所监测的区域。履带速度根据机械手的动作快慢确定,例如选为1-2m/分钟;
第4步骤:垃圾筛上物流进入图像识别子系统的摄像机所观察的区域后,摄像机将实时图像录制并按一定的帧数(例如1 - 30帧/秒)将图像送往图像卡处理。图像卡接受拍摄到的垃圾筛上物的图像并将图像按照设定的格式进行处理。图像的存储格式任选为合适格式,例如bmp格式,真色彩。图像卡的处理好图片存储在工控机的硬盘特定目录中。由工控机内的图像处理程序进行进一步的图像处理;
第5步骤:当工控机获得当前垃圾筛上物流的实时图像后,采用图像处理程序对图像中的废塑料进行识别,并对废塑料的位置信息进行定位。废塑料的识别是通过废塑料的所区别于其他垃圾物料而特有的图像特征进行识别的。
本实施例中所采用的方法是通过废塑料物料区别于植物/织物/纸张所特有的表面纹理和反射光光谱分布这两种主要特征进行识别的。这两种特征可通过本发明所提出的光学设备及其图像处理技术获得。
在本发明中采用的摄像机部分是由可变焦光学镜头,工业相机和LED灯组成。光学镜头可优选为10倍变焦镜头,工业CCD相机,分辨率在480P以上。LED灯光源可选用矩形长条形排灯,可均匀照射在履带宽度的区域内。
在均匀的白光光照条件下,废塑料物料所呈现的表面纹理和反射光光谱分布具有特定特征可作为图像识别而采用。
在本实施例中采用的废塑料纹理特征识别的方法包括如下图像处理过程:
1. 图像品质优化处理过程:
(i)图像区域裁剪;
图像剪裁的方法是将采样图像都用M×N(像素)的尺寸,优选为800×800(像素)的尺寸,将所拍摄的图像帧进行裁剪。选取的有效区域是垃圾物料所在的区域。被裁剪掉的边界是所拍摄的履带边缘。
(ii)图像增强;
为了消除图像背景光以及反应中生成的烟雾等因素的影响,必须采用数字图像处理中合适的图像增强技术。在本专利优选的处理技术是:亮度、对比度和γ修正。由于不同反应阶段所得到图像品质不同,实际上在修正各图像时采用的亮度、对比度和γ修正值都是不同的。确定合适的灰度域后,对图像直方图采用“最适均衡化”方法可得到较好的对象和背景分离效果,而且对象分类特征细节更加明显。在本实施例中采用28级的灰度域,最适均衡化时,对最低的3%像素值设置为阴影值(0),最高的3%像素值设置为最亮值(255)。其余像素均匀分布在整个灰度域,其均衡化方法可参照发明原理部分。对含有不同废塑料的垃圾图像,最适均衡化处理的增强效果也不同。
(iii)图像阈值分割;
在图像最适均衡化处理后,再对处理区域的对象根据R、G、B三通道的峰值进行RGB阈值分割。图像分割阈值需要根据图像具体分布特征确定。可采用在对图像的峰值区域进行统计后,标定某个阈值区域,然后做阈值分割。对部分受到较强噪音干扰的图像,还需进行灰度拉伸处理才能更好的分割对象和背景。灰度拉伸的变换函数采用分段线性处理,在灰度最低和最高的区域采用较缓的线性变换,而在其他部分用较陡的线性变换,见式(4)。在本实施例中,a优选为3,b优选为250,优选为0,优选为0.5。本例中,对象内部的阈值分割方法可采用基于形态学的Candy分水岭分割算法,然后进行对象标识。
2.表面纹理特征识别;
当所得的图像经过品质优化处理之后,就要将废塑料从垃圾筛上物中识别出来。在本发明中采用表面纹理特征识别废塑料物料。一般,废塑料的表面纹理与植物/织物/纸张的表面纹理区别较大。可以通过图像处理技术中的纹理分析技术将废塑料物料从其他物料中识别出来。这种技术的关键是通过判断废塑料物料的表面纹理的特征,然后将废塑料所在的区域的位置标定出来。本发明中采用的表面纹理识别技术是统计图像中的像素分布规律,然后进行物料的纹理模式分析。当物料的表面纹理和预设的废塑料表面纹理特征相符合时,即可识别为废塑料。在本实施例中,废塑料表面纹理选用256色灰度分布规律即可满足识别要求。
3.反射光像素光谱分布识别;
要将不同种类的废塑料从垃圾筛上物中识别出来仅仅依靠表面纹理往往还不够。这时候可再采用废塑料在白光下反射的光谱特征进行识别。一般来说,废塑料中的PP/PE/PS/PVC等塑料在LED白光下反射的光谱特征是不同的。通过数字图像处理技术表明,不同种类的废塑料在R/G/B三原色反射光像素光谱分布的直方图中,对不同的原色,直方图的色峰值区域有较大差别。通过这种峰值区域差别,可识别不同的废塑料种类。比如,PP/PE/PS/PVC这四种塑料的表面反射光中,红色光的像素分布直方图峰值出现区域有较大区别。此时就可以识别为不同种类的废塑料。
4.废塑料目标定位;
当识别了某种废塑料后,即可根据废塑料物料所在的区域的像素坐标定位废塑料在所拍摄的履带上的相对位置。当按照0.5-1 m/min的固定速度前进的履带运动到机械手操作区域后,机械手操作子系统即可按照定位信息进行抓取动作。对于不断运动的履带来说,可定位废塑料物料几何中心所在的位置处于履带宽度方向上的相对位置即可。在本发明中,优先选用一个一维坐标值来定位废塑料物料的几何中心位置在履带宽度方向的相对位置。比如,以履带边缘的一个边为坐标原点,则识别出的废塑料物料的几何中心可能在相对坐标原点位置为80mm处。即可定位为x=80mm。在本实施例中,在履带宽度范围内,则x最大值为500mm。
第6步骤:机械手操作。机械手的动作过程是根据废塑料定位信息抓取相应的废塑料物料,然后放置到出口的相应物料桶内。在工控机的控制程序作用下,手臂动作定位机构将机械手臂放置在履带上方的合适位置上。机械手臂根据即将抓取的废塑料目标定位信息将机械手放下,然后抓取废塑料,再移动到相应的物料桶上方,指挥机械手放开。此时所抓取的废塑料落入物料桶中。在每次抓取废塑料的过程中,机械手臂完成了放下,抓取,手臂移动,放开的一系列动作。这一系列动作可通过程序设定其完成的时间。机械手的操作过程是可以按照某种固定模式完成抓取过程。机械手操作子系统与图像识别子系统配合完成废塑料的分拣任务。这种配合是通过工控机内的程序完成的。
在本实施例中,可优选3只机械手,放置一排在履带宽度方向上。当识别废塑料后,相应的机械手在物料随履带到达抓取位置时,就抓取物料并放置到物料桶内。
第7步骤:分选产物出口处理。在分选产物出口处,有若干废塑料的盛放物料桶,作为机械手抓取的废塑料分类收集桶。剩余的垃圾筛上物流随着履带输运到其他区域收集。当盛放产物的桶已经盛满不同种类的废塑料后,马上更换空的桶子放置在原来位置。在本实施例中,可优选4只废塑料的物料桶,分别放置PP/PE/PS/PVC这四种废塑料,PP/PE/PS/PVC这四种废塑料的纯度可到达90%。
