CN110681610A - 基于卷积神经网络与深度学习的视觉识别分选物料系统 - Google Patents

基于卷积神经网络与深度学习的视觉识别分选物料系统 Download PDF

Info

Publication number
CN110681610A
CN110681610A CN201911045681.2A CN201911045681A CN110681610A CN 110681610 A CN110681610 A CN 110681610A CN 201911045681 A CN201911045681 A CN 201911045681A CN 110681610 A CN110681610 A CN 110681610A
Authority
CN
China
Prior art keywords
conveying belt
neural network
deep learning
convolutional neural
visual identification
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
Application number
CN201911045681.2A
Other languages
English (en)
Inventor
唐小青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201911045681.2A priority Critical patent/CN110681610A/zh
Publication of CN110681610A publication Critical patent/CN110681610A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size
    • B07C5/10—Sorting according to size measured by light-responsive means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C13/00—Disintegrating by mills having rotary beater elements ; Hammer mills
    • B02C13/02—Disintegrating by mills having rotary beater elements ; Hammer mills with horizontal rotor shaft
    • B02C13/06—Disintegrating by mills having rotary beater elements ; Hammer mills with horizontal rotor shaft with beaters rigidly connected to the rotor
    • B02C13/09—Disintegrating by mills having rotary beater elements ; Hammer mills with horizontal rotor shaft with beaters rigidly connected to the rotor and throwing the material against an anvil or impact plate
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
    • B07B1/00—Sieving, screening, sifting, or sorting solid materials using networks, gratings, grids, or the like
    • B07B1/28—Moving screens not otherwise provided for, e.g. swinging, reciprocating, rocking, tilting or wobbling screens
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
    • B07B15/00—Combinations of apparatus for separating solids from solids by dry methods applicable to bulk material, e.g. loose articles fit to be handled like bulk material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/38—Collecting or arranging articles in groups
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
    • B07B2201/00—Details applicable to machines for screening using sieves or gratings
    • B07B2201/04—Multiple deck screening devices comprising one or more superimposed screens

Landscapes

  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明公开了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，物料分级筛位于第一输送带的首端，第一输送带上沿物料传送的方向依次设置分料器、视觉识别装置，动作执行装置设置在第一输送带的尾端；视觉识别装置通过GPU与控制装置相连，视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，控制装置与动作执行装置相连，控制所述动作执行装置动作。本发明通过卷积神经网络与深度学习加视觉识别分选物料，整体效率高，智能化程度高。

Description

基于卷积神经网络与深度学习的视觉识别分选物料系统
技术领域
本发明属于物料分选技术领域，更具体的说是涉及一种基于卷积神经网络与深度学习的视觉识别分选物料系统。
背景技术
在农业、工业、环保物质回收等领域，都涉及到分选流程。农业方面，随着人们生活水平的提高，消费者对生鲜农产品的关注从数量转向质量，进而出现了对生鲜农产品的品质检测、质量分级，根据生鲜农产品大小、重量、颜色、破损度、形状与纹理、表面缺陷等方面进行分选，然后分类处理、售卖，提高了消费者福利，同时也激励了农业生产者优化资源配置。工业方面，工业原材料品质的检测、工业成品的检测都是一个分选过程，根据特定的标准，分选出残次品并剔除掉，留下合格品进入下一个生产环节或直接进入市场流通使用；环保物质回收方面，如现下的垃圾分类，将生活垃圾通过分选，分类回收、处理，就能变废为宝更好提升回收物的价值，更好的缓解我们的环保压力。
目前，主要有人工分选、常规机械分选、射线识别分选等。人工只适合分拣较小粒径物料，且由于人的主观感觉不稳定，所以人工分选的均一性比较差、人工劳动强度大、工作效率低，现在人工费也贵，所以人工分选的成本也在不断的增高；常规机械分选，就是通过机械设备，按照物料质量、密度等单一物理分级指标进行分选，虽具有效率高、劳动强度低等优点，但对颜色、形状纹理、表面特征等无法有效识别，分选指标太单一，应用范围狭窄，总体分选效果不好，误分拣率高，且由于机械设备自身尺寸限制，无法分选大粒径物料；射线识别模式的分选设备，则因为射线存在放射性，因此存在需办理射线产品使用证及公安局备案、需设置专人负责射线产品管理维护、有穿透性局限、有使用范围局限、成本高、较大粒径物料无法识别等缺陷。
因此，如何提供一种基于卷积神经网络与深度学习的视觉识别分选物料系统是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，通过卷积神经网络与深度学习加视觉识别分选物料，通过卷积神经网络与深度学习算法对采集到的被分选物料提取多维度特征信息，再通过视觉识别装置对运输皮带上经过的物料进行识别、判断，得到准确的物料分选结果和物料的大小、形状、方位等信息后，进行分选操作，整体效率高，智能化程度高。
为了实现上述目的，本发明采用如下技术方案：
一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，其中，所述物料分级筛位于所述第一输送带的首端，所述第一输送带上沿物料传送的方向依次设置所述分料器、所述视觉识别装置，所述动作执行装置设置在所述第一输送带的尾端；所述视觉识别装置通过所述GPU与所述控制装置相连，所述视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，GPU服务器包含卷积神经网络和深度学习算法，对物料的特征信息和空间位置信息进行计算分析并得出结果，并将所得结果传送至控制装置；所述控制装置与所述动作执行装置相连，控制所述动作执行装置动作，将粒径大小不同的物料分开。
优选的，所述物料分级筛上安装有振动电机，且所述物料分级筛包括上层大孔径筛网和下层小孔径筛网，所述下层小孔径筛网安装在所述上层大孔径筛网的下方。通过上层大孔径筛网与下层小孔径筛网可根据物料颗粒大小对物料进行初步筛分。
优选的，所述分料器与所述视觉识别装置间设置有除铁器，通过除铁器可除去物料中含有的铁物质，避免了对物料的影响。
优选的，所述视觉识别装置包括外壳、高清工业摄像机和四边形漫射无影补光源，所述外壳安装在所述第一输送带的上方，且外壳底部设置有开口，高清工业摄像机和四边形漫射无影补光源均安装在所述外壳内，实现了对处于第一输送带上随机摆放的运输状态下的物料进行特征信息和空间位置信息进行快速采集。
优选的，所述动作执行装置包括空气压缩机、储气罐和喷气阀，所述空气压缩机通过管路与所述储气罐相连，所述喷气阀安装在所述第一输送带的尾端，且通过管路与所述储气罐相连通。开启对应位置的喷气阀，根据颗粒大小不同的物料给出相应力度高压气体，从而将被识别出大小不同粒径的特定物料吹出，其他未被选定击发的物料则顺着运输皮带惯性自由向下抛落。
优选的，所述控制装置包括上位机和可编程逻辑控制器PLC，上位机和可编程逻辑控制器PLC与所述动作执行装置相连，控制着空气压缩机开启给储气罐供气以及控制喷气阀的启闭。
优选的，所述物料分级筛与所述第一输送带间设置有破碎装置，所述上层大孔径筛网上的物料进入破碎装置，经破碎装置破碎后的物料进入第一输送带。通过破碎装置可实现物料的破碎，从而提高了物料的分选效率。
优选的，所述破碎装置包括破碎壳体、转动电机、转动刀、挡板和弹簧机构，所述转动电机安装在所述破碎壳体外部的中间位置，所述转动电机的输出轴伸入所述破碎壳体内，并与所述转动刀传动连接；所述挡板安装在所述破碎壳体入料口的一侧，所述弹簧机构安装在所述破碎壳体上，输出杆抵在所述挡板上。弹簧机构的设置使得挡板可沿输出杆的方向进行一定距离的移动调节，避免大块物料或难以破碎的物料进入时产生堵塞的问题；挡板的设置能够将大块物料限制在转动刀触及的区域内，再利用转动刀将大块物料粉碎，有利于提高设备的破碎效率。
优选的，所述第一输送带的尾端下方设置有筛料机，所述筛料机的下方设置有第二输送带，所述筛料机的首端设置有第三输送带，所述第三输送带将物料输送至所述物料分级筛。通过筛料机可将破碎后的物料进行筛选，筛选出小颗粒物料，大颗粒物料经第三输送带输送回物料分级筛重新筛分。
优选的，所述筛料机包括筛料壳体、筛料电机和筛料网板，所述筛料网板安装在所述筛料壳体顶端，且呈首端低尾端高的倾斜设置；所述筛料电机固定在所述筛料壳体的一侧。在筛料电机的振动下，经筛料网板筛选出的小颗粒物料落入第二输送带运走，大颗粒物随倾斜的筛料网板落入第三输送带上。
本发明的有益效果在于：
本发明通过卷积神经网络与深度学习加视觉识别分选物料，通过卷积神经网络与深度学习算法对采集到的被分选物料提取多维度特征信息，再进行相关特征信息的学习、建模、存储，进而掌握这些信息特征，通过视觉识别装置对运输皮带上经过的物料进行识别、判断，得到准确的物料分选结果和物料的大小、形状、方位等信息，控制装置接收信息进而给动作执行装置发出运行指令，进行分选操作，整体效率高、智能化程度高，具有很好的市场发展前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明的一种实施例的结构示意图。
图2附图为本发明的整体架构框图。
图3附图为本发明的控制装置的结构框图。
图4附图为本发明的分级筛的结构图。
图5附图为本发明的另一种实施例的结构示意图。
图6附图为本发明破碎装置的结构示意图。
图7附图为本发明的再一种实施例的结构示意图。
其中，图中，
1为物料分级筛；1-1为上层大孔径筛网；1-2为下层小孔径筛网；1-3为振动电机；2为分料器；3为除铁器；4为视觉识别装置；4-1为高清工业摄像机；4-2为四边形漫射无影补光源；5为GPU服务器；6为控制装置；7为回收料罩；7-1为喷气阀，7-2为储气罐；7-3空气压缩机；8为第一输送带；8-1为第四输送带；9为料仓；9-1为次品料料仓；9-2为精品料料仓；10为监控摄像机；11为破碎装置；12为破碎壳体；14为转动刀；15为挡板；16为弹簧机构；17为筛料机；18为第二输送带；19为第三输送带；20为筛料壳体；21为筛料电机；22为筛料网板。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
请参阅附图1-4，本发明提供了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛1、分料器2、第一输送带8、视觉识别装置4、GPU服务器5、控制装置6和动作执行装置，其中，物料分级筛1位于第一输送带8的首端，第一输送带8上沿物料传送的方向依次设置分料器2、视觉识别装置4，动作执行装置设置在第一输送带8的尾端；视觉识别装置4通过GPU与控制装置6相连，视觉识别装置4对第一输送带8上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器5，GPU服务器5包含卷积神经网络和深度学习算法，可在复杂工况下对对物料的特征信息和空间位置信息进行计算分析并得出结果，并将所得结果传送至控制装置6；控制装置6与动作执行装置相连，控制动作执行装置动作，将粒径大小不同的物料分开。
本发明第一输送带8以一定速度运行，表面平整，运行稳定且具备一定宽度，起到输送物料的作用；分料器2为一种隔离、平铺物料用机械设备，布置在第一输送带8的起始段位置，前面承接物料分级筛1筛分后的大小不同物料，将筛分后的大小不同的物料各自归类平铺于第一输送带8上指定的各自区域，并可将物料之间间隔开一定距离平铺在第一输送带8上，使物料不产生相互堆叠，继而被第一输送带8运输前行。
GPU服务器5包含卷积神经网络与深度学习算法，对采集到的物料图像以卷积层提取图像特征信息作为输入层，通过RPN和Faster R-CNN算法对物料特征信息分析，确定物料的形状、大小、方位、速度等，并实现物料的识别分类，基于深度学习技术对采集到的大量物料特征信息进行学习、建模、存储，备后续区分分选用。
物料分级筛1上安装有振动电机1-3，且物料分级筛1包括上层大孔径筛网1-1和下层小孔径筛网1-2，下层小孔径筛网1-2安装在上层大孔径筛网1-1的下方。通过上层大孔径筛网1-1与下层小孔径筛网1-2可根据物料颗粒大小对物料进行初步筛分。物料落到物料分级筛1上，通过物料下落时自带重力及振动电机1-3的振动，有效将大于上层大孔径筛网1-1孔径的物料留到上层大孔径筛网1-1上，然后顺着导流槽流向第一输送带8；将小于上层大孔径筛网1-1孔径而又大于下层小孔径筛网1-2孔径的物料留到下层小孔径筛网1-2上，进而顺着导流槽流向第一输送带8另一侧；小于下层小孔径筛网1-2孔径的细碎物料落到第四输送带8-1，另做其他处理。另外，根据需求的不同物料分级筛1还可设计多层(大于两层)不同大小孔径的筛网。
为了进一步优化上述技术方案，分料器2与视觉识别装置4间设置有除铁器3，通过除铁器3可除去物料中含有的铁物质，避免了对物料的影响。
视觉识别装置4包括外壳、高清工业摄像机4-1和四边形漫射无影补光源4-2，外壳安装在第一输送带8的上方，且外壳底部设置有开口，高清工业摄像机4-1和四边形漫射无影补光源4-2均安装在外壳内，实现了对处于第一输送带8上随机摆放的运输状态下的物料进行特征信息和空间位置信息进行快速采集。外壳为除了下方而上方及前后左右都封闭的方体内空样式，结合四边形漫射无影补光源4-2起到给高清工业摄像机4-1构造一个稳定的光线背景，避免受到外界极端强弱变化光线的影响；外壳横跨过运输皮带固定；高清工业摄像机4-1通过支架或者直接固定在外壳内部上方的正中央位置，镜头正朝向下方的运输皮带目标区域；四边形漫射无影补光源4-2则呈四边形围绕着高清工业摄像机4-1固定在外壳内部的一定高度并朝向运输皮带的皮带表面，四边形漫射无影补光源4-2的固定位置低于高清工业摄像机4-1镜头，给高清工业摄像机4-1提供补光光源，光线均匀平稳的照射在皮带表面目标区域，可有效增强经过该目标区域物料的表面特征。
动作执行装置包括空气压缩机7-3、储气罐7-2和喷气阀7-1，空气压缩机7-3通过管路与储气罐7-2相连，喷气阀7-1包括大喷气阀7-1和小喷气阀7-1，以一定角度成排布置于第一输送带8末端特定位置，且通过管路与储气罐7-2相连通。开启对应位置的喷气阀7-1，根据颗粒大小不同的物料给出相应力度高压气体，从而将被识别出大小不同粒径的特定物料吹出，其他未被选定击发的物料则顺着运输皮带惯性自由向下抛落。
控制装置6包括上位机和可编程逻辑控制器PLC，接收GPU服务器5传输的物料特征信息和空间位置信息等分析数据；上位机和可编程逻辑控制器PLC与动作执行装置相连，控制装置6给动作执行装置发出是否开启喷气阀7-1、需要开启对应区域的相应的多个大喷气阀7-1和小喷气阀7-1协同工作、启闭喷气阀7-1的时长等指令信息，控制着空气压缩机7-3开启给储气罐7-2供气以及控制对应位置数个喷气阀7-1的同时启闭。
本发明还包括收料装置，收料装置包括回收料罩7、监控摄像机10、精品料料仓9-2和次品料料仓9-1，其中回收料罩7设置在第一输送带8的尾端位置处，监控摄像机10固定在回收料罩7内，用于监测收料过程。回收料罩7的设置避免了收料过程中粉尘的扩散，而造成环境的污染。被喷气阀7-1吹走的物料落入次品料料仓9-1内，未被选定击发的物料则顺着运输皮带惯性自由向下抛落至精品料料仓9-2内。
实施例2
参阅附图5和6，在实施例1的基础上，在物料分级筛1与第一输送带8间设置破碎装置11，上层大孔径筛网1-1上的物料进入破碎装置11，经破碎装置11破碎后的物料进入第一输送带8。通过破碎装置11可实现物料的破碎，从而提高了物料的分选效率。
破碎装置11包括破碎壳体12、转动电机、转动刀14、挡板15和弹簧机构16，转动电机安装在破碎壳体12外部的中间位置，转动电机的输出轴伸入破碎壳体12内，并与转动刀14传动连接；挡板15安装在破碎壳体12入料口的一侧，弹簧机构16安装在破碎壳体12上，输出杆抵在挡板15上。弹簧机构16的设置使得挡板15可沿输出杆的方向进行一定距离的移动调节，避免大块物料或难以破碎的物料进入时产生堵塞的问题；挡板15的设置能够将大块物料限制在转动刀14触及的区域内，再利用转动刀14将大块物料粉碎，有利于提高设备的破碎效率。
实施例3
参阅附图7，在实施例2的基础上，在第一输送带8的尾端下方设置筛料机17，筛料机17的下方设置有第二输送带18，筛料机17的首端设置有第三输送带19，第三输送带19将物料输送至物料分级筛1。通过筛料机17可将破碎后的物料进行筛选，筛选出小颗粒物料，大颗粒物料经第三输送带19输送回物料分级筛1重新筛分。
筛料机17包括筛料壳体20、筛料电机21和筛料网板22，筛料网板22安装在筛料壳体20顶端，且呈首端低尾端高的倾斜设置；筛料电机21固定在筛料壳体20的一侧。在筛料电机21的振动下，经筛料网板22筛选出的小颗粒物料落入第二输送带18运走，大颗粒物随倾斜的筛料网板22落入第三输送带19上。
