CN108805165A - 一种煤炭识别分拣方法、电子设备、存储介质及系统 - Google Patents
一种煤炭识别分拣方法、电子设备、存储介质及系统 Download PDFInfo
- Publication number
- CN108805165A CN108805165A CN201810392801.5A CN201810392801A CN108805165A CN 108805165 A CN108805165 A CN 108805165A CN 201810392801 A CN201810392801 A CN 201810392801A CN 108805165 A CN108805165 A CN 108805165A
- Authority
- CN
- China
- Prior art keywords
- image
- coal
- spoil
- sorting
- images
- 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.)
- Withdrawn
Links
- 239000003245 coal Substances 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012706 support-vector machine Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005622 photoelectricity Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 239000002956 ash Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明提供一种煤炭识别分拣方法,包括步骤配置图像采集设备参数和采集参数,调用图像采集设备参数采集待识别图像;生成待识别图像的灰度直方图,分析灰度直方图的灰度值、灰度分布及灰度频率,获得待识别图像中的煤炭图像或矸石图像;对煤炭图像或矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取灰度共生矩阵的特征参数;将特征参数作为支持向量机的输入,识别煤炭图像或矸石图像,分拣煤炭图像或矸石图像对应的煤炭和矸石。本发明涉及电子设备与可读存储介质,用于执行一种煤炭识别分拣方法;本发明还涉及一种煤炭识别分拣系统;本发明实现了煤炭图像或矸石图像的快速准确识别,识别效率高,检测精度好,识别分拣成本低。
Description
技术领域
本发明涉及煤矿安全生产技术领域,尤其涉及一种煤炭识别分拣方法、电子设备、存储介质及系统。
背景技术
煤炭在工业和生活中的应用有很多,是我国主要消耗能源之一。但是,煤炭的开采结果中混合大量矸石,矸石的燃烧利用率低,工业用煤中混合矸石,会严重影响工业生产,甚至污染环境,因此煤炭的识别分拣是煤炭生产中必需的环节。传统的煤炭识别分拣主要采用人工目测耳闻的方式。人工方法的效率低、成本高、劳动强度大,具有很大的不准确性和人为主观性,制约了煤炭行业企业的发展壮大。因此对煤炭自动识别分拣是提高煤炭识别分拣的效率,降低识别分拣成本急需解决的问题。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种煤炭识别分拣方法,解决了现有采用人工方式进行煤炭识别分拣导致煤炭识别分拣效率低,识别分拣成本高的问题。
本发明提供一种煤炭识别分拣方法,包括以下步骤:
图像采集,配置图像采集设备参数和采集参数,调用所述图像采集设备参数采集待识别图像;
图像灰度分析,生成所述待识别图像的灰度直方图,分析所述灰度直方图的灰度值、灰度分布及灰度频率,获得所述待识别图像中的煤炭图像或矸石图像;
图像纹理分析,对所述煤炭图像或所述矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取所述灰度共生矩阵的特征参数;
图像识别分拣,将所述特征参数作为支持向量机的输入,识别煤炭图像或矸石图像,分拣所述煤炭图像或所述矸石图像对应的煤炭和矸石。
进一步地,在所述步骤图像灰度分析之前还包括步骤图像预处理,采用中值滤波算法对所述待识别图像进行平滑处理。
进一步地,所述步骤图像纹理分析具体为采用Haralick算法生成所述煤炭图像或所述矸石图像的灰度共生矩阵,提取所述灰度共生矩阵的能量、熵、惯性矩、相关性、逆矩差特征。
进一步地,所述步骤图像识别分拣具体为将所述能量、熵、惯性矩、相关性、逆矩差特征作为所述支持向量机的输入,识别煤炭图像或矸石图像。
一种电子设备,包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行上述一种煤炭识别分拣方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行上述一种煤炭识别分拣方法。
一种煤炭识别分拣系统,包括:PLC控制模块、电源模块、传送装置、光电传感器、识别分拣模块、图像采集设备、气动阀,所述PLC控制模块、传送装置、光电传感器、识别分拣模块、图像采集设备、气动阀分别与所述电源模块连接,所述传送装置、所述气动阀分别与所述PLC控制模块连接,所述传送装置用于传送待检测物品,所述PLC控制模块控制所述传送装置的运动,所述光电传感器、所述PLC控制模块、所述图像采集设备分别与所述识别分拣模块连接,所述光电传感器用于检测煤炭并产生触发信号,所述图像采集设备用于采集待检测物品的图像,所述识别分拣模块用于控制所述光电传感器、所述PLC控制模块、所述图像采集设备,并识别所述图像中的煤炭图像或矸石图像,所述PLC控制模块根据所述煤炭图像或矸石图像控制所述气动阀分拣煤炭和矸石。
进一步地,所述识别分拣模块还包括:
图像采集模块:用于配置图像采集设备参数和采集参数,调用所述图像采集设备参数采集待识别图像;
图像预处理模块,用于采用中值滤波算法对所述待识别图像进行平滑处理;
图像灰度分析模块:用于生成所述待识别图像的灰度直方图,分析所述灰度直方图的灰度值、灰度分布及灰度频率,获得所述待识别图像中的煤炭图像或矸石图像;
图像纹理分析模块:用于对所述煤炭图像或所述矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取所述灰度共生矩阵的特征参数;
图像识别模块:用于将所述特征参数作为支持向量机的输入,识别煤炭图像或矸石图像。
进一步地,所述图像纹理分析模块具体为采用Haralick算法生成所述煤炭图像或所述矸石图像的灰度共生矩阵,提取所述灰度共生矩阵的能量、熵、惯性矩、相关性、逆矩差特征。
进一步地,所述图像识别模块具体为将所述能量、熵、惯性矩、相关性、逆矩差特征作为所述支持向量机的输入,识别煤炭图像或矸石图像。
相比现有技术,本发明的有益效果在于:
本发明提供一种煤炭识别分拣方法,采用中值滤波算法对待识别图像进行平滑处理,较好的保留了待检测图像的边缘信息;通过对煤炭图像或矸石图像进行灰度共生矩阵分析,提取灰度共生矩阵的特征参数,结合支持向量机,实现了煤炭图像或矸石图像的快速准确识别,本发明的稳定性好,相较于现有的人工识别分拣方法,识别效率明显提高,检测精度好,降低识别分拣成本。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的一种煤炭识别分拣方法流程图;
图2为本发明的一种煤炭识别分拣系统结构示意图;
图3为本发明的识别分拣模块结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
一种煤炭识别分拣方法,如图1所示,包括以下步骤:
图像采集,对图像采集设备初始化,配置图像采集设备参数和采集参数,调用图像采集设备参数采集待识别图像。
在一实施例中,为了消除待识别图像中的噪声,优选的,在步骤图像灰度分析之前还包括步骤图像预处理,由于中值滤波的计算量比较小,算法效率高,采用中值滤波算法对待识别图像进行平滑处理,很好地保留了待识别图像的边缘信息,有效降低噪声。
图像灰度分析,生成待识别图像的灰度直方图,煤炭灰度值较低,矸石灰度值较高,分析灰度直方图的灰度值、灰度分布及灰度频率,获得待识别图像中的煤炭图像或矸石图像。
图像纹理分析,对煤炭图像或矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取灰度共生矩阵的特征参数;优选的,步骤图像纹理分析具体为采用Haralick算法生成煤炭图像或矸石图像在0°、45°、90°、135°4个方向上的灰度共生矩阵,提取4个方向灰度共生矩阵的能量、熵、惯性矩、相关性、逆矩差特征。
图像识别分拣,将特征参数作为支持向量机的输入,识别煤炭图像或矸石图像,分拣煤炭图像或矸石图像对应的煤炭和矸石。优选的,步骤图像识别分拣具体为将能量、熵、惯性矩、相关性、逆矩差特征作为支持向量机的输入,识别煤炭图像或矸石图像。
一种电子设备,包括:处理器;存储器;以及程序,其中程序被存储在存储器中,并且被配置成由处理器执行,程序包括用于执行上述一种煤炭识别分拣方法;一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行上述一种煤炭识别分拣方法。
一种煤炭识别分拣系统,如图2所示,包括:PLC控制模块、电源模块、传送装置、光电传感器、识别分拣模块、图像采集设备、气动阀,PLC控制模块、传送装置、光电传感器、识别分拣模块、图像采集设备、气动阀分别与电源模块连接,传送装置、气动阀分别与PLC控制模块连接,传送装置用于传送待检测物品,PLC控制模块控制传送装置的运动,光电传感器、PLC控制模块、图像采集设备分别与识别分拣模块连接,光电传感器用于检测煤炭并产生触发信号,图像采集设备用于采集待检测物品的图像,识别分拣模块用于控制光电传感器、PLC控制模块、图像采集设备,并识别图像中的煤炭图像或矸石图像,PLC控制模块根据煤炭图像或矸石图像控制气动阀分拣煤炭和矸石。