如果当前处理的物料中含有的塑料种类不同,则可在更改识别特征后,采用类似流程方式从第1-7步骤进行。
实施例2:从垃圾筛上物中分离出混合废塑料。
在图4所示的实施例2中,分拣系统需按照分拣系统实施要求,保持各类输入输出信号畅通有效,软硬件运行正常。分拣目标为将垃圾筛上物中的混合废塑料分离出来。按照图3所示的1-6步骤进行分拣,各步骤分述如下:
第1步骤:进料前准备。将垃圾筛上物以一定速度,如1.5 m3/分钟的处理量进入料斗,摇晃料斗将垃圾筛上物变松,均匀;
第2步骤:通过一种窄而长的出口将垃圾筛上物流均匀的摊薄在履带上。出口的长宽比保持一定的值以便于机械手操作,例如10:1—15:1,履带宽度根据机械手的动作幅度选择,例如选为500mm;
第3步骤:履带按照设定的速度将垃圾筛上物流输运到图像识别子系统101所监测的区域。履带速度根据机械手的动作快慢确定,例如选为1.0-1.5 m/min;
第4步骤:垃圾筛上物流进入图像识别子系统的摄像机所观察的区域后,摄像机将实时图像录制并按一定的帧数(例如10- 20帧/秒)将图像送往图像卡处理。图像卡接受拍摄到的垃圾筛上物的图像并将图像按照设定的格式进行处理。图像的存储格式任选为合适格式,例如bmp格式,真色彩。图像卡的处理好图片存储在工控机的硬盘特定目录中。由工控机内的图像处理程序进行进一步的图像处理;
第5步骤:当工控机获得当前垃圾筛上物流的实时图像后,采用图像处理程序对图像中的废塑料进行识别,并对废塑料的位置信息进行定位。废塑料的识别是通过废塑料的所区别于其他垃圾物料而特有的图像特征进行识别的。
本实施例中所采用的方法是通过废塑料物料区别于植物/织物/纸张所特有的表面纹理这种主要特征进行识别的。这种特征可通过本发明所提出的光学设备及其图像处理技术获得。
在本发明中采用的摄像机部分是由可变焦光学镜头,工业相机和LED灯组成。光学镜头可优选为10倍变焦镜头,工业CCD相机,分辨率在480P以上。LED灯光源可选用矩形长条形排灯,可均匀照射在履带宽度的区域内。
在均匀的白光光照条件下,废塑料物料所呈现的表面纹理特定特征可作为图像识别而采用。
在本实施例中采用的废塑料纹理特征识别的方法包括如下图像处理过程:
1. 图像品质优化处理过程:
(i)图像区域裁剪;
图像剪裁的方法是将采样图像都用M×N(像素)的尺寸,优选为800×800(像素)的尺寸,将所拍摄的图像帧进行裁剪。选取的有效区域是垃圾物料所在的区域。被裁剪掉的边界是所拍摄的履带边缘。
(ii)图像增强;
为了消除图像背景光以及反应中生成的烟雾等因素的影响,必须采用数字图像处理中合适的图像增强技术。在本专利优选的处理技术是:亮度、对比度和γ修正。由于不同反应阶段所得到图像品质不同,实际上在修正各图像时采用的亮度、对比度和γ修正值都是不同的。确定合适的灰度域后,对图像直方图采用“最适均衡化”方法可得到较好的对象和背景分离效果,而且对象分类特征细节更加明显。在本实施例中采用28级的灰度域,最适均衡化时,对最低的3%像素值设置为阴影值(0),最高的3%像素值设置为最亮值(255)。其余像素均匀分布在整个灰度域,其均衡化方法可参照发明原理部分。对含有不同废塑料的垃圾图像,最适均衡化处理的增强效果也不同。
(iii)图像阈值分割;
在图像最适均衡化处理后,再对处理区域的对象根据R、G、B三通道的峰值进行RGB阈值分割。图像分割阈值需要根据图像具体分布特征确定。可采用在对图像的峰值区域进行统计后,标定某个阈值区域,然后做阈值分割。对部分受到较强噪音干扰的图像,还需进行灰度拉伸处理才能更好的分割对象和背景。灰度拉伸的变换函数采用分段线性处理,在灰度最低和最高的区域采用较缓的线性变换,而在其他部分用较陡的线性变换,见式(4)。在本实施例中,a优选为3,b优选为250,优选为0,优选为0.5。本例中,对象内部的阈值分割方法可采用基于形态学的Candy分水岭分割算法,然后进行对象标识。
2.表面纹理特征识别;
当所得的图像经过品质优化处理之后,就要将废塑料从垃圾筛上物中识别出来。在本发明中采用表面纹理特征识别废塑料物料。一般,废塑料的表面纹理与植物/织物/纸张的表面纹理区别较大。可以通过图像处理技术中的纹理分析技术将废塑料物料从其他物料中识别出来。这种技术的关键是通过判断废塑料物料的表面纹理的特征,然后将废塑料所在的区域的位置标定出来。本发明中采用的表面纹理识别技术是统计图像中的像素分布规律,然后进行物料的纹理模式分析。当物料的表面纹理和预设的废塑料表面纹理特征相符合时,即可识别为废塑料。在本实施例中,废塑料表面纹理选用256色灰度分布规律即可满足识别要求。
3.废塑料目标定位;
当识别了某种废塑料后,即可根据废塑料物料所在的区域的像素坐标定位废塑料在所拍摄的履带上的相对位置。当按照1.5m/分钟的固定速度前进的履带运动到机械手操作区域后,机械手操作子系统即可按照定位信息进行抓取动作。对于不断运动的履带来说,可定位废塑料物料几何中心所在的位置处于履带宽度方向上的相对位置即可。在本发明中,优先选用一个一维坐标值来定位废塑料物料的几何中心位置在履带宽度方向的相对位置。比如,以履带边缘的一个边为坐标原点,则识别出的废塑料物料的几何中心可能在相对坐标原点位置为80mm处。即可定位为x=80mm。在本实施例中,在履带宽度范围内,则x最大值为500mm。
第6步骤:机械手操作。机械手的动作过程是根据废塑料定位信息抓取相应的废塑料物料,然后放置到出口的相应物料桶内。在工控机的控制程序作用下,手臂动作定位机构将机械手臂放置在履带上方的合适位置上。机械手臂根据即将抓取的废塑料目标定位信息将机械手放下,然后抓取废塑料,再移动到相应的物料桶上方,指挥机械手放开。此时所抓取的废塑料落入物料桶中。在每次抓取废塑料的过程中,机械手臂完成了放下,抓取,手臂移动,放开的一系列动作。这一系列动作可通过程序设定其完成的时间。机械手的操作过程是可以按照某种固定模式完成抓取过程。机械手操作子系统与图像识别子系统配合完成废塑料的分拣任务。这种配合是通过工控机内的程序完成的。
在本实施例中,可只用1-2只机械手,放置一排在履带宽度方向上。当识别废塑料后,相应的机械手在物料随履带到达抓取位置时,就抓取要分选物并放置到物料桶内。
第7步骤:分选产物出口处理。在分选产物出口处,有废塑料的盛放物料桶,作为机械手抓取的废塑料收集桶。剩余的垃圾筛上物流随着履带输运到其他区域收集。当盛放产物的桶已经盛满混合废塑料后,马上更换空的桶子放置在原来位置。
实施例3:从混合废塑料中分离杂物。
在图5所示的实施例3中,分拣系统需按照分拣系统实施要求,保持各类输入输出信号畅通有效,软硬件运行正常。分拣目标为将混合废塑料中的杂物分离出来,提高混合废塑料的纯度。按照图3所示的1-6步骤进行分拣,各步骤分述如下:
第1步骤:进料前准备。将混合废塑料以一定速度,如1.0 m3/分钟的处理量进入料斗,摇晃料斗将混合废塑料变松,均匀;
第2步骤:通过一种窄而长的出口将混合废塑料流均匀的摊薄在履带上。出口的长宽比保持一定的值以便于机械手操作,例如8:1—13:1,履带宽度根据机械手的动作幅度选择,例如选为500mm;
第3步骤:履带按照设定的速度将垃圾筛上物流输运到图像识别子系统101所监测的区域。履带速度根据机械手的动作快慢确定,例如选为1.0-2m/min;
第4步骤:垃圾筛上物流进入图像识别子系统的摄像机所观察的区域后,摄像机将实时图像录制并按一定的帧数(例如10-15帧/秒)将图像送往图像卡处理。图像卡接受拍摄到的垃圾筛上物的图像并将图像按照设定的格式进行处理。图像的存储格式任选为合适格式,例如bmp格式,真色彩。图像卡的处理好图片存储在工控机的硬盘特定目录中。由工控机内的图像处理程序进行进一步的图像处理;
第5步骤:当工控机获得当前混合废塑料的实时图像后,采用图像处理程序对图像中的杂物进行识别,并对杂物的位置信息进行定位。杂物的识别是通过废塑料的所区别于其他垃圾物料而特有的图像特征进行识别的,例如杂物不满足废塑料表明特有的光滑纹理特征。
本实施例中所采用的方法是通过废塑料物料区别于杂物包括植物/织物/纸张所特有的表面纹理这种主要特征进行识别的。这种特征可通过本发明所提出的光学设备及其图像处理技术获得。
在本发明中采用的摄像机部分是由可变焦光学镜头,工业相机和LED灯组成。光学镜头可优选为10倍变焦镜头,工业CCD相机,分辨率在480P以上。LED灯光源可选用矩形长条形排灯,可均匀照射在履带宽度的区域内。
在均匀的白光光照条件下,杂物和废塑料物料所呈现的表面纹理特定特征不同可作为图像识别而采用。
在本实施例中采用的杂物与废塑料纹理特征识别的方法包括如下图像处理过程:
1. 图像品质优化处理过程:
(i)图像区域裁剪;
图像剪裁的方法是将采样图像都用M×N(像素)的尺寸,优选为800×800(像素)的尺寸,将所拍摄的图像帧进行裁剪。选取的有效区域是垃圾物料所在的区域。被裁剪掉的边界是所拍摄的履带边缘。
(ii)图像增强;
为了消除图像背景光以及反应中生成的烟雾等因素的影响,必须采用数字图像处理中合适的图像增强技术。在本专利优选的处理技术是:亮度、对比度和γ修正。由于不同反应阶段所得到图像品质不同,实际上在修正各图像时采用的亮度、对比度和γ修正值都是不同的。确定合适的灰度域后,对图像直方图采用“最适均衡化”方法可得到较好的对象和背景分离效果,而且对象分类特征细节更加明显。在本实施例中采用28级的灰度域,最适均衡化时,对最低的3%像素值设置为阴影值(0),最高的3%像素值设置为最亮值(255)。其余像素均匀分布在整个灰度域,其均衡化方法可参照发明原理部分。对含有不同废塑料的垃圾图像,最适均衡化处理的增强效果也不同。
(iii)图像阈值分割;
在图像最适均衡化处理后,再对处理区域的对象根据R、G、B三通道的峰值进行RGB阈值分割。图像分割阈值需要根据图像具体分布特征确定。可采用在对图像的峰值区域进行统计后,标定某个阈值区域,然后做阈值分割。对部分受到较强噪音干扰的图像,还需进行灰度拉伸处理才能更好的分割对象和背景。灰度拉伸的变换函数采用分段线性处理,在灰度最低和最高的区域采用较缓的线性变换,而在其他部分用较陡的线性变换,见式(4)。在本实施例中,a优选为3,b优选为250,优选为0,优选为0.5。本例中,对象内部的阈值分割方法可采用基于形态学的Candy分水岭分割算法,然后进行对象标识。
2.表面纹理特征识别;
当所得的图像经过品质优化处理之后,就要将杂物从混合废塑料中识别出来。在本发明中采用表面纹理特征识别杂物。一般,废塑料的表面纹理光滑,而植物/织物/纸张的表面纹理粗糙。可以通过图像处理技术中的纹理分析技术将杂物从废塑料物料中识别出来,然后将废塑料所在的区域的位置标定出来。本发明中采用的表面纹理识别技术是统计图像中的像素分布规律,然后进行物料的纹理模式分析。当杂物的表面纹理和预设的废塑料表面纹理特征不相符合时,即可识别为杂物。在本实施例中,表面纹理选用256色灰度分布规律即可满足识别要求。
3.杂物目标定位;
当识别了某种杂物后,即可根据杂物所在的区域的像素坐标定位在所拍摄的履带上的相对位置。当按照1.2m/分钟的固定速度前进的履带运动到机械手操作区域后,机械手操作子系统即可按照定位信息进行抓取动作。对于不断运动的履带来说,可定位杂物料几何中心所在的位置处于履带宽度方向上的相对位置即可。在本发明中,优先选用一个一维坐标值来定位杂物的几何中心位置在履带宽度方向的相对位置。比如,以履带边缘的一个边为坐标原点,则识别出的杂物的几何中心可能在相对坐标原点位置为90mm处。即可定位为x=90mm。在本实施例中,在履带宽度范围内,则x最大值为500mm。
第6步骤:机械手操作。机械手的动作过程是根据杂物定位信息抓取相应的杂物,然后放置到出口的相应物料桶内。在工控机的控制程序作用下,手臂动作定位机构将机械手臂放置在履带上方的合适位置上。机械手臂根据即将抓取的要分选物目标定位信息将机械手放下,然后抓取要分选物,再移动到相应的物料桶上方,指挥机械手放开。此时所抓取的物料落入物料桶中。在每次抓取杂物的过程中,机械手臂完成了放下,抓取,手臂移动,放开的一系列动作。这一系列动作可通过程序设定其完成的时间。机械手的操作过程是可以按照某种固定模式完成抓取过程。机械手操作子系统与图像识别子系统配合完成杂物的分拣任务。这种配合是通过工控机内的程序完成的。
在本实施例中,可只用1-2只机械手,放置一排在履带宽度方向上。当识别杂物后,相应的机械手在物料随履带到达抓取位置时,就抓取要分选物并放置到物料桶内。
第7步骤:分选产物出口处理。在分选产物出口处,有杂物的盛放物料桶,作为机械手抓取的杂物收集桶。剩余的废塑料流随着履带输运到其他区域收集,达到纯化目的。当盛放杂物的桶已经盛满后,马上更换空的桶子放置在原来位置。分离杂物后混合废塑料的纯度可达90%。
实施例4:从混合废塑料中分离不同类型的塑料
