CN111036576B - 基于无矸图像过滤和blob分析的煤矸石识别分拣法 - Google Patents

基于无矸图像过滤和blob分析的煤矸石识别分拣法 Download PDF

Info

Publication number
CN111036576B
CN111036576B CN201911262249.9A CN201911262249A CN111036576B CN 111036576 B CN111036576 B CN 111036576B CN 201911262249 A CN201911262249 A CN 201911262249A CN 111036576 B CN111036576 B CN 111036576B
Authority
CN
China
Prior art keywords
gangue
image
coal
threshold value
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.)
Active
Application number
CN201911262249.9A
Other languages
English (en)
Other versions
CN111036576A (zh
Inventor
邹华东
李祖明
谌俊
朱方才
袁正辉
刘京苑
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.)
Qingyuan Polytechnic
Original Assignee
Qingyuan Polