CN110031493A - 基于图像与光谱技术的岩性智能识别系统与方法 - Google Patents
基于图像与光谱技术的岩性智能识别系统与方法 Download PDFInfo
- Publication number
- CN110031493A CN110031493A CN201910271927.1A CN201910271927A CN110031493A CN 110031493 A CN110031493 A CN 110031493A CN 201910271927 A CN201910271927 A CN 201910271927A CN 110031493 A CN110031493 A CN 110031493A
- Authority
- CN
- China
- Prior art keywords
- sample
- grinding
- analysis
- sillar
- rock
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003595 spectral effect Effects 0.000 title claims abstract description 23
- 239000011435 rock Substances 0.000 claims abstract description 87
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 23
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 17
- 239000011707 mineral Substances 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 30
- 238000004876 x-ray fluorescence Methods 0.000 claims description 26
- 238000002441 X-ray diffraction Methods 0.000 claims description 21
- 239000004575 stone Substances 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 18
- 239000000428 dust Substances 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 9
- 239000000843 powder Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000010183 spectrum analysis Methods 0.000 claims description 5
- BVPWJMCABCPUQY-UHFFFAOYSA-N 4-amino-5-chloro-2-methoxy-N-[1-(phenylmethyl)-4-piperidinyl]benzamide Chemical compound COC1=CC(N)=C(Cl)C=C1C(=O)NC1CCN(CC=2C=CC=CC=2)CC1 BVPWJMCABCPUQY-UHFFFAOYSA-N 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 4
- 238000003556 assay Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000002050 diffraction method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 4
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012921 fluorescence analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
- G01N23/207—Diffractometry using detectors, e.g. using a probe in a central position and one or more displaceable detectors in circumferential positions
- G01N23/2076—Diffractometry using detectors, e.g. using a probe in a central position and one or more displaceable detectors in circumferential positions for spectrometry, i.e. using an analysing crystal, e.g. for measuring X-ray fluorescence spectrum of a sample with wavelength-dispersion, i.e. WDXFS
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2866—Grinding or homogeneising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/07—Investigating materials by wave or particle radiation secondary emission
- G01N2223/076—X-ray fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/616—Specific applications or type of materials earth materials