本发明通过卷积神经网络与深度学习加视觉识别分选物料，通过卷积神经网络与深度学习算法对采集到的被分选物料提取多维度特征信息，再进行相关特征信息的学习、建模、存储，进而掌握这些信息特征，通过视觉识别装置4对运输皮带上经过的物料进行识别、判断，得到准确的物料分选结果和物料的大小、形状、方位等信息，控制装置6接收信息进而给动作执行装置发出运行指令，进行分选操作，整体效率高、智能化程度高，具有很好的市场发展前景；另外，本发明由射线等其它方式无法有效识别的方法，且视觉识别不产生有害物质，粒径大小不同的物料提前分级，基于卷积网络与深度学习算法的物料识别效率高，喷气阀7-1响应速度快，大粒径物料和小粒径物料分开识别和被击打出，分选物料粒径范围更大，分选效果更好，系统架构稳定可靠，整体硬件成本及运行费用低。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，其中，所述物料分级筛位于所述第一输送带的首端，所述第一输送带上沿物料传送的方向依次设置所述分料器、所述视觉识别装置，所述动作执行装置设置在所述第一输送带的尾端；所述视觉识别装置通过所述GPU与所述控制装置相连，所述视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，GPU服务器包含卷积神经网络和深度学习算法，对物料的特征信息和空间位置信息进行计算分析并得出结果，并将所得结果传送至控制装置；所述控制装置与所述动作执行装置相连，控制所述动作执行装置动作，将粒径大小不同的物料分开。
2.根据权利要求1所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述物料分级筛上安装有，且所述物料分级筛包括上层大孔径筛网和下层小孔径筛网，所述下层小孔径筛网安装在所述上层大孔径筛网的下方。
3.根据权利要求1或2所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述分料器与所述视觉识别装置间设置有除铁器。
4.根据权利要求3所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述视觉识别装置包括外壳、高清工业摄像机和四边形漫射无影补光源，所述外壳安装在所述第一输送带的上方，且外壳底部设置有开口，高清工业摄像机和四边形漫射无影补光源均安装在所述外壳内。
5.根据权利要求2或4所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述动作执行装置包括空气压缩机、储气罐和喷气阀，所述空气压缩机通过管路与所述储气罐相连，所述喷气阀安装在所述第一输送带的尾端，且通过管路与所述储气罐相连通。
6.根据权利要求5所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述控制装置包括上位机和可编程逻辑控制器PLC，上位机和可编程逻辑控制器PLC与所述动作执行装置相连，控制着空气压缩机开启给储气罐供气以及控制喷气阀的启闭。
7.根据权利要求6所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述物料分级筛与所述第一输送带间设置有破碎装置，所述上层大孔径筛网上的物料进入破碎装置，经破碎装置破碎后的物料进入第一输送带。
8.根据权利要求7所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述破碎装置包括破碎壳体、转动电机、转动刀、挡板和弹簧机构，所述转动电机安装在所述破碎壳体外部的中间位置，所述转动电机的输出轴伸入所述破碎壳体内，并与所述转动刀传动连接；所述挡板安装在所述破碎壳体入料口的一侧，所述弹簧机构安装在所述破碎壳体上，输出杆抵在所述挡板上。
9.根据权利要求1或8所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述第一输送带的尾端下方设置有筛料机，所述筛料机的下方设置有第二输送带，所述筛料机的首端设置有第三输送带，所述第三输送带将物料输送至所述物料分级筛。
10.根据权利要求9所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述筛料机包括筛料壳体、筛料电机和筛料网板，所述筛料网板安装在所述筛料壳体顶端，且呈首端低尾端高的倾斜设置；所述筛料电机固定在所述筛料壳体的一侧。
CN201911045681.2A 2019-10-30 2019-10-30 基于卷积神经网络与深度学习的视觉识别分选物料系统 Pending CN110681610A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911045681.2A CN110681610A (zh) 2019-10-30 2019-10-30 基于卷积神经网络与深度学习的视觉识别分选物料系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911045681.2A CN110681610A (zh) 2019-10-30 2019-10-30 基于卷积神经网络与深度学习的视觉识别分选物料系统

Publications (1)

Publication Number Publication Date
CN110681610A true CN110681610A (zh) 2020-01-14

Family

ID=69114841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911045681.2A Pending CN110681610A (zh) 2019-10-30 2019-10-30 基于卷积神经网络与深度学习的视觉识别分选物料系统

Country Status (1)

Country Link
CN (1) CN110681610A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111268394A (zh) * 2020-03-06 2020-06-12 协创云科技(深圳)有限公司 一种工业领域物品回收放置的ai识别系统及方法
CN111299137A (zh) * 2020-04-09 2020-06-19 山东钢铁股份有限公司 一种基于机器视觉的焦宝石分选系统
CN111515138A (zh) * 2020-04-26 2020-08-11 同济大学 基于颗粒形态识别的道砟智能筛分装置
CN111517018A (zh) * 2020-04-26 2020-08-11 佛山科学技术学院 一种智能垃圾分类设备以及分类方法
CN111558549A (zh) * 2020-04-28 2020-08-21 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种益智积木块自动检测、识别、分拣装置
CN111687069A (zh) * 2020-06-01 2020-09-22 安徽农业大学 一种基于卷积神经网络算法的智能山核桃壳仁分选机
CN112222142A (zh) * 2020-08-27 2021-01-15 南京涵铭置智能科技有限公司 一种城市生活垃圾智能分拣装置及方法
CN112580941A (zh) * 2020-12-03 2021-03-30 安徽普仁中药饮片有限公司 一种中药饮片的物料管理方法
CN112837311A (zh) * 2021-03-02 2021-05-25 苏州零样本智能科技有限公司 一种基于深度学习的聚乙烯颗粒缺陷检测识别系统及方法
CN113126581A (zh) * 2021-04-08 2021-07-16 重庆途益物流有限公司 一种智能物流货物码垛控制系统及其使用方法
CN113843161A (zh) * 2020-06-28 2021-12-28 新特能源股份有限公司 一种多晶硅块料的挑拣方法及装置
CN114119522A (zh) * 2021-11-17 2022-03-01 北京华能新锐控制技术有限公司 输煤皮带堵煤视觉检测方法
CN114405819A (zh) * 2022-01-14 2022-04-29 重庆安都陶瓷有限公司 一种陶瓷生产用陶泥防堵上料系统及方法
CN114871150A (zh) * 2022-05-31 2022-08-09 安徽中科光电色选机械有限公司 一种夹缝接力式智能履带色选机
CN115417025A (zh) * 2022-08-12 2022-12-02 广州大学 分布式处理的智能垃圾分类方法、装置及存储介质
WO2023284135A1 (zh) * 2021-07-13 2023-01-19 福建南方路面机械股份有限公司 一种建筑垃圾分选设备及方法
US20230138374A1 (en) * 2021-11-01 2023-05-04 Tianjin University Of Commerce Sorting-based garbage classification method and device

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111268394A (zh) * 2020-03-06 2020-06-12 协创云科技(深圳)有限公司 一种工业领域物品回收放置的ai识别系统及方法
CN111299137A (zh) * 2020-04-09 2020-06-19 山东钢铁股份有限公司 一种基于机器视觉的焦宝石分选系统
CN111515138A (zh) * 2020-04-26 2020-08-11 同济大学 基于颗粒形态识别的道砟智能筛分装置
CN111517018A (zh) * 2020-04-26 2020-08-11 佛山科学技术学院 一种智能垃圾分类设备以及分类方法
CN111558549A (zh) * 2020-04-28 2020-08-21 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种益智积木块自动检测、识别、分拣装置
CN111558549B (zh) * 2020-04-28 2022-03-29 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种益智积木块自动检测、识别、分拣装置
CN111687069A (zh) * 2020-06-01 2020-09-22 安徽农业大学 一种基于卷积神经网络算法的智能山核桃壳仁分选机
CN111687069B (zh) * 2020-06-01 2023-02-28 安徽农业大学 一种基于卷积神经网络算法的智能山核桃壳仁分选机
CN113843161A (zh) * 2020-06-28 2021-12-28 新特能源股份有限公司 一种多晶硅块料的挑拣方法及装置
CN112222142A (zh) * 2020-08-27 2021-01-15 南京涵铭置智能科技有限公司 一种城市生活垃圾智能分拣装置及方法
CN112580941B (zh) * 2020-12-03 2023-12-29 安徽普仁中药饮片有限公司 一种中药饮片的物料管理方法
CN112580941A (zh) * 2020-12-03 2021-03-30 安徽普仁中药饮片有限公司 一种中药饮片的物料管理方法
CN112837311A (zh) * 2021-03-02 2021-05-25 苏州零样本智能科技有限公司 一种基于深度学习的聚乙烯颗粒缺陷检测识别系统及方法
CN113126581A (zh) * 2021-04-08 2021-07-16 重庆途益物流有限公司 一种智能物流货物码垛控制系统及其使用方法
WO2023284135A1 (zh) * 2021-07-13 2023-01-19 福建南方路面机械股份有限公司 一种建筑垃圾分选设备及方法
US20230138374A1 (en) * 2021-11-01 2023-05-04 Tianjin University Of Commerce Sorting-based garbage classification method and device
CN114119522A (zh) * 2021-11-17 2022-03-01 北京华能新锐控制技术有限公司 输煤皮带堵煤视觉检测方法
CN114405819A (zh) * 2022-01-14 2022-04-29 重庆安都陶瓷有限公司 一种陶瓷生产用陶泥防堵上料系统及方法
CN114405819B (zh) * 2022-01-14 2024-02-02 重庆安都陶瓷有限公司 一种陶瓷生产用陶泥防堵上料系统
CN114871150A (zh) * 2022-05-31 2022-08-09 安徽中科光电色选机械有限公司 一种夹缝接力式智能履带色选机
CN115417025A (zh) * 2022-08-12 2022-12-02 广州大学 分布式处理的智能垃圾分类方法、装置及存储介质
CN115417025B (zh) * 2022-08-12 2024-01-12 广州大学 分布式处理的智能垃圾分类方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN110681610A (zh) 基于卷积神经网络与深度学习的视觉识别分选物料系统
JP6037125B2 (ja) 光学式粒状物選別機
CN211515231U (zh) 基于卷积神经网络与深度学习的视觉识别分选物料系统
CN101234381B (zh) 基于视觉识别的颗粒物料分选分级方法
CN106238342B (zh) 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法
JP3104949B2 (ja) 廃瓶の選別装置
WO2013145873A1 (ja) 光学式粒状物選別機
CN109331990A (zh) 一种废旧玻璃快速自动回收分拣工艺
CN102489450B (zh) 一种智能分选系统
CN107683183A (zh) 具有轨迹跟踪传感器网络的新型智能分级机及其方法
CN106423913A (zh) 一种建筑垃圾的分选方法和系统
CN110270512B (zh) 一种冬枣智能分拣装置
CN109480319A (zh) 一种颗粒饲料生产加工设备及方法
CN205797780U (zh) 滚筒式水果分级装置
CN205966524U (zh) 一种脱水蔬菜分级风选系统
CN202909963U (zh) 一种光谱分选机
CN106391509A (zh) 一种大米色选机
CN211100097U (zh) 一种芡实加工用分选装置
CN1891354A (zh) 小颗粒农产品物料智能分级装置
CA3224924A1 (en) Method and system for conducting ore presorting based on hierarchical arrayed intelligent sorting
CN105457914A (zh) 双层履带式色选机
CN111299137A (zh) 一种基于机器视觉的焦宝石分选系统
CN206661710U (zh) 一种脱水蒜片在线分拣装置
CN108114812A (zh) 一种分级带式磁选装置
CN112206882A (zh) 一种实时在线式装修垃圾破碎分选自动处理系统及其方法

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