在图6所示的实施例4中,分拣对象为混合废塑料,将其中的塑料按照种类分离出来。按照图3所示的1-6步骤进行分拣,各步骤分述如下:
第1步骤:进料前准备。将混合废塑料以一定速度,如1.0 m3/分钟的处理量进入料斗,摇晃料斗将混合废塑料变松,均匀;
第2步骤:通过一种窄而长的出口将混合废塑料流均匀的摊薄在履带上。出口的长宽比保持一定的值以便于机械手操作,例如8:1—13:1,履带宽度根据机械手的动作幅度选择,例如选为500mm;
第3步骤:履带按照设定的速度将混合废塑料流输运到图像识别子系统101所监测的区域。履带速度根据机械手的动作快慢确定,例如选为1.2 m/min;
第4步骤:垃圾筛上物流进入图像识别子系统的摄像机所观察的区域后,摄像机将实时图像录制并按一定的帧数(例如10-15帧/秒)将图像送往图像卡处理。图像卡接受拍摄到的垃圾筛上物的图像并将图像按照设定的格式进行处理。图像的存储格式任选为合适格式,例如bmp格式,真色彩。图像卡的处理好图片存储在工控机的硬盘特定目录中。由工控机内的图像处理程序进行进一步的图像处理;
第5步骤:本实施例中所采用的方法是由不同种类的废塑料的反射光像素光谱分布有很大区别这种特征进行识别的。这种特征可通过本发明所提出的光学设备及其图像处理技术获得;
在本发明中采用的摄像机部分是由可变焦光学镜头,工业相机和LED灯组成。光学镜头可优选为10倍变焦镜头,工业CCD相机,分辨率在480P以上。LED灯光源可选用矩形长条形排灯,可均匀照射在履带宽度的区域内。
在均匀的白光光照条件下,废塑料混合物料所呈现的反射光像素光谱分布特征不同可作为图像识别而采用。
在本实施例中采用的废塑料反射光像素光谱分布的方法包括如下图像处理过程:
1. 图像品质优化处理过程:
(i)图像区域裁剪;
图像剪裁的方法是将采样图像都用M×N(像素)的尺寸,优选为800×800(像素)的尺寸,将所拍摄的图像帧进行裁剪。选取的有效区域是垃圾物料所在的区域。被裁剪掉的边界是所拍摄的履带边缘。
(ii)图像增强;
为了消除图像背景光以及反应中生成的烟雾等因素的影响,必须采用数字图像处理中合适的图像增强技术。在本专利优选的处理技术是:亮度、对比度和γ修正。由于不同反应阶段所得到图像品质不同,实际上在修正各图像时采用的亮度、对比度和γ修正值都是不同的。确定合适的灰度域后,对图像直方图采用“最适均衡化”方法可得到较好的对象和背景分离效果,而且对象分类特征细节更加明显。在本实施例中采用28级的灰度域,最适均衡化时,对最低的3%像素值设置为阴影值(0),最高的3%像素值设置为最亮值(255)。其余像素均匀分布在整个灰度域,其均衡化方法可参照发明原理部分。对含有不同废塑料的垃圾图像,最适均衡化处理的增强效果也不同。
(iii)图像阈值分割;
在图像最适均衡化处理后,再对处理区域的对象根据R、G、B三通道的峰值进行RGB阈值分割。图像分割阈值需要根据图像具体分布特征确定。可采用在对图像的峰值区域进行统计后,标定某个阈值区域,然后做阈值分割。对部分受到较强噪音干扰的图像,还需进行灰度拉伸处理才能更好的分割对象和背景。灰度拉伸的变换函数采用分段线性处理,在灰度最低和最高的区域采用较缓的线性变换,而在其他部分用较陡的线性变换,见式(4)。在本实施例中,a优选为3,b优选为250,优选为0,优选为0.5。本例中,对象内部的阈值分割方法可采用基于形态学的Candy分水岭分割算法,然后进行对象标识。
2.反射光像素光谱分布识别;
要将废塑料中的PP/PE/PS/PVC等不同种类的废塑料分拣出来,在上述图像的基础上,结合塑料在LED白光下反射的光谱特征是不同的。通过数字图像处理技术表明,不同种类的废塑料在R/G/B三原色反射光像素光谱分布的直方图中,对不同的原色,直方图的色峰值区域有较大差别。通过这种峰值区域差别,可识别不同的废塑料种类。比如,PP/PE/PS/PVC这四种塑料的表面反射光中,红色光的像素分布直方图峰值出现区域有较大区别。此时就可以识别为不同种类的废塑料。
3.不同种类废塑料的定位;
当识别了某种废塑料后,利用前述图像处理的结果可更加准确的定位所需抓取的废塑料位置。即,可根据废塑料在图像中的几何中心位置的像素坐标来定位废塑料在履带上实际的位置。例如,当按照1.2m/min的固定速度前进的履带运动到机械手操作区域后,机械手操作子系统根据图像中塑料的几何中心的像素位置来定位其在履带上的准确位置。然后定位并进行抓取。由于可通过在图像中确定塑料的几何中心,所以能够更准确的定位并成功抓起该塑料。对于不断运动的履带来说,定位废塑料几何中心所在的位置只需计算出履带宽度方向上的相对位置即可。在本发明中,优先选用一个一维坐标值来描述废塑料的几何中心位置在履带宽度方向的相对位置。比如,以履带边缘的一个边为坐标原点,则识别出的废塑料的几何中心可能在相对坐标原点位置为90mm处。即可定位为x=90mm。在本实施例中,废塑料的位置在履带宽度范围内,则x最大值为500mm。
第6步骤:机械手操作。机械手的动作过程是根据不同种类废塑料的定位信息抓取相应的塑料种类,然后放置到出口的相产物料桶内。在工控机的控制程序作用下,手臂动作定位机构将机械手臂放置在履带上方的合适位置上。机械手臂根据即将抓取的要分选物目标定位信息将机械手放下,然后抓取要分选物,再移动到相应的产物料桶上方,指挥机械手放开。此时所抓取的物料落入物料桶中。在每次抓取物料的过程中,机械手臂完成了放下,抓取,手臂移动,放开的一系列动作。这一系列动作可通过程序设定其完成的时间。机械手的操作过程是可以按照某种固定模式完成抓取过程。机械手操作子系统与图像识别子系统配合完成杂物的分拣任务。这种配合是通过工控机内的程序完成的。
在本实施例中,可只用1-2只机械手,放置一排在履带宽度方向上。当识别废塑料后,相应的机械手在分选物随履带到达抓取位置时,就抓取要分选物并放置到物料桶内。
第7步骤:分选产物出口处理。在分选产物出口处,有不同种类废塑料的盛放料桶,作产物收集桶。剩余的杂物流随着履带输运到其他区域收集,达到废塑料分类目的。当盛放分选物的桶已经盛满后,马上更换空的料桶放置在原来位置。塑料分类效率可达90%。
Claims (3)
1.一种基于图像识别的废塑料分离系统,包括被分选对象进口装置(100)、图像识别子系统(101)、机械手操作子系统(102)和分选产物出口装置(103),其特征在于:
所述被分选对象进口装置(100)包括履带、进料口和漏斗出口;被分选对象从料斗口(10)落入被分选对象进口装置(100)中,经过一条窄而长漏斗出口(11),被分选对象可均匀的摊薄在履带(12)上;被分选对象在履带上形成稳定的物质流,通过履带向前行,被分选对象行进到图像识别子系统(101);
所述图像识别子系统(101)包括高分辨率工业摄像机,高速图像卡和工控机,工业摄像机将被分选对象的图像以设定的帧数拍摄下来,高速图像卡则对图像进行数字处理并以某种图像格式存储到工控机中,在工控机运行图像处理与识别的程序;该图像处理与识别的程序将从被分选对象物质流的图像中把要分选物基于纹理和光谱识别出来,并将要分选物所在的位置进行定位;该定位信息将传递给机械手操作子系统,作为机械手抓取目标的对象信息;
其中:所述分选物有三种,分别是:
1)混合废塑料,对应从垃圾筛上物中分离出混合废塑料;
2)某种废塑料,对应从筛上物中分离出不同种类的废塑料;
3)杂质,对应从废塑料流中分离杂质;
所述机械手操作子系统(102)包括机械手、机械手臂、手臂动作定位机构和工控机,机械手是进行抓取动作的机械结构,具有抓取分选物的功能;机械手臂则是指挥机械手动作的连接机构;手臂动作定位机构根据图像识别子系统得到的定位信息将机械手臂放置在履带上方合适的位置上;工控机将根据图像识别子系统传递的目标信息控制机械手的操作动作;
图像识别子系统和机械手操作子系统合起来构成分拣系统;
所述分选产物出口装置(103)包括1个或者多个放置容器,所述容器用于盛放机械手抓出的分选产物,在某个容器已经盛满的时候,出口装置换上一个空的容器;
所述分选产物与要分选物相对应,分别是:
1)混合废塑料,对应从垃圾筛上物中分离出所得的混合废塑料;
2)某种废塑料,对应从筛上物中分离所得的不同种类的废塑料;
3)杂质,对应从废塑料流中分离出的杂物。
2.一种如权利要求1所述的基于图像识别的废塑料分离系统的分离方法,其特征在于具体步骤如下:
(1):进料前准备;在被分选对象进入进料口之后,摇晃进料口将被分选对象变松,均匀;
(2):通过一条窄而长的漏斗出口后,被分选对象物质流均匀的摊薄在履带上;
(3):履带按照预设的速度将被分选对象物质流输送到图像识别子系统所监测的区域;
(4):被分选对象物质流进入图像识别子系统的摄像机所观察的区域后,摄像机将实时图像录制并按设定的帧数将图像送往高速图像卡处理;高速图像卡接受被分选对象的图像并将图像按照设定的格式进行处理;经高速图像卡处理的图片被存储在工控机内存或硬盘中,由工控机内的应用处理程序进行进一步的图像处理;
(5):当工控机获得当前被分选对象物质流的实时图像后,图像处理与识别的程序将对图像中的要分选物进行识别,并对要分选物的位置信息进行定位;要分选物的识别是通过要分选物所区别于其他物料而特有的图像特征进行识别的;
(6):机械手根据要分选物定位信息抓取相应的要分选物,然后放置到出口相应的分选产物桶内;在工控机的控制程序作用下,手臂动作定位机构将机械手臂放置在履带上方的合适位置上,机械手臂根据即将抓取的要分选物目标定位信息将机械手放下,然后抓取要分选物,再移动到相应的分离产物桶上方,指挥机械手放开;此时所抓取的要分选物产物落入物料桶中;在每次抓取要分选物的过程中,机械手臂完成了抓取、手臂移动和放开物料的一系列动作;;机械手的操作过程是按照某种固定模式完成抓取过程;
机械手操作子系统与图像识别子系统配合完成要分选物的分拣任务;
(7):在分离产物出口处,有若干分选产物出口的盛放物料桶,作为机械手抓取的分选产物分类收集桶;抓取后的废物流或者被分选对象随着履带输运到其他区域收集;当盛放分选产物的物料桶已经盛满后,更换空的桶子放置在原来位置。
3.根据权利要求2所述的基于图像识别的废塑料分离系统的分离方法,其特征在于所述图像处理与识别的程序包括如下过程:
(1)图像品质优化处理:
(i)图像区域裁剪
图像剪裁的方法是将采样图像都用M×N(像素)的尺寸将所拍摄的图像帧进行裁剪;选取的有效区域是垃圾物料所在的区域;被裁剪掉的边界一般是所拍摄的履带边缘;
(ii)图像增强
为消除图像背景光以及反应中生成的烟雾影响,需要进行亮度、对比度和γ修正;当确定合适的灰度域后,对图像直方图采用“最适均衡化”方法,其均衡化方法如下:
变换函数为:
(1)
其中,w是积分变量;这里变换函数的离散形式近似为:
,(2)
其中,L为灰度级上限(取值256);设图像中灰度级rk出现的概率函数为:
(3);
(iii)图像阈值分割
在图像最适均衡化处理后,再对处理区域的对象根据R、G、B三通道的峰值进行RGB阈值分割;图像分割阈值需要根据图像具体分布特征确定;采用对图像的峰值区域进行统计后,标定某个阈值区域,然后做阈值分割;对部分受到较强噪音干扰的图像,还需进行灰度拉伸处理才能分割对象和背景;灰度拉伸的变换函数采用分段线性处理,在灰度最低和最高的区域采用较缓的线性变换,其他部分用较陡的线性变换,见式(4);
(4)
其中, f (i, j)为灰度变换前图像像素点的灰度值;g (i,j)为变换后的灰度值;a,b,和,在不同的图像可具体设定为0-255之间的值;对象内部的阈值分割方法采用基于形态学的分水岭分割算法,然后进行对象标识;
(2)表面纹理特征识别:
当所得的图像经过品质优化处理之后,采用表面纹理特征将要分选物从被分选对象中识别出来;废塑料的表面纹理与砖石/玻璃/织物/纸张/植物的表面纹理区别较大,通过图像处理技术中的纹理分析技术将废塑料物料从其他物料中识别出来;所采用的表面纹理识别技术是统计图像中的像素分布规律,然后进行物料的纹理模式分析;当物料的表面纹理和预设的废塑料表面纹理特征相符合时,即可识别为废塑料;同时,在废塑料中出现与塑料材质不同纹理特征的杂质时,也可以立即识别出来;
(3)反射光像素光谱分布识别:
若完成所述的分选物:1)废塑料,对应从垃圾筛上物中分离出混合废塑料;3)杂质,对应从废塑料流中分离杂质;仅依靠表面纹理特征识别即可;若要完成分选物:2)某种废塑料,对应从筛上物中分离出不同种类的废塑料;仅仅依靠表面纹理往往还不够,还可再采用废塑料在白光下反射的光谱特征进行识别;废塑料在LED白光下反射的光谱特征是不同的;通过数字图像处理技术表明,不同种类的废塑料在R/G/B三原色反射光光谱分布的直方图中,对不同的原色,直方图的色峰值区域有较大差别;通过峰值区域差别,可识别不同的废塑料种类;如果采用多个机械手,为不同种类的废塑料分别配备机械手,则可以直接从垃圾流中分离出不同种类的单一塑料;
(4)要分选物目标定位:
当识别了要分选物后,即可根据废塑料物料所在的区域的像素坐标定位废塑料在所拍摄的履带上的相对位置;当按照固定速度前进的履带运动到机械手操作区域后,机械手操作子系统即可按照定位信息进行抓取动作;对于不断运动的履带来说,可定位废塑料物料几何中心所在的位置处于履带宽度方向上的相对位置即可;选用一个一维坐标值来定位废塑料物料的几何中心位置在履带宽度方向的相对位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510020774.5A CN104624505B (zh) | 2015-01-16 | 2015-01-16 | 一种基于图像识别的废塑料分离方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510020774.5A CN104624505B (zh) | 2015-01-16 | 2015-01-16 | 一种基于图像识别的废塑料分离方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104624505A true CN104624505A (zh) | 2015-05-20 |
CN104624505B CN104624505B (zh) | 2016-08-31 |
Family
ID=53204020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510020774.5A Expired - Fee Related CN104624505B (zh) | 2015-01-16 | 2015-01-16 | 一种基于图像识别的废塑料分离方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104624505B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105154988A (zh) * | 2015-08-10 | 2015-12-16 | 安徽工程大学 | 一种自动提取羽毛绒的装置及其提取方法 |
CN105787506A (zh) * | 2016-01-26 | 2016-07-20 | 耿春茂 | 基于图像识别与二维码识别技术的垃圾分类评价方法 |
CN105964567A (zh) * | 2016-05-26 | 2016-09-28 | 北京新长征天高智机科技有限公司 | 一种针对生活垃圾中的玻璃瓶分拣控制系统 |
CN106003024A (zh) * | 2016-05-26 | 2016-10-12 | 北京新长征天高智机科技有限公司 | 一种多机械手垃圾分拣控制系统 |
CN106651825A (zh) * | 2015-11-03 | 2017-05-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于图像分割的工件定位与识别的方法 |
CN106737664A (zh) * | 2016-11-25 | 2017-05-31 | 中国科学院自动化研究所 | 分拣多类工件的Delta机器人控制方法及系统 |
CN106824824A (zh) * | 2016-10-26 | 2017-06-13 | 湖南理工学院 | 一种具有前置图像处理及反射式光谱单元的塑料分选系统 |
CN108971190A (zh) * | 2018-06-25 | 2018-12-11 | 大连大学 | 一种基于机器视觉的生活垃圾分拣方法 |
CN109308479A (zh) * | 2018-09-20 | 2019-02-05 | 云南师范大学 | 一种基于深度学习的校园垃圾自动分类回收方法 |
CN109701901A (zh) * | 2018-12-30 | 2019-05-03 | 杭州翰融智能科技有限公司 | 一种物料分拣系统和方法 |
CN109909157A (zh) * | 2019-03-11 | 2019-06-21 | 中国航发北京航空材料研究院 | 一种海绵钛颗粒筛选装置 |
CN110053903A (zh) * | 2019-04-25 | 2019-07-26 | 重庆左岸环境服务股份有限公司 | 生活垃圾分类回收管理系统及方法 |
CN111054635A (zh) * | 2019-11-12 | 2020-04-24 | 河北玖河精密机械制造有限公司 | Jhdds智能选矸方法及装置 |
CN111380833A (zh) * | 2020-03-11 | 2020-07-07 | 惠仁康宁(苏州)健康科技有限公司 | 基于多目视觉的除杂系统 |
CN111558546A (zh) * | 2020-05-12 | 2020-08-21 | 柳州市自动化科学研究所 | 一种工业机器人智能分拣装置及其使用方法 |
CN111687062A (zh) * | 2020-05-12 | 2020-09-22 | 临泉县浪鲨克工贸有限公司 | 一种基于图像识别的布料分选系统 |
WO2021068744A1 (zh) * | 2019-10-11 | 2021-04-15 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
CN112934718A (zh) * | 2021-01-25 | 2021-06-11 | 深圳市宝安湾建筑废弃物循环利用有限公司 | 装修废弃物及施工废弃物处置工艺 |
CN113357649A (zh) * | 2021-07-02 | 2021-09-07 | 上海康恒环境股份有限公司 | 垃圾池物料控制方法、装置及焚烧协同处理系统 |
CN117085970A (zh) * | 2023-10-18 | 2023-11-21 | 北京大学 | 一种基于ai识别的多品类固废再利用智能系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092914B (zh) * | 2017-03-23 | 2021-01-05 | 广东数相智能科技有限公司 | 基于图像识别的垃圾分类方法、装置和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5465847A (en) * | 1993-01-29 | 1995-11-14 | Gilmore; Larry J. | Refuse material recovery system |
CN1129332A (zh) * | 1995-02-13 | 1996-08-21 | 易侧位 | 智能图像识别与机械手驱动系统 |
CN201997485U (zh) * | 2011-04-12 | 2011-10-05 | 朱建功 | 一种垃圾自动分选装置 |
US20120248014A1 (en) * | 2011-03-30 | 2012-10-04 | Mba Polymers, Inc. | Inclined chute sorter |
CN103258333A (zh) * | 2013-04-17 | 2013-08-21 | 东北林业大学 | 基于Lab颜色空间的竹材横断面提取算法 |
CN103552788A (zh) * | 2013-11-07 | 2014-02-05 | 邱泽国 | 集群式垃圾自动识别总成及其自动分类垃圾桶 |
CN104148300A (zh) * | 2014-01-24 | 2014-11-19 | 北京聚鑫跃锋科技发展有限公司 | 基于机器视觉的垃圾分拣方法与系统 |
-
2015
- 2015-01-16 CN CN201510020774.5A patent/CN104624505B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5465847A (en) * | 1993-01-29 | 1995-11-14 | Gilmore; Larry J. | Refuse material recovery system |
CN1129332A (zh) * | 1995-02-13 | 1996-08-21 | 易侧位 | 智能图像识别与机械手驱动系统 |
US20120248014A1 (en) * | 2011-03-30 | 2012-10-04 | Mba Polymers, Inc. | Inclined chute sorter |
CN201997485U (zh) * | 2011-04-12 | 2011-10-05 | 朱建功 | 一种垃圾自动分选装置 |
CN103258333A (zh) * | 2013-04-17 | 2013-08-21 | 东北林业大学 | 基于Lab颜色空间的竹材横断面提取算法 |
CN103552788A (zh) * | 2013-11-07 | 2014-02-05 | 邱泽国 | 集群式垃圾自动识别总成及其自动分类垃圾桶 |
CN104148300A (zh) * | 2014-01-24 | 2014-11-19 | 北京聚鑫跃锋科技发展有限公司 | 基于机器视觉的垃圾分拣方法与系统 |
Non-Patent Citations (1)
Title |
---|
王卫翼等: "基于机器视觉的虫蚀葵花籽识别与分选系统", 《食品与机械》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105154988A (zh) * | 2015-08-10 | 2015-12-16 | 安徽工程大学 | 一种自动提取羽毛绒的装置及其提取方法 |
CN106651825A (zh) * | 2015-11-03 | 2017-05-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于图像分割的工件定位与识别的方法 |
CN105787506A (zh) * | 2016-01-26 | 2016-07-20 | 耿春茂 | 基于图像识别与二维码识别技术的垃圾分类评价方法 |
CN106003024B (zh) * | 2016-05-26 | 2017-11-28 | 北京新长征天高智机科技有限公司 | 一种多机械手垃圾分拣控制系统 |
CN105964567A (zh) * | 2016-05-26 | 2016-09-28 | 北京新长征天高智机科技有限公司 | 一种针对生活垃圾中的玻璃瓶分拣控制系统 |
CN106003024A (zh) * | 2016-05-26 | 2016-10-12 | 北京新长征天高智机科技有限公司 | 一种多机械手垃圾分拣控制系统 |
CN105964567B (zh) * | 2016-05-26 | 2017-11-28 | 北京新长征天高智机科技有限公司 | 一种针对生活垃圾中的玻璃瓶分拣控制系统 |
CN106824824A (zh) * | 2016-10-26 | 2017-06-13 | 湖南理工学院 | 一种具有前置图像处理及反射式光谱单元的塑料分选系统 |
CN106737664B (zh) * | 2016-11-25 | 2020-02-14 | 中国科学院自动化研究所 | 分拣多类工件的Delta机器人控制方法及系统 |
CN106737664A (zh) * | 2016-11-25 | 2017-05-31 | 中国科学院自动化研究所 | 分拣多类工件的Delta机器人控制方法及系统 |
CN108971190A (zh) * | 2018-06-25 | 2018-12-11 | 大连大学 | 一种基于机器视觉的生活垃圾分拣方法 |
CN109308479A (zh) * | 2018-09-20 | 2019-02-05 | 云南师范大学 | 一种基于深度学习的校园垃圾自动分类回收方法 |
CN109308479B (zh) * | 2018-09-20 | 2021-07-16 | 云南师范大学 | 一种基于深度学习的校园垃圾自动分类回收方法 |
CN109701901A (zh) * | 2018-12-30 | 2019-05-03 | 杭州翰融智能科技有限公司 | 一种物料分拣系统和方法 |
CN109909157A (zh) * | 2019-03-11 | 2019-06-21 | 中国航发北京航空材料研究院 | 一种海绵钛颗粒筛选装置 |
CN110053903A (zh) * | 2019-04-25 | 2019-07-26 | 重庆左岸环境服务股份有限公司 | 生活垃圾分类回收管理系统及方法 |
CN110053903B (zh) * | 2019-04-25 | 2022-03-25 | 重庆左岸环境服务股份有限公司 | 生活垃圾分类回收管理系统及方法 |
WO2021068744A1 (zh) * | 2019-10-11 | 2021-04-15 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
US11663802B2 (en) | 2019-10-11 | 2023-05-30 | Hangzhou Glority Software Limited | Insect identification method and system |
CN111054635A (zh) * | 2019-11-12 | 2020-04-24 | 河北玖河精密机械制造有限公司 | Jhdds智能选矸方法及装置 |
CN111054635B (zh) * | 2019-11-12 | 2022-04-22 | 河北玖河精密机械制造有限公司 | 智能选矸方法及装置 |
CN111380833A (zh) * | 2020-03-11 | 2020-07-07 | 惠仁康宁(苏州)健康科技有限公司 | 基于多目视觉的除杂系统 |
CN111380833B (zh) * | 2020-03-11 | 2024-02-06 | 惠仁康宁(苏州)健康科技有限公司 | 基于多目视觉的除杂系统 |
CN111687062A (zh) * | 2020-05-12 | 2020-09-22 | 临泉县浪鲨克工贸有限公司 | 一种基于图像识别的布料分选系统 |
CN111558546A (zh) * | 2020-05-12 | 2020-08-21 | 柳州市自动化科学研究所 | 一种工业机器人智能分拣装置及其使用方法 |
CN112934718A (zh) * | 2021-01-25 | 2021-06-11 | 深圳市宝安湾建筑废弃物循环利用有限公司 | 装修废弃物及施工废弃物处置工艺 |
CN112934718B (zh) * | 2021-01-25 | 2022-07-15 | 深圳市宝安湾建筑废弃物循环利用有限公司 | 装修废弃物及施工废弃物处置工艺 |
CN113357649A (zh) * | 2021-07-02 | 2021-09-07 | 上海康恒环境股份有限公司 | 垃圾池物料控制方法、装置及焚烧协同处理系统 |
CN117085970A (zh) * | 2023-10-18 | 2023-11-21 | 北京大学 | 一种基于ai识别的多品类固废再利用智能系统 |
CN117085970B (zh) * | 2023-10-18 | 2023-12-26 | 北京大学 | 一种基于ai识别的多品类固废再利用智能系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104624505B (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104624505B (zh) | 一种基于图像识别的废塑料分离方法与系统 | |
US11471916B2 (en) | Metal sorter | |
CN108971190B (zh) | 一种基于机器视觉的生活垃圾分拣方法 | |
WO2014126232A1 (ja) | 光学式粒状物選別機 | |
US20060254957A1 (en) | Systems and methods for sorting recyclables at a material recovery facility | |
WO2011115666A2 (en) | Computer vision and machine learning software for grading and sorting plants | |
CN110202716B (zh) | 废品塑料瓶分拣系统及其分拣方法 | |
CN109331990A (zh) | 一种废旧玻璃快速自动回收分拣工艺 | |
CN204710740U (zh) | 建筑垃圾色彩分选系统 | |
CN106295705B (zh) | 一种运动背景下的多颜色物料筛选计数系统 | |
CN111215342A (zh) | 工业垃圾分类分拣系统 | |
CN201997485U (zh) | 一种垃圾自动分选装置 | |
House et al. | Towards real-time sorting of recyclable goods using support vector machines | |
CN106391506A (zh) | 建筑垃圾色彩分选系统 | |
CN111468525A (zh) | 一种对垃圾分类后可回收物进行自动化分选的系统及工艺 | |
Behera et al. | Ai based waste classifier with thermo-rapid composting | |
CN212760289U (zh) | 一种对垃圾分类后可回收物进行自动化分选的系统 | |
CN206373091U (zh) | 一种色选系统 | |
Romero et al. | Enhanced plastic recycling using RGB+ Depth fusion with MassFaster and MassMask R-CNN | |
CN104998833A (zh) | 基于图像处理的透明矿质原料的浸水分选方法 | |
TWI779947B (zh) | 電氣電子零件屑之處理方法及電氣電子零件屑之處理裝置 | |
CN214682976U (zh) | 一种垃圾识别和自动分选装置 | |
CN108499904A (zh) | 建筑垃圾砖砼骨料分选装置及方法 | |
CN113909143A (zh) | 一种可回收物分类智能派工系统及其派工方法 | |
CN210477480U (zh) | 废品塑料瓶分拣系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160831 Termination date: 20220116 |