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Crystallography & Structural Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本公开提出了基于图像与光谱技术的岩性智能识别系统与方法,岩块形状分析系统、图像识别系统、试样加工系统、光谱分析系统以及中央分析控制系统;所述中央分析控制系统根据图像识别系统传来的岩块识别结果和光谱分析系统传来的分析结果确定试样的最终岩性。本公开技术方案利用光谱技术识别矿物含量及种类,最后将光谱分析结果和图像识别结果融合分析最后给出岩块岩性,大大提高了岩石岩性识别精确度。
Description
技术领域
本公开涉及工程地质岩石识别与分类技术领域,特别是涉及基于图像与光谱技术的岩性智能识别系统与方法。
背景技术
岩石识别是地质调查中的基础工作。在野外地质调查过程中,地质工作者会根据岩块的颜色、结构构造、矿物成分等辨识岩石的岩性。随着AI的快速发展,越来越多的研究者开始采用深度学习技术识别岩石岩性,通过机器学习等智能算法对岩石图像特征进行分析处理,减少对于专业知识和设备的依赖,从图像识别出发达到识别岩石岩性的目的,有效避免了人工识别岩石耗时长、准确度低以及受主观影响较大的问题。
但是,发明人在研究中发现,随着基于图像的深度学习技术在岩性判断上的广泛应用,一些问题也逐渐暴露出来,岩石岩性的确定不仅要从外观上考虑,还要充分考虑矿物成分及其含量,而这些因素往往不能在图片中反映出来。所以,在识别的岩石种类较多时,单纯依靠图像识别判断岩石岩性是不现实的。
发明内容
本说明书实施方式的目的之一是提供基于图像与光谱技术的岩性智能识别系统,将光谱分析结果和图像识别结果融合分析最后给出岩块岩性,大大提高岩石岩性识别精确度,解决了传统岩性识别分类准确度低、效率低下的问题。
本说明书实施方式提供基于图像与光谱技术的岩性智能识别系统,该系统通过以下技术方案实现:
包括:岩块形状分析系统、图像识别系统、试样加工系统、光谱分析系统以及中央分析控制系统;
所述岩块形状分析系统,对待测试样的形状信息进行采集并根据试样的形状信息预选多个XRF检测面,并根据不同检测面磨削工作量确定待测试样磨削位置,将待测试样磨削位置及磨削面平整度传输至中央分析控制系统;
所述中央分析控制系统根据确定的待测试样磨削位置控制试样加工系统对试样进行磨削,直至满足X射线荧光分析对平整度的要求,将磨削好的岩块利用图像识别系统对岩石岩性初步判断;
所述试样加工系统在对试样磨削至试样满足要求后,再对试样磨削过程中所产生的碎屑进行研磨,并利用图像识别系统对岩石粉末判断是否满足X射线衍射分析对岩石颗粒大小的要求;
所述光谱分析系统对满足X射线衍射分析对岩石颗粒大小的要求的岩石粉末及试样分别进行X射线荧光分析并将各自的分析结果传输至中央分析控制系统;
所述中央分析控制系统根据图像识别系统传来的岩块识别结果和光谱分析系统传来的分析结果确定试样的最终岩性。
本说明书实施方式的目的之二是提供基于图像与光谱技术的岩性智能识别方法,将光谱分析结果和图像识别结果融合分析最后给出岩块岩性,大大提高岩石岩性识别精确度,解决了传统岩性识别分类准确度低、效率低下的问题。
本说明书另一实施方式提供基于图像与光谱技术的岩性智能识别方法,该方法通过以下技术方案实现:
包括:
对待测试样的形状信息进行采集;
根据岩石的形状信息选择XRF检测面,并根据检测面确定待测试样磨削位置;
在确定待测试样磨削位置后对试样进行磨削直至满足X射线荧光分析对平整度的要求,将磨削好的岩块进行岩石岩性初步判断;
在对试样磨削至试样满足X射线荧光分析对平整度的要求后,再对试样磨削过程中所产生的碎屑进行研磨,并对研磨后的岩石粉末判断是否满足X射线衍射分析对岩石颗粒大小的要求,若不满足,继续研磨直至满足要求;
对满足X射线衍射分析对岩石颗粒大小的要求的岩石粉末及试样分别进行X射线荧光分析并获得各自的分析结果,根据岩石岩性初步判断及两种分析结果确定试样的最终岩性。
与现有技术相比,本公开的有益效果是:
1.本公开技术方案中利用可伸缩旋转抓手旋转试样并利用激光测距仪检测岩块形状并预选出X射线荧光检测位置,可伸缩旋转抓手抓牢岩块在磨削件上移动以打磨试块形成能进行X射线荧光检测的平面,产生的粉末被用于X射线衍射分析。
2.本公开技术方案两次利用基于深度学习的岩石分类,第一次用于检测岩石粉末是否符合X射线衍射分析要求,第二次用于初步识别岩块岩性,缩短了检测时间提高了工作效率。
3.本公开技术方案利用光谱技术识别矿物含量及种类,最后将光谱分析结果和图像识别结果融合分析最后给出岩块岩性,大大提高了岩石岩性识别精确度。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例子的岩块形状生成系统结构示意图;
图2为本公开实施例子的试样加工系统部分结构侧面示意图;
图3为本公开实施例子的研磨模块整体侧面示意图;
图4为本公开实施例子的光谱分析系统示意图;
图5为本公开实施例子的图像分析系统结构示意图;
其中,1.激光测距仪;2.夹片;3.第一伸缩构件;4.岩块;5.岩块形状生成模块;6.岩块XRF检测平面预选模块;7.中央分析控制系统;8.第一齿轮;9.第一驱动电机;10.第二伸缩构件;11.第三伸缩构件;12.第四伸缩构件;13.移动基座;14.轨道;15.水平移动驱动装置;16.磨削件;17.支撑横梁;18.第五伸缩构件;19.第二驱动电机;20.第二齿轮;21.卡槽;22.磨石;23.岩石碎屑;24.研磨钵;25.X射线荧光分析仪;26.X射线衍射分析仪;27.第二数据处理单元;28.摄像机;29.岩石颗粒检测模型;30.岩石分类模型;31.第三数据处理单元。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例子一
