CN110220908A - 一种浮选精煤灰分的在线检测系统及其在线检测方法 - Google Patents
一种浮选精煤灰分的在线检测系统及其在线检测方法 Download PDFInfo
- Publication number
- CN110220908A CN110220908A CN201910589506.3A CN201910589506A CN110220908A CN 110220908 A CN110220908 A CN 110220908A CN 201910589506 A CN201910589506 A CN 201910589506A CN 110220908 A CN110220908 A CN 110220908A
- Authority
- CN
- China
- Prior art keywords
- foam
- camera
- ash content
- image
- light source
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
- B03D1/00—Flotation
- B03D1/14—Flotation machines
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Abstract
一种浮选精煤灰分的在线检测系统及其在线检测方法,所述在线检测系统包括硬件检测系统及其软件检测程序;所述在线检测方法是对泡沫图像进行去燥增强分割处理,泡沫分割图像,提取均值等纹理特征统计量,相关性分析,建立神经网络模型,确定隐含层节点数,对精煤泡沫灰分进行分类识别,并输出到程序界面;本系统占地面积小,设计结构简单,经济环保;本方法在线检测精煤浮选,及时调整加药量,降低了药剂消耗,提高了精煤回收率。
Description
技术领域
本发明涉及一种浮选精煤灰分在线检测方法,尤其是一种用于选煤厂浮选精煤灰分的在线监测方法。
背景技术
浮选是矿物加工中应用较广泛的一种选煤方法,其过程矿化气泡是必须的,它涉及到极复杂的物理化学反应过程,矿化气泡是由气固液三相组成的三维复杂体,包含着如气泡大小、颜色、速度等与浮选状态及指标的视觉信息,多年来选煤厂主要靠生产工人观察泡沫来调节操作,但泡沫状态呈现随机性,而不同操作人员对泡沫状态的判断没有统一定量的标准,导致操作的主观性和随意性较大,使浮选过程难以处于最佳运行状态,常出现生产过程不稳定,浪费矿物资源等问题,随着自动控制、计算机与图像等技术的发展,研究开发浮选泡沫视觉装置,利用图像信息定量地反映浮选过程状态,并给出参考操作信息已成为可能,因此基于机器视觉的浮选过程自动控制是我国选煤厂必然的发展方向,具有重要的现实意义和广阔的应用前景。
发明内容
本发明的目的是要解决选煤厂浮选精煤灰分监测过程中的滞后性问题,提供一种灰分在线监测方法,以指导现场精煤浮选,降低药剂消耗,减轻工人劳动力强度,提高精煤回收率的目的。
实现上述目的采取如下技术方案。
一种浮选精煤灰分的在线检测系统,包括硬件检测系统及其软件检测程序;其特征在于:所述硬件检测系统包括支架、工业控制机、工业相机、镜头、滤光镜、光源、光源控制器、信号传输线及遮光罩;所述软件检测程序包括图像预览、图像采集、预处理、泡沫图像分割、特征参数提取、神经网络训练、建立预测模型及数据输出模块;
所述硬件检测系统是将支架安装在泡沫槽正上方,并在支架上至上而下依次安装有遮光罩、工业相机、光源及其光源控制器,并与泡沫槽垂直相对应;泡沫槽正下方探入泡沫槽以下与泡沫层直接接触;
所述软件检测程序是采用MATLAB语言编写,程序界面采用MATLAB软件的图形用户界面开发工具箱进行设计。
附加技术特征在于:所述光源是环形LED白色光源;所述工业相机是彩色CCD相机;所述信号传输线是千兆网线;所述遮光罩是不透光材质制成的金属骨架;所述镜头是500万像素定焦镜头;所述滤光镜是中灰密度滤光镜;所述工业控制机是安装在浮选机旁,并配有Gig E数据接口用于图像信号传输,通过网线与CCD相机连接。
附加技术特征还在于:所述千兆网线一端连接有CCD工业相机;另一端通过浮选槽下方的电缆桥架连接有工控机的Gig E数据接口。
一种用于上述的浮选精煤灰分的在线检测系统的在线检测方法,其特征在于:所述在线检测方法是按下列步骤进行的:
(1)打开电源设备,运行程序,系统自动调用相机,进入图像预览模式,调节相机焦距、光圈亮度以及光源强度,直到图像清晰稳定为止;
(2)运行主程序,系统开始调用相机并实时采集泡沫图像,将图像采集时间间隔设置为30s,并将图像存储在缓存区内;
(3)程序自动读取缓存区内的图像,将RGB图像转换为256级灰度图像;
(4)基于面积重构开闭滤波与交替顺序滤波结合的去噪方法对泡沫图像进行去燥增强处理;
(5)在步骤(4)的基础上对预处理后的泡沫图像采用自适应形态学的改进分水岭分割算法进行分割处理,该算法具有较强的鲁棒性和准确性,更能够适应各种工况下的泡沫图像分割;