一种煤炭识别分拣系统工作原理如下:
电源模块给煤炭识别分拣系统供电,当PLC控制模块通电后,PLC控制模块推动传送装置传送待检测物品,当待检测物品被传送到工作台时,光电传感器检测到待检测物品并产生模拟触发信号,信号经过模数转换后,发送给识别分拣模块,识别分拣模块发送相应的控制指令给PLC控制模块,PLC控制模块接收指令并转换后控制传送装置停止运动,同时识别分拣模块触发图像采集设备抓拍待识别图像,并通过USB口将抓拍到的待识别图像输入到识别分拣模块进行煤炭图像或矸石图像的识别,若识别结果为煤炭图像,则识别分拣模块反馈信号给PLC控制模块,PLC控制模块控制气动阀选出煤炭,若识别结果为矸石图像,则识别分拣模块反馈信号给PLC控制模块,PLC控制模块控制气动阀选出矸石。
在一实施例中,优选的,如图3所示,识别分拣模块还包括:
图像采集模块配置图像采集设备参数和采集参数,调用图像采集设备参数采集待识别图像。
图像预处理模块采用中值滤波算法对待识别图像进行平滑处理;由于中值滤波的计算量比较小,算法效率高,采用中值滤波算法对待识别图像进行平滑处理,很好地保留了待识别图像的边缘信息,有效降低噪声。
图像灰度分析模块生成待识别图像的灰度直方图,煤炭灰度值较低,矸石灰度值较高,分析灰度直方图的灰度值、灰度分布及灰度频率,获得待识别图像中的煤炭图像或矸石图像。
图像纹理分析模块对煤炭图像或矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取灰度共生矩阵的特征参数;优选的,图像纹理分析模块具体为采用Haralick算法生成煤炭图像或矸石图像在0°、45°、90°、135°4个方向上的灰度共生矩阵,提取4个方向灰度共生矩阵的能量、熵、惯性矩、相关性、逆矩差特征。
图像识别模块将特征参数作为支持向量机的输入,识别煤炭图像或矸石图像。优选的,图像识别模块具体为将能量、熵、惯性矩、相关性、逆矩差特征作为支持向量机的输入,识别煤炭图像或矸石图像。
本发明提供一种煤炭识别分拣方法,采用中值滤波算法对待识别图像进行平滑处理,较好的保留了待检测图像的边缘信息;通过对煤炭图像或矸石图像进行灰度共生矩阵分析,提取灰度共生矩阵的特征参数,结合支持向量机,实现了煤炭图像或矸石图像的快速准确识别,本发明的稳定性好,相较于现有的人工识别分拣方法,识别效率明显提高,检测精度好,降低识别分拣成本。
以上,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (10)
1.一种煤炭识别分拣方法,其特征在于包括以下步骤:
图像采集,配置图像采集设备参数和采集参数,调用所述图像采集设备参数采集待识别图像;
图像灰度分析,生成所述待识别图像的灰度直方图,分析所述灰度直方图的灰度值、灰度分布及灰度频率,获得所述待识别图像中的煤炭图像或矸石图像;
图像纹理分析,对所述煤炭图像或所述矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取所述灰度共生矩阵的特征参数;
图像识别分拣,将所述特征参数作为支持向量机的输入,识别煤炭图像或矸石图像,发送分拣指令分拣所述煤炭图像或所述矸石图像对应的煤炭和矸石。
2.如权利要求1所述的一种煤炭识别分拣方法,其特征在于:在所述步骤图像灰度分析之前还包括步骤图像预处理,采用中值滤波算法对所述待识别图像进行平滑处理。
3.如权利要求1所述的一种煤炭识别分拣方法,其特征在于:所述步骤图像纹理分析具体为采用Haralick算法生成所述煤炭图像或所述矸石图像的灰度共生矩阵,提取所述灰度共生矩阵的能量、熵、惯性矩、相关性、逆矩差特征。
4.如权利要求3所述的一种煤炭识别分拣方法,其特征在于:所述步骤图像识别分拣具体为将所述能量、熵、惯性矩、相关性、逆矩差特征作为所述支持向量机的输入,识别煤炭图像或矸石图像。
5.一种电子设备,其特征在于包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行权利要求1-4任意一项所述的方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行如权利要求1-4任意一项所述的方法。
7.一种煤炭识别分拣系统,其特征在于包括:PLC控制模块、电源模块、传送装置、光电传感器、识别分拣模块、图像采集设备、气动阀,所述PLC控制模块、传送装置、光电传感器、识别分拣模块、图像采集设备、气动阀分别与所述电源模块连接,所述传送装置、所述气动阀分别与所述PLC控制模块连接,所述传送装置用于传送待检测物品,所述PLC控制模块控制所述传送装置的运动,所述光电传感器、所述PLC控制模块、所述图像采集设备分别与所述识别分拣模块连接,所述光电传感器用于检测煤炭并产生触发信号,所述图像采集设备用于采集待检测物品的图像,所述识别分拣模块用于控制所述光电传感器、所述PLC控制模块、所述图像采集设备,并识别所述图像中的煤炭图像或矸石图像,所述PLC控制模块根据所述煤炭图像或矸石图像控制所述气动阀分拣煤炭和矸石。
8.如权利要求7所述的一种煤炭识别分拣系统,其特征在于,所述识别分拣模块还包括:
图像采集模块:用于配置图像采集设备参数和采集参数,调用所述图像采集设备参数采集待识别图像;
图像预处理模块,用于采用中值滤波算法对所述待识别图像进行平滑处理;
图像灰度分析模块:用于生成所述待识别图像的灰度直方图,分析所述灰度直方图的灰度值、灰度分布及灰度频率,获得所述待识别图像中的煤炭图像或矸石图像;
图像纹理分析模块:用于对所述煤炭图像或所述矸石图像进行灰度共生矩阵分析,生成灰度共生矩阵,提取所述灰度共生矩阵的特征参数;
图像识别模块:用于将所述特征参数作为支持向量机的输入,识别煤炭图像或矸石图像。
9.如权利要求8所述的一种煤炭识别分拣系统,其特征在于:所述图像纹理分析模块具体为采用Haralick算法生成所述煤炭图像或所述矸石图像的灰度共生矩阵,提取所述灰度共生矩阵的能量、熵、惯性矩、相关性、逆矩差特征。
10.如权利要求9所述的一种煤炭识别分拣系统,其特征在于:所述图像识别模块具体为将所述能量、熵、惯性矩、相关性、逆矩差特征作为所述支持向量机的输入,识别煤炭图像或矸石图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810392801.5A CN108805165A (zh) | 2018-04-27 | 2018-04-27 | 一种煤炭识别分拣方法、电子设备、存储介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810392801.5A CN108805165A (zh) | 2018-04-27 | 2018-04-27 | 一种煤炭识别分拣方法、电子设备、存储介质及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805165A true CN108805165A (zh) | 2018-11-13 |
Family
ID=64093484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810392801.5A Withdrawn CN108805165A (zh) | 2018-04-27 | 2018-04-27 | 一种煤炭识别分拣方法、电子设备、存储介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805165A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655466A (zh) * | 2019-01-08 | 2019-04-19 | 中国矿业大学 | 一种基于机器视觉的矸石带煤率在线检测方法及装置 |
CN109815999A (zh) * | 2019-01-08 | 2019-05-28 | 浙江大学 | 一种简便高效的自动化煤矸识别方法 |
CN111871864A (zh) * | 2020-08-06 | 2020-11-03 | 辽宁瑞华实业集团高新科技有限公司 | 分拣装置及方法 |
CN112163631A (zh) * | 2020-10-14 | 2021-01-01 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种用于溜井处基于视频分析的金矿矿质分析方法 |
CN112200813A (zh) * | 2020-09-30 | 2021-01-08 | 中国矿业大学(北京) | 一种考虑照度因素的煤矸识别方法和系统 |
CN112338898A (zh) * | 2020-10-09 | 2021-02-09 | 中国矿业大学(北京) | 物体分选系统的图像处理方法、装置及物体分选系统 |
CN113435486A (zh) * | 2021-06-15 | 2021-09-24 | 西安科技大学 | 一种基于pca-ifoa-svm结合灰度-纹理融合特征的煤矸识别方法 |
-
2018
- 2018-04-27 CN CN201810392801.5A patent/CN108805165A/zh not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655466A (zh) * | 2019-01-08 | 2019-04-19 | 中国矿业大学 | 一种基于机器视觉的矸石带煤率在线检测方法及装置 |
CN109815999A (zh) * | 2019-01-08 | 2019-05-28 | 浙江大学 | 一种简便高效的自动化煤矸识别方法 |
CN111871864A (zh) * | 2020-08-06 | 2020-11-03 | 辽宁瑞华实业集团高新科技有限公司 | 分拣装置及方法 |
CN112200813A (zh) * | 2020-09-30 | 2021-01-08 | 中国矿业大学(北京) | 一种考虑照度因素的煤矸识别方法和系统 |
CN112200813B (zh) * | 2020-09-30 | 2024-02-06 | 中国矿业大学(北京) | 一种考虑照度因素的煤矸识别方法和系统 |
CN112338898A (zh) * | 2020-10-09 | 2021-02-09 | 中国矿业大学(北京) | 物体分选系统的图像处理方法、装置及物体分选系统 |
CN112163631A (zh) * | 2020-10-14 | 2021-01-01 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种用于溜井处基于视频分析的金矿矿质分析方法 |
CN113435486A (zh) * | 2021-06-15 | 2021-09-24 | 西安科技大学 | 一种基于pca-ifoa-svm结合灰度-纹理融合特征的煤矸识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805165A (zh) | 一种煤炭识别分拣方法、电子设备、存储介质及系统 | |
CN107782733B (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN104063873B (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
CN103439342B (zh) | 基于热图时序特征的红外无损检测方法 | |
CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN106238350A (zh) | 一种基于机器视觉的太阳能电池片分选方法与系统 | |
CN105930854A (zh) | 一种机械臂视觉系统 | |
CN103406286B (zh) | 一种基于LabVIEW的水果外部品质在线分级方法 | |
CN110567974A (zh) | 一种基于云端人工智能表面缺陷检测系统 | |
CN113160123B (zh) | 一种基于YOLOv5的皮革缺陷检测方法、系统及装置 | |
CN103752533A (zh) | 图像法煤矸在线分选方法和装置 | |
CN111242057A (zh) | 产品分拣系统、方法、计算机设备和存储介质 | |
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 | |
CN112893159A (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN103308525A (zh) | 一种用于金属线材生产的在线检测方法和装置 | |
CN108318494A (zh) | 红提果粉的在线视觉检测分级装置及其方法 | |
CN108548822A (zh) | 一种宽幅连续表面缺陷视觉检测系统 | |
CN115147377A (zh) | 一种用于生成光伏板缺陷图像的CycleGAN模型的训练方法及装置 | |
CN113655002A (zh) | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 | |
CN208555097U (zh) | 一种基于计算机视觉的工件形状检测与分捡装置 | |
CN113591583A (zh) | 一种智能硼矿选矿系统及方法 | |
Zuxiang et al. | Design of safety capacitors quality inspection robot based on machine vision | |
CN102609699A (zh) | 一种激光扫描铸件工件号的识别装置和方法 | |
Heger et al. | Using data mining techniques to investigate the correlation between surface cracks and flange lengths in deep drawn sheet metals | |
CN205581025U (zh) | 一种精刨竹条视觉分拣分级检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181113 |
|
WW01 | Invention patent application withdrawn after publication |