该实施例子公开了基于图像与光谱技术的岩性智能识别系统,包括:岩块形状分析系统、图像识别系统、试样加工系统、光谱分析系统以及中央分析控制系统;岩块形状分析系统采集岩石形状信息并将分析结果传递给中央分析控制系统;中央分析控制系统根据岩石形状分析系统所传分析结果控制试样加工系统加工试样。
图像识别系统对岩屑进行拍照并判断岩屑颗粒大小是否满足XRD射线衍射对岩屑颗粒大小的要求并将结果传递给中央分析控制系统,中央分析控制系统根据结果控制试样加工系统对岩屑进行再次研磨直至符合要求。图像识别系统对岩石图片进行拍照并对试样岩石进行岩性判断。
光谱分析系统对岩石粉末及磨削好的岩块分别进行分析,获得光谱分析结果。光谱分析系统将光谱分析结果传输给中央分析控制系统;中央分析控制系统融合岩块图像识别结果和光谱分析结果并给出岩石岩性最终判断。
在一实施例子中,关于岩块形状分析系统,具体参见附图1所示,包括激光测距仪1,激光测距仪设置为7组或更多;激光测距仪位于待测试样的上方,多个激光测距仪指向竖直向下并在同一水平线上;在该实施例子中,上述激光测距仪的数量及设置方向采用上述方案的目的在于实现激光测距仪与下方待测试样的不同位置之间距离的准确测量,试样在空间内进行旋转,则可针对不同的检测面进行距离的检测,一般情况下,由于待测试样的平面并非平面,则不同的激光测距仪与待测试样的不同位置之间的距离不同,利用该距离不等的信息就可获得待测试样的形状信息。
在具体实施时,为了获得试样的不同检测面与激光测距仪之间的距离,试样需要相对于激光测距仪进行旋转,具体实施时,采用可伸缩旋转抓手夹住岩块在激光测距仪下方匀速旋转的同时激光测距仪将测距仪至岩块间的距离信息传递给第一数据处理单元。
之后,第一数据处理单元对所接收的信息进行处理,其中,第一数据处理单元包括岩块形状生成模块5及岩块XRF检测平面预选模块6,具体的,岩块形状生成模块用于根据不同激光测距仪至岩块间的距离信息生成岩块形状信息,岩块XRF检测平面预选模块6会根据岩块形状信息预设几个备选磨削位置,之后根据岩块形状信息计算这几个备选面的磨削工作量,根据磨削工作量优选出一个磨削位置。第一数据处理单元还可以对试样的磨削面进行平整度计算,判断平整度是否满足XRF对平面检测的要求;第一数据处理单元会将岩块磨削位置和磨削面是否满足平整度要求的信息发送给中央分析控制系统7。
该实施例子中,XRF对应的中文解释为:X射线荧光光谱分析。
在一实施例子中,关于试样加工系统,参见附图2所示,包括两个可伸缩旋转抓手、水平导轨、磨削件和研磨装置,可伸缩旋转抓手包括:夹片、第一伸缩构件,夹片2和第一伸缩构件3共同作用抓紧试样;第一驱动电机9和第一齿轮8共同作用能驱动抓手与岩块在竖直平面内旋转;
第二伸缩构件10的一端固定在驱动电机的基座上,另一端固定在移动基座13上,在第二伸缩构件10的中部还分别连接至第三伸缩构件11及第四伸缩构件12的一端,第三伸缩构件11的另一端固定在驱动电机的基座上,第二伸缩构件10、第三伸缩构件11分别固定在驱动电机的基座的不同位置处,第四伸缩构件12的另一端固定在移动基座13上,第二伸缩构件10、第四伸缩构件12分别固定在移动基座13的不同位置处。通过第二伸缩构件10、第三伸缩构件11、第四伸缩构件12、第一伸缩构件之间的相互配合实现对抓手所抓岩块的位置的调节。
移动基座13上还设置有水平移动驱动装置15及轨道14。水平移动驱动装置与中央分析控制系统相连,中央分析控制系统控制移动基座运行,水平移动驱动装置15包括一电机,在中央分析控制系统控制控制下,电机动作,带动移动基座水平移动。
第二伸缩构件10能根据实际情况伸缩,方便控制岩块旋转;移动基座13能起支撑整个旋转抓手的作用,在水平移动驱动装置15的作用下能推动旋转抓手沿轨道14滑动;磨削件16为一硬度较大表面有细密斜纹的条状石块,旋转抓手抓紧试样在基座推动下在磨削件上水平移动,快速磨削试块。
可伸缩旋转抓手在抓紧试样的同时能在竖直平面内旋转;可伸缩旋转抓手可在水平导轨上移动;可伸缩旋转抓手能够自由伸缩;两个可伸缩旋转抓手对称布置共同作用以抓取物体;两个可伸缩旋转抓手上有伸缩驱动模块、抓取驱动模块和旋转驱动模块;伸缩驱动模块、抓取驱动模块和旋转驱动模块均有一个电机和一个单片机组成。
伸缩驱动模块有三个,分别控制第二伸缩构件10、第三伸缩构件11、第四伸缩构件12伸缩,与中央分析控制系统相连,并接受控制命令。
抓取驱动模块与中央分析控制系统相连,能控制第一伸缩构件3伸缩,进而控制夹片2夹住试块。
旋转驱动模块与中央分析控制系统相连,第一驱动电机9旋转,带动第一齿轮8旋转,继而带动夹片夹住岩块旋转,齿轮的旋转方向与岩块的旋转方向相反。
在一实施例子中,移动基座为正方体结构,为上部结构提供支撑力,保证上部结构稳定,轨道控制图2所示磨削构件的移动方向。
在一实施例子中,关于研磨装置,参见附图3所示,包括由支撑横梁17,第五伸缩构件18、第二驱动电机19、第二齿轮20、卡槽21、磨石22。
具体的,支撑横梁17与第五伸缩构件18之间固定连接,第五伸缩构件18的一端连接至支撑横梁17,另一端与磨石球状连接,球状连接的方式为第五伸缩构件的另一端为凸面,磨石22上部平面中间为一凹面,凸面与凹面吻合良好,能传递力,但又不因为第五伸缩构件18的倾斜影响磨石22与研磨钵24的吻合。
卡槽21设置在第五伸缩构件末端圆面靠上的位置,在伸缩构件拉伸时能传递拉力将磨石22拉起。
第五伸缩构件18与第二驱动电机19相连,所述第二驱动电机19与第二齿轮20连接,第五伸缩构件及第二驱动电机19由中央控制单元控制。
在该实施例子中,研磨装置加荷方式采用压力控制式;研磨装置采用电机驱动研磨石旋转;研磨石下表面和研磨钵上表面曲率一致,能较好的保证研磨效果;研磨装置中的研磨石与第五伸缩构件采用球状连接,确保第五伸缩构件有一定倾斜时,研磨石依然能与研钵吻合较好;卡槽21有传递拉伸荷载的作用,保证伸缩构件能悬起研磨石,顺利取出岩石粉末。
研磨装置采用压力控制方式控制研磨石与岩石颗粒间的荷载。
在一实施例子中,关于光谱分析系统,参见附图4所示,光谱分析系统,包含X射线荧光分析仪25和X射线衍射分析仪26;X射线荧光分析仪,可以识别出岩块样品所含元素种类及元素的含量;X射线衍射分析仪可以检测岩石所含矿物种类与含量;第二数据处理单元27会将衍射分析结果和荧光分析结果整合验证判断检测结果误差是否符合要求,提高岩石识别准确率;最后第二数据处理单元将整合结果传递给中央分析控制系统。
由于岩石命名规则为附加修饰词加基本名称,基本名称反映岩石的基本特征,具有一定的矿物组成、矿物含量、结构及构造特征。附加修饰词是用以说明岩石的某些重要附加特征的修饰词,可作为附加修饰词的有次要矿物、特征变质矿物、结构、构造及颜色等。图像识别用于确定颜色、结构及构造特征,光谱分析用于确定矿物组成及矿物含量。两者互补共同确定岩石命名。
在一实施例子中,关于图像识别系统,参见图5所示,图像识别系统,包括摄像机28、岩石颗粒检测模型29、岩石分类识别模型30和第三数据处理单元31;岩石颗粒检测模型对应的文件是导自其他计算机的训练完成的模型文件;岩石分类识别模型对应的文件导自其他计算机的训练完成的模型文件;第三数据处理单元31在读入岩石粉末图片和岩石颗粒检测模型后判断粉末是否满足X射线衍射分析对岩石颗粒大小的要求;第三数据处理单元31在读入岩石图片和岩石分类识别模型后通过计算给出岩石岩性初步判断;最终图像识别系统的第三数据处理单元31将计算结果传递给中央分析控制系统7。
具体的,岩石颗粒检测模型29、岩石分类识别模型30位于存储单元中,第三数据处理单元31在进行处理判断时调用存储单元中所存储的模型即可。
中央分析控制系统会整合图像识别系统分析结果和光谱分析系统结果给出最终岩性,当结果不冲突时,可以相互补充,当结果冲突时,会将结果上报,研发人员可以借此优化系统。
本公开技术方案所提出的识别系统能做到岩石试块平面检测磨削、试样研磨、岩石图像采集、光谱分析,从而实现岩石岩性智能识别;方法集合了图像深度学习技术与传统的光谱技术,解决了传统方法依靠工作经验、准确性低的问题,可广泛应用于地质工程岩石岩性识别与分类领域。
实施例子二
本实施例的基于图像与光谱技术的岩性智能识别方法,包括:
步骤1:将岩石试块传递给可伸缩式旋转夹片2,夹片在移动基座13作用下移动至激光测距仪1下方,第一驱动电机9带动第一齿轮8使得岩块4沿顺时针在竖直平面内匀速旋转,同时激光测距仪1开始实时测距工作,激光扫描仪与岩块间的距离信息传递给岩块形状生成模块5后生成岩石形状,岩块XRF检测平面预选模块6预构建几个检测平面和岩石形状信息对比预选一个XRF检测面,进而在试块表面选择相应的磨削位置并将选择结果告知中央分析控制系统7;
步骤2:旋转抓手在中央控制系统指挥下移动岩块至磨削件16进行磨削,隔一段时间进行一次岩块形状检测,分析磨削的平面平整度是否满足X射线荧光分析对平整度的要求,并向中央分析控制系统报告磨削情况,中央分析控制系统根据情况判断是否向试样加工系统发出磨削指令;
步骤3:当磨削平面满足X射线荧光分析对平整度的要求时,研磨装置对岩石碎屑进行研磨,并将岩石粉末移至图像分析系统,摄像头28对粉末进行拍照,第二数据处理单元31读入石颗粒检测模型29和刚才的照片进行计算判断岩石粉末是否符合X射线衍射分析对粉末颗粒大小的要求,如不符合则继续进行研磨直至符合要求;
步骤4:将符合要求的岩石粉末移动至X射线荧光分析仪25进行X射线荧光分析,将磨削好的岩块移至图像识别系统拍照,第三数据处理单元31读入岩石分类模型30和磨削好的岩块的照片进行岩性判断;将磨削好的岩块移至X射线荧光分析仪25,并保证磨削好的平面朝上方便进行X射线荧光光谱分析。
岩石粉末利用光谱分析系统进行X射线荧光分析,并将分析结果传输至中央分析系统。
岩石命名规则为附加修饰词加基本名称,基本名称反映岩石的基本特征,具有一定的矿物组成、矿物含量、结构及构造特征。
附加修饰词是用以说明岩石的某些重要附加特征的修饰词,可作为附加修饰词的有次要矿物、特征变质矿物、结构、构造及颜色等。
图像识别(岩块图像分析结果)用于确定颜色、结构及构造特征,光谱分析(岩石粉末的X射线荧光分析结果和岩块X射线衍射分析结果)用于确定矿物组成及矿物含量。两者互补共同确定岩石命名。
X射线荧光光谱分析用于确定矿物成分及相对量,X射线衍射分析仪用于检测元素类型及含量。
两者结果相互对比可以判断两者误差是否在可以接受的范围,如果不在,则需要进行重新检测,通过这种对比可以提高检测准确率。
步骤5:中央分析系统将图像识别系统传来的岩块识别结果和光谱分析系统传来的分析结果进行对比分析,若结果不相矛盾,则按照岩石命名规则整合出岩性最终命名否则将错误上传。
可以理解的是,在本说明书的描述中,参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.基于图像与光谱技术的岩性智能识别系统,其特征是,包括:岩块形状分析系统、图像识别系统、试样加工系统、光谱分析系统以及中央分析控制系统;
所述岩块形状分析系统,对待测试样的形状信息进行采集并根据试样的形状信息预选多个XRF检测面,并根据不同检测面磨削工作量确定待测试样磨削位置,将待测试样磨削位置及磨削面平整度传输至中央分析控制系统;
所述中央分析控制系统根据确定的待测试样磨削位置控制试样加工系统对试样进行磨削,直至满足X射线荧光分析对平整度的要求,将磨削好的岩块利用图像识别系统对岩石岩性初步判断;
所述试样加工系统在对试样磨削至试样满足要求后,再对试样磨削过程中所产生的碎屑进行研磨,并利用图像识别系统对岩石粉末判断是否满足X射线衍射分析对岩石颗粒大小的要求;
所述光谱分析系统对满足X射线衍射分析对岩石颗粒大小的要求的岩石粉末及试样分别进行X射线荧光分析并将各自的分析结果传输至中央分析控制系统;
所述中央分析控制系统根据图像识别系统传来的岩块识别结果和光谱分析系统传来的分析结果确定试样的最终岩性。
2.如权利要求1所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述岩块形状分析系统包括多个激光测距仪,所述激光测距仪位于待测试样的上方,多个激光测距仪指向竖直向下并在同一水平线上。