(6)对步骤(5)中经过基于形态学和分水岭变换处理后的泡沫分割图像,计算其盆地的总个数以及每个盆地面积,即泡沫的总个数和每个泡沫的面积,结合相机放大倍数通过比例尺换算最终计算得到所有泡沫的平均面积;
(7)基于灰度直方图法提取均值、方差、三阶矩、熵、相关性、平滑度六个纹理特征统计量;
(8)基于灰度共生矩阵提取出能量、熵、相关性、对比度四个纹理特征统计量;
(9)将步骤(6)、步骤(7)及步骤(8)中所提取的十一个特征量与泡沫实际化验灰分进行相关性分析,筛选出相关性较高的特征统计量;
(10)建立BP神经网络模型,将步骤(9)中筛选出的特征值作为BP神经网络输入层,针对给定的样本集进行训练,通过计算误差确定隐含层节点数;
(11)利用步骤(10)中训练得到的模型对精煤泡沫灰分进行分类识别,并输出到程序界面。
上述本发明所采取的技术方案,与现有技术相比,其优点与积极效果主要体现在:本方法在线检测精煤浮选,掌握精煤浮选情况,及时调整加药量,达到了降低药剂消耗,提高了精煤回收率的目的;
本方法时效性强,能够实时反馈产品指标信息,有效避免了人工测灰劳动强度大、周期长、操作误差大的弊端;
本方法程序算法简单,界面友好,运算速度快,灰分预测精度高;同时整套系统占地面积小,设计结构简单,经济环保。
附图说明
图1是本发明检测设备安装实物图。
图2是本发明煤泥浮选泡沫原始图像。
图3是本发明煤泥浮选泡沫图像滤波结果。
图4是本发明预处理效果图。
图5是本发明的泡沫图像标记点提取。
图6是本发明采用自适应形态学改进分水岭分割算法处理后的泡沫分割图。
图7是本发明执行程序界面示意图。
图8是本发明检测设备灰分预测误差分析图。
具体实施方式
下面对本发明的具体实施方式作出作进一步的详细描述。
如附图所述,实施一种浮选精煤灰分的在线检测系统,包括硬件检测系统及其软件检测程序;其中,所述硬件检测系统包括支架、工业控制机、工业相机、镜头、滤光镜、光源、光源控制器、信号传输线及遮光罩;所述软件检测程序包括图像预览、图像采集、预处理、泡沫图像分割、特征参数提取、神经网络训练、建立预测模型及数据输出模块;
该硬件检测系统是将支架安装在泡沫槽正上方,并在支架上至上而下依次安装有遮光罩、工业相机、光源及其光源控制器,并与泡沫槽垂直相对应;泡沫槽正下方探入泡沫槽以下与泡沫层直接接触;
该软件检测程序是采用MATLAB语言编写,程序界面采用MATLAB软件的图形用户界面开发工具箱进行设计。
在上述具体实施方式中,光源是环形LED白色光源;工业相机是彩色CCD相机;信号传输线是千兆网线;遮光罩是不透光材质制成的金属骨架;镜头是500万像素定焦镜头;滤光镜是中灰密度滤光镜;工业控制机是安装在浮选机旁,并配有Gig E数据接口用于图像信号传输,通过网线与CCD相机连接。
在上述具体实施方式中,所述千兆网线一端连接有CCD工业相机;另一端通过浮选槽下方的电缆桥架连接有工控机的Gig E数据接口。
一种用于上述的浮选精煤灰分的在线检测系统的在线检测方法,其特征在于:所述在线检测方法是按下列步骤进行的:
(1)打开电源设备,运行程序,系统自动调用相机,进入图像预览模式,调节相机焦距、光圈亮度以及光源强度,直到图像清晰稳定为止;
(2)运行主程序,系统开始调用相机并实时采集泡沫图像,将图像采集时间间隔设置为30s,并将图像存储在缓存区内;
(3)程序自动读取缓存区内的图像,将RGB图像转换为256级灰度图像;
(4)基于面积重构开闭滤波与交替顺序滤波结合的去噪方法对泡沫图像进行去燥增强处理;
(5)在步骤(4)的基础上对预处理后的泡沫图像采用自适应形态学的改进分水岭分割算法进行分割处理,该算法具有较强的鲁棒性和准确性,更能够适应各种工况下的泡沫图像分割;
(6)对步骤(5)中经过基于形态学和分水岭变换处理后的泡沫分割图像,计算其盆地的总个数以及每个盆地面积,即泡沫的总个数和每个泡沫的面积,结合相机放大倍数通过比例尺换算最终计算得到所有泡沫的平均面积;
(7)基于灰度直方图法提取均值、方差、三阶矩、熵、相关性、平滑度六个纹理特征统计量;
(8)基于灰度共生矩阵提取出能量、熵、相关性、对比度四个纹理特征统计量;
(9)将步骤(6)、步骤(7)及步骤(8)中所提取的十一个特征量与泡沫实际化验灰分进行相关性分析,筛选出相关性较高的特征统计量;
(10)建立BP神经网络模型,将步骤(9)中筛选出的特征值作为BP神经网络输入层,针对给定的样本集进行训练,通过计算误差确定隐含层节点数;
(11)利用步骤(10)中训练得到的模型对精煤泡沫灰分进行分类识别,并输出到程序界面。
下面是本发明的一个应用案例。
实施例1
基于图像法的浮选产品灰分在线检测系统
本发明实施案例来自西曲矿选煤厂,西曲矿选煤厂浮选系统现有四台浮选机,由于其余浮选机的入料复杂且不稳定,而407浮选机的入料单一,因此本实施例选取407浮选机的煤泥浮选泡沫为研究对象。
在线检测系统包括支架、工业控制机、CCD工业相机、镜头、滤光镜、光源、光源控制器、信号传输线及遮光罩;在线检测程序包括图像预览、图像采集、预处理、泡沫图像分割、特征参数提取、神经网络训练、建立预测模型及数据输出等模块。
在浮选槽顶板的中心位置处开一个方形孔,开孔尺寸为400mm×400mm,将支架固定在孔的正上方。
将光源控制器、CCD工业相机、光源从上到下依次安装在支架上,与泡沫槽垂直相对,防护罩与支架连接。
光源采用环形LED白色光源,工业相机采用彩色CCD相机,信号传输线采用千兆网线,遮光罩采用不透光材质制成的金属骨架。
镜头为500万像素定焦镜头,具有低畸变率、多种光学校正方式,最大限度的减少像差的发生,适合浮选工艺自动化这种画质要求比较高的场合。
滤光镜采用中灰密度滤光镜,安装在相机镜头前面,对各种波长的光线普通吸收,一定程度上限制进入相机的光线,降低泡沫顶端的亮度而不影响颜色反差。
工业控制机选用彩色触摸屏,防护等级高,安装在浮选机旁,便于司机操作,并配有Gig E数据接口用于图像信号传输。
千兆网线一端连接CCD相机,另一端通过浮选槽下方的电缆桥架连接在工控机的Gig E数据接口。
灰分检测程序采用MATLAB语言编写,程序界面采用MATLAB软件的图形用户界面开发工具箱进行设计。
具体检测步骤如下:
步骤1、将系统所有设备电源打开,运行程序,系统自动调用相机,进入图像预览模式,调节相机焦距、光圈亮度以及光源强度,直到图像清晰稳定为止。
步骤2、运行主程序,系统开始调用相机并实时采集泡沫图像,将图像采集时间间隔设置为30s,并将图像存储在缓存区内。
步骤3、程序自动读取缓存区内的图像,将RGB图像转换为256级灰度图像。
步骤4、基于面积重构开闭滤波与交替顺序滤波结合的去噪方法对泡沫图像进行去燥增强处理。
步骤5、在步骤4的基础上对预处理后的泡沫图像采用自适应形态学的改进分水岭分割算法进行分割处理,该算法具有较强的鲁棒性和准确性,更能够适应各种工况下的泡沫图像分割。
步骤6、对步骤5中经过基于形态学和分水岭变换处理后的泡沫分割图像,计算其盆地的总个数以及每个盆地面积,即泡沫的总个数和每个泡沫的面积,结合相机放大倍数通过比例尺换算最终计算得到所有泡沫的平均面积。
步骤7、基于灰度直方图法提取均值、方差、三阶矩、熵、相关性、平滑度6个纹理特征统计量。
步骤8、基于灰度共生矩阵提取出能量、熵、相关性、对比度4个纹理特征统计量。
步骤9、将步骤6、7、8中所提取的11个特征量与泡沫实际化验灰分进行相关性分析,筛选出相关性较高的特征统计量。
步骤10、建立BP神经网络模型,将步骤9中筛选出的特征值作为BP神经网络输入层,针对给定的样本集进行训练,通过计算误差确定隐含层节点数。
步骤11、利用步骤10中训练得到的模型对精煤泡沫灰分进行分类识别,并输出到程序界面。
Claims (4)
1.一种浮选精煤灰分的在线检测系统,包括硬件检测系统及其软件检测程序;其特征在于:所述硬件检测系统包括支架、工业控制机、工业相机、镜头、滤光镜、光源、光源控制器、信号传输线及遮光罩;所述软件检测程序包括图像预览、图像采集、预处理、泡沫图像分割、特征参数提取、神经网络训练、建立预测模型及数据输出模块;
所述硬件检测系统是将支架安装在泡沫槽正上方,并在支架上至上而下依次安装有遮光罩、工业相机、光源及其光源控制器,并与泡沫槽垂直相对应;泡沫槽正下方探入泡沫槽以下与泡沫层直接接触;
所述软件检测程序是采用MATLAB语言编写,程序界面采用MATLAB软件的图形用户界面开发工具箱进行设计。
2.如权利要求1所述的浮选精煤灰分的在线检测系统,其特征在于:所述光源是环形LED白色光源;所述工业相机是彩色CCD相机;所述信号传输线是千兆网线;所述遮光罩是不透光材质制成的金属骨架;所述镜头是500万像素定焦镜头;所述滤光镜是中灰密度滤光镜;所述工业控制机是安装在浮选机旁,并配有Gig E数据接口用于图像信号传输,通过网线与CCD相机连接。
3.如权利要求2所述的浮选精煤灰分的在线检测系统,其特征在于:所述千兆网线一端连接有CCD工业相机;另一端通过浮选槽下方的电缆桥架连接有工控机的Gig E数据接口。
4.一种用于如权利要求1所述的浮选精煤灰分的在线检测系统的在线检测方法,其特征在于:所述在线检测方法是按下列步骤进行的:
(1)打开电源设备,运行程序,系统自动调用相机,进入图像预览模式,调节相机焦距、光圈亮度以及光源强度,直到图像清晰稳定为止;
(2)运行主程序,系统开始调用相机并实时采集泡沫图像,将图像采集时间间隔设置为30s,并将图像存储在缓存区内;
(3)程序自动读取缓存区内的图像,将RGB图像转换为256级灰度图像;
(4)基于面积重构开闭滤波与交替顺序滤波结合的去噪方法对泡沫图像进行去燥增强处理;
(5)在步骤(4)的基础上对预处理后的泡沫图像采用自适应形态学的改进分水岭分割算法进行分割处理,该算法具有较强的鲁棒性和准确性,更能够适应各种工况下的泡沫图像分割;
(6)对步骤(5)中经过基于形态学和分水岭变换处理后的泡沫分割图像,计算其盆地的总个数以及每个盆地面积,即泡沫的总个数和每个泡沫的面积,结合相机放大倍数通过比例尺换算最终计算得到所有泡沫的平均面积;
(7)基于灰度直方图法提取均值、方差、三阶矩、熵、相关性、平滑度六个纹理特征统计量;
(8)基于灰度共生矩阵提取出能量、熵、相关性、对比度四个纹理特征统计量;
(9)将步骤(6)、步骤(7)及步骤(8)中所提取的十一个特征量与泡沫实际化验灰分进行相关性分析,筛选出相关性较高的特征统计量;
(10)建立BP神经网络模型,将步骤(9)中筛选出的特征值作为BP神经网络输入层,针对给定的样本集进行训练,通过计算误差确定隐含层节点数;
(11)利用步骤(10)中训练得到的模型对精煤泡沫灰分进行分类识别,并输出到程序界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910589506.3A CN110220908A (zh) | 2019-07-02 | 2019-07-02 | 一种浮选精煤灰分的在线检测系统及其在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910589506.3A CN110220908A (zh) | 2019-07-02 | 2019-07-02 | 一种浮选精煤灰分的在线检测系统及其在线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110220908A true CN110220908A (zh) | 2019-09-10 |
Family
ID=67815614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910589506.3A Pending CN110220908A (zh) | 2019-07-02 | 2019-07-02 | 一种浮选精煤灰分的在线检测系统及其在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110220908A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598298A (zh) * | 2020-04-16 | 2020-08-28 | 天津德通电气股份有限公司 | 一种选煤厂浮选药剂加药量的预测方法 |
CN111753912A (zh) * | 2020-06-28 | 2020-10-09 | 中国矿业大学 | 一种基于深度学习的煤泥浮选精煤灰分预测方法 |
CN112246428A (zh) * | 2020-11-04 | 2021-01-22 | 国家能源集团乌海能源有限责任公司 | 煤炭浮选方法及系统 |
CN112858295A (zh) * | 2021-01-13 | 2021-05-28 | 山西浩博森新材料有限公司 | 一种基于图像扫描的煤灰微珠检测装置及其检测方法 |
CN113019321A (zh) * | 2021-03-04 | 2021-06-25 | 太原理工大学 | 一种煤基颗粒及其制备方法和在过滤煤炭废水中的用途 |
CN115389376A (zh) * | 2022-10-28 | 2022-11-25 | 佛山科学技术学院 | 基于层析滤纸采样的静态煤泥浮选图像灰分检测方法 |
WO2023070346A1 (zh) * | 2021-10-27 | 2023-05-04 | 常德富博智能科技有限公司 | 一种线材颜色识别与自动排序系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101036904A (zh) * | 2007-04-30 | 2007-09-19 | 中南大学 | 一种基于机器视觉的浮选泡沫图像识别设备及精矿品位预测方法 |
-
2019
- 2019-07-02 CN CN201910589506.3A patent/CN110220908A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101036904A (zh) * | 2007-04-30 | 2007-09-19 | 中南大学 | 一种基于机器视觉的浮选泡沫图像识别设备及精矿品位预测方法 |
Non-Patent Citations (3)
Title |
---|
何桂春 等: "浮选指标与浮选泡沫数字图像关系研究", 《金属矿山》 * |
包玉奇: "浮选尾矿灰分检测系统与方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王晓晨 等: "泡沫图像特征与浮选精煤指标关系的研究", 《淮南工业学院学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598298A (zh) * | 2020-04-16 | 2020-08-28 | 天津德通电气股份有限公司 | 一种选煤厂浮选药剂加药量的预测方法 |
CN111753912A (zh) * | 2020-06-28 | 2020-10-09 | 中国矿业大学 | 一种基于深度学习的煤泥浮选精煤灰分预测方法 |
CN112246428A (zh) * | 2020-11-04 | 2021-01-22 | 国家能源集团乌海能源有限责任公司 | 煤炭浮选方法及系统 |
CN112858295A (zh) * | 2021-01-13 | 2021-05-28 | 山西浩博森新材料有限公司 | 一种基于图像扫描的煤灰微珠检测装置及其检测方法 |
CN113019321A (zh) * | 2021-03-04 | 2021-06-25 | 太原理工大学 | 一种煤基颗粒及其制备方法和在过滤煤炭废水中的用途 |
WO2023070346A1 (zh) * | 2021-10-27 | 2023-05-04 | 常德富博智能科技有限公司 | 一种线材颜色识别与自动排序系统及方法 |
CN115389376A (zh) * | 2022-10-28 | 2022-11-25 | 佛山科学技术学院 | 基于层析滤纸采样的静态煤泥浮选图像灰分检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110220908A (zh) | 一种浮选精煤灰分的在线检测系统及其在线检测方法 | |
CN111006608B (zh) | 透明板材通孔视觉检测系统及方法 | |
CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN107643295A (zh) | 一种基于机器视觉的布匹缺陷在线检测的方法和系统 | |
CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
CN201041551Y (zh) | 一种基于机器视觉的珍珠实时检测和分级系统 | |
CN111753912A (zh) | 一种基于深度学习的煤泥浮选精煤灰分预测方法 | |
CN108318494B (zh) | 红提果粉的在线视觉检测分级装置及其方法 | |
CN108445011A (zh) | 一种基于深度学习的瑕疵检测系统及方法 | |
CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
CN101007308A (zh) | 基于机器视觉的珍珠实时检测和分级系统 | |
CN103344583A (zh) | 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测系统及方法 | |
CN102601131A (zh) | 一种钢坯表面质量在线检测装置 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN107631960B (zh) | 海洋物质输移扩散系数ccd自动监测实验装置及其监测方法 | |
CN103308525A (zh) | 一种用于金属线材生产的在线检测方法和装置 | |
CN115661057A (zh) | 一种基于云边协同和深度学习的工业无损检测系统与方法 | |
CN109115775A (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
CN113655002B (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 | |
CN106093051A (zh) | 基于机器视觉的纸卷切面毛刺检测方法及装置 | |
CN111713440A (zh) | 基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法 | |
CN115170475A (zh) | 一种基于深度学习方法的无纺布缺陷检测方法 | |
CN107891012A (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN109142377A (zh) | 一种饮用矿泉水水质检测装置 | |
CN205074251U (zh) | 基于图像识别的嵌入式珍珠分拣器 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190910 |
|
WD01 | Invention patent application deemed withdrawn after publication |