3.如权利要求2所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述岩块形状分析系统还包括第一数据处理单元,待测试样在激光测距仪下方匀速旋转的同时激光测距仪将测距仪至岩块间的距离信息传递给第一数据处理单元;
所述第一数据处理单元包括岩块形状生成模块及岩块XRF检测平面预选模块;
所述岩块形状生成模块用于根据不同激光测距仪至岩块间的距离信息生成岩块形状信息;
所述岩块XRF检测平面预选模块会根据岩块形状信息预设几个备选磨削位置,之后根据岩块形状信息计算这几个备选面的磨削工作量,根据磨削工作量优选出一个磨削位置。
4.如权利要求3所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述第一数据处理单元还对试样的磨削面进行平整度计算,判断平整度是否满足XRF对平面检测的要求;第一数据处理单元会将岩块磨削位置和磨削面是否满足平整度要求的信息发送给中央分析控制系统。
5.如权利要求1所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述试样加工系统包括相对待测试样对称布置的两个可伸缩旋转抓手、水平导轨、磨削件和研磨装置;
所述可伸缩旋转抓手在抓紧待测试样的同时能在竖直平面内旋转,所述可伸缩旋转抓手抓紧试样在水平移动驱动装置的作用下能推动旋转抓手沿轨道滑动,继而实现在磨削件上水平移动,快速磨削试块;
所述研磨装置对磨削后的碎屑进行研磨成粉末。
6.如权利要求5所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述研磨装置包括:支撑横梁,伸缩构件、卡槽及磨石;
所述伸缩构件的一端连接至支撑横梁,另一端与磨石球状连接;
卡槽设置在伸缩构件末端圆面靠上的位置,在伸缩构件拉伸时能传递拉力将磨石拉起。
7.如权利要求6所述的基于图像与光谱技术的岩性智能识别系统,其特征是,采用电机驱动磨石旋转;磨石下表面和研磨钵上表面曲率一致。
8.如权利要求1所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述光谱分析系统,包含X射线荧光分析仪和X射线衍射分析仪;X射线荧光分析仪,识别出岩块样品所含元素种类及元素的含量;X射线衍射分析仪检测岩石所含矿物种类与含量;第二数据处理单元会将衍射分析结果和荧光分析结果整合验证判断检测结果误差是否符合要求;最后第二数据处理单元将整合结果传递给中央分析控制系统。
9.如权利要求1所述的基于图像与光谱技术的岩性智能识别系统,其特征是,所述图像识别系统,包括摄像机、岩石颗粒检测模型、岩石分类识别模型和第三数据处理单元;第三数据处理单元31在读入岩石粉末图片和岩石颗粒检测模型后判断粉末是否满足X射线衍射分析对岩石颗粒大小的要求;第三数据处理单元在读入岩石图片和岩石分类识别模型后通过计算给出岩石岩性初步判断;最终图像识别系统的第三数据处理单元将计算结果传递给中央分析控制系统。
10.基于图像与光谱技术的岩性智能识别方法,其特征是,包括:
对待测试样的形状信息进行采集;
根据岩石的形状信息选择XRF检测面,并根据检测面确定待测试样磨削位置;
在确定待测试样磨削位置后对试样进行磨削直至满足X射线荧光分析对平整度的要求,将磨削好的岩块进行岩石岩性初步判断;
在对试样磨削至试样满足X射线荧光分析对平整度的要求后,再对试样磨削过程中所产生的碎屑进行研磨,并对研磨后的岩石粉末判断是否满足X射线衍射分析对岩石颗粒大小的要求,若不满足,继续研磨直至满足要求;
对满足X射线衍射分析对岩石颗粒大小的要求的岩石粉末及试样分别进行X射线荧光分析并获得各自的分析结果,根据岩石岩性初步判断及两种分析结果确定试样的最终岩性。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271927.1A CN110031493B (zh) | 2019-04-04 | 2019-04-04 | 基于图像与光谱技术的岩性智能识别系统与方法 |
US16/957,631 US11536639B2 (en) | 2019-04-04 | 2019-04-26 | Intelligent lithology identification system and method based on images and spectrum technology |
PCT/CN2019/084658 WO2020199292A1 (zh) | 2019-04-04 | 2019-04-26 | 基于图像与光谱技术的岩性智能识别系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271927.1A CN110031493B (zh) | 2019-04-04 | 2019-04-04 | 基于图像与光谱技术的岩性智能识别系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110031493A true CN110031493A (zh) | 2019-07-19 |
CN110031493B CN110031493B (zh) | 2020-07-31 |
Family
ID=67237503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910271927.1A Active CN110031493B (zh) | 2019-04-04 | 2019-04-04 | 基于图像与光谱技术的岩性智能识别系统与方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11536639B2 (zh) |
CN (1) | CN110031493B (zh) |
WO (1) | WO2020199292A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208276A (zh) * | 2020-01-15 | 2020-05-29 | 山东大学 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
CN111220567A (zh) * | 2020-01-20 | 2020-06-02 | 山东大学 | Tbm搭载式岩石蚀变特征识别及地质预报系统及其方法 |
CN111261236A (zh) * | 2020-01-21 | 2020-06-09 | 山东大学 | 隧道火成岩风化程度确定系统及方法 |
CN111812136A (zh) * | 2020-07-10 | 2020-10-23 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
CN112798592A (zh) * | 2020-12-28 | 2021-05-14 | 山东大学 | 基于岩相学特征分析的岩石强度预测系统及方法 |
CN113252674A (zh) * | 2021-06-25 | 2021-08-13 | 山东省地质矿产勘查开发局第四地质大队(山东省第四地质矿产勘查院) | 一种便于拆装的地质勘测岩石鉴定辅助观测装置 |
CN113297962A (zh) * | 2021-05-24 | 2021-08-24 | 山东大学 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
WO2021208515A1 (zh) * | 2020-04-17 | 2021-10-21 | 山东大学 | 基于图像与xrf矿物反演的岩性识别系统及方法 |
CN114720496A (zh) * | 2022-06-08 | 2022-07-08 | 四川大学 | 全场x射线荧光成像分析或x射线衍射分析装置及方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597826A (zh) * | 2020-12-08 | 2021-04-02 | 核工业北京地质研究院 | 一种对高光谱sasi数据进行岩性分类的方法 |
FR3120708A1 (fr) * | 2021-03-10 | 2022-09-16 | Eiffage Genie Civil Terrassement | Procédé d'identification de la couche lithologique d'un matériau excavé en vue de sa valorisation |
JP2022167433A (ja) | 2021-04-23 | 2022-11-04 | 株式会社Gsユアサ | 蓄電装置、電流遮断装置の制御方法 |
CN114608903B (zh) * | 2022-03-10 | 2023-01-31 | 安徽理工大学 | 一种具备滤膜结构的智能化粉尘采集分析装置 |
CN115326800B (zh) * | 2022-08-10 | 2023-05-26 | 中国矿业大学(北京) | 一种连续动态煤矸识别实验装置 |
CN115327150B (zh) * | 2022-10-13 | 2023-01-31 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0523566B1 (en) * | 1991-07-11 | 2001-11-21 | International Superconductivity Technology Center | Apparatus for solid surface analysis using x-ray spectroscopy |
CN102131575A (zh) * | 2008-08-21 | 2011-07-20 | 六号元素(产品)(控股)公司 | 多晶金刚石材料 |
WO2013058672A1 (en) * | 2011-10-18 | 2013-04-25 | Schlumberger Holdings Limited | A method for 3d mineral mapping of a rock sample |
CN103108905A (zh) * | 2010-03-26 | 2013-05-15 | 夏威夷大学 | 纳米材料增强树脂及相关材料 |
CN103308454A (zh) * | 2012-03-08 | 2013-09-18 | 王宏 | 一种矿物分析装置 |
CN103399026A (zh) * | 2013-07-15 | 2013-11-20 | 纳优科技(北京)有限公司 | 一种基于x射线荧光分析技术的爆炸物综合检测系统及检测方法 |
CN103769969A (zh) * | 2014-02-11 | 2014-05-07 | 厦门理工学院 | 块状石材全自动磨抛机及其控制方法 |
CN106944366A (zh) * | 2017-03-28 | 2017-07-14 | 沈阳隆基电磁科技股份有限公司 | 一种基于x射线识别的矿石智能分选设备及方法 |
CN206622939U (zh) * | 2017-03-24 | 2017-11-10 | 河北建筑工程学院 | 一种新型磨角式打磨机平台 |
CN108430616A (zh) * | 2015-10-23 | 2018-08-21 | Ep矿产有限公司 | 确定煅烧和助熔煅烧硅藻土产品的矿物学特征的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7796726B1 (en) * | 2006-02-14 | 2010-09-14 | University Of Maryland, Baltimore County | Instrument and method for X-ray diffraction, fluorescence, and crystal texture analysis without sample preparation |
CN101718721B (zh) * | 2009-11-10 | 2011-08-10 | 天津出入境检验检疫局化矿金属材料检测中心 | 重金属精矿与冶炼渣属性鉴别方法 |
BR112014017258B1 (pt) | 2012-01-13 | 2022-03-29 | Ingrain, Inc | Método para avaliar um reservatório e sistema para avaliar um reservatório |
CN103376271A (zh) | 2012-04-21 | 2013-10-30 | 赵景红 | 锌精矿与含锌烟道灰的鉴别方法 |
WO2016205894A1 (en) | 2015-06-24 | 2016-12-29 | Deep Exploration Technologies Crc Limited | Method for determining the mineral composition of a geological sample |
CN105241904B (zh) | 2015-09-22 | 2018-01-16 | 同济大学 | 基于能量色散x射线谱的粉煤灰物相分析方法 |
EP3619525A4 (en) * | 2017-05-16 | 2021-03-31 | FCT - ACTECH Pty Ltd. | METHOD AND APPARATUS FOR THE ANALYSIS OF PARTICULAR MATTERS |
US10942098B2 (en) * | 2017-08-25 | 2021-03-09 | Schlumberger Technology Corporation | Method and system for analyzing at least a rock sample extracted from a geological formation |
CN108956674A (zh) | 2018-06-28 | 2018-12-07 | 中国石油天然气股份有限公司 | 表征储层粘土矿物转化的方法及装置 |
-
2019
- 2019-04-04 CN CN201910271927.1A patent/CN110031493B/zh active Active
- 2019-04-26 WO PCT/CN2019/084658 patent/WO2020199292A1/zh active Application Filing
- 2019-04-26 US US16/957,631 patent/US11536639B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0523566B1 (en) * | 1991-07-11 | 2001-11-21 | International Superconductivity Technology Center | Apparatus for solid surface analysis using x-ray spectroscopy |
CN102131575A (zh) * | 2008-08-21 | 2011-07-20 | 六号元素(产品)(控股)公司 | 多晶金刚石材料 |
CN103108905A (zh) * | 2010-03-26 | 2013-05-15 | 夏威夷大学 | 纳米材料增强树脂及相关材料 |
WO2013058672A1 (en) * | 2011-10-18 | 2013-04-25 | Schlumberger Holdings Limited | A method for 3d mineral mapping of a rock sample |
CN103308454A (zh) * | 2012-03-08 | 2013-09-18 | 王宏 | 一种矿物分析装置 |
CN103399026A (zh) * | 2013-07-15 | 2013-11-20 | 纳优科技(北京)有限公司 | 一种基于x射线荧光分析技术的爆炸物综合检测系统及检测方法 |
CN103769969A (zh) * | 2014-02-11 | 2014-05-07 | 厦门理工学院 | 块状石材全自动磨抛机及其控制方法 |
CN108430616A (zh) * | 2015-10-23 | 2018-08-21 | Ep矿产有限公司 | 确定煅烧和助熔煅烧硅藻土产品的矿物学特征的方法 |
CN206622939U (zh) * | 2017-03-24 | 2017-11-10 | 河北建筑工程学院 | 一种新型磨角式打磨机平台 |
CN106944366A (zh) * | 2017-03-28 | 2017-07-14 | 沈阳隆基电磁科技股份有限公司 | 一种基于x射线识别的矿石智能分选设备及方法 |
Non-Patent Citations (2)
Title |
---|
崔迎辉: "第2章 蛭石的矿学特征", 《基础科学辑》 * |
曹春娥 等: "《无机材料测试技术》", 30 June 2011, 江西高校出版社 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208276A (zh) * | 2020-01-15 | 2020-05-29 | 山东大学 | 基于岩石组分与组构的tbm搭载式岩石抗压强度快速预测系统及方法 |
CN111220567A (zh) * | 2020-01-20 | 2020-06-02 | 山东大学 | Tbm搭载式岩石蚀变特征识别及地质预报系统及其方法 |
WO2021147553A1 (zh) * | 2020-01-21 | 2021-07-29 | 山东大学 | 隧道火成岩风化程度确定系统及方法 |
CN111261236A (zh) * | 2020-01-21 | 2020-06-09 | 山东大学 | 隧道火成岩风化程度确定系统及方法 |
WO2021208515A1 (zh) * | 2020-04-17 | 2021-10-21 | 山东大学 | 基于图像与xrf矿物反演的岩性识别系统及方法 |
US11796493B2 (en) | 2020-04-17 | 2023-10-24 | Shandong University | System and method for identifying lithology based on images and XRF mineral inversion |
CN111812136B (zh) * | 2020-07-10 | 2021-07-06 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
CN111812136A (zh) * | 2020-07-10 | 2020-10-23 | 山东大学 | Tbm搭载式矿物成分检测方法、超前地质预报方法及系统 |
CN112798592A (zh) * | 2020-12-28 | 2021-05-14 | 山东大学 | 基于岩相学特征分析的岩石强度预测系统及方法 |
CN112798592B (zh) * | 2020-12-28 | 2022-03-22 | 山东大学 | 基于岩相学特征分析的岩石强度预测系统及方法 |
CN113297962A (zh) * | 2021-05-24 | 2021-08-24 | 山东大学 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
CN113297962B (zh) * | 2021-05-24 | 2022-08-19 | 山东大学 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
CN113252674A (zh) * | 2021-06-25 | 2021-08-13 | 山东省地质矿产勘查开发局第四地质大队(山东省第四地质矿产勘查院) | 一种便于拆装的地质勘测岩石鉴定辅助观测装置 |
CN114720496A (zh) * | 2022-06-08 | 2022-07-08 | 四川大学 | 全场x射线荧光成像分析或x射线衍射分析装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110031493B (zh) | 2020-07-31 |
US11536639B2 (en) | 2022-12-27 |
WO2020199292A1 (zh) | 2020-10-08 |
US20210215590A1 (en) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031493A (zh) | 基于图像与光谱技术的岩性智能识别系统与方法 | |
US11041383B2 (en) | System and method for scanning while-drilling rock fragments in an oil and gas field | |
CN107463789B (zh) | 一种集成化的医用显示器自动校准装置及其校准方法 | |
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN106529571B (zh) | 基于神经网络的多层图像特征提取建模、图像识别方法及装置 | |
CN102253043B (zh) | 一种单目ccd多角度纱线外观数字化分析方法 | |
CN104200566B (zh) | 一种基于清分机积灰条件下的钞票识别方法及清分机 | |
US20210223153A1 (en) | Method for obtaining rock mechanical-geometric parameters and holographic scanning system | |
CN105698714B (zh) | 移动扫描隧巷道断面及体积测量装置及其测量方法 | |
CN206382954U (zh) | 刀具磨损检测专用图像采集系统 | |
CN103344584B (zh) | 牛仔服装洗水色差分析仪器及其控制方法 | |
CN106770296B (zh) | 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法 | |
CN203241029U (zh) | 智能室内三维测量仪 | |
CN110008767A (zh) | 一种二维码扫描设备测试装置及测试方法 | |
CN110907457A (zh) | 基于3d点云数据的集料形态特征检测系统及检测方法 | |
CN109060145A (zh) | 一种模拟井下煤矿截割的煤岩界面识别系统 | |
CN108405353B (zh) | 球珠检测分选装置及方法 | |
KR100945087B1 (ko) | 지형 및 지형물 변화에 따른 기준점 대비 측지확인시스템 | |
CN106841575B (zh) | 一种四球摩擦试验磨斑图像磨痕方向自动定位方法 | |
CN211504081U (zh) | 一种基于bim的建筑测绘装置 | |
CN206450586U (zh) | 一种检测系统 | |
CN209247652U (zh) | 一种大壳体上铆钉表面缺陷在线检测装置 | |
CN106969707B (zh) | 一种检测装置及其控制方法 | |
CN109176192A (zh) | 用于岩石样品端面的加工装置及加工方法 | |
CN103390308B (zh) | 基于部分图像子块的高速纸币判别系统及其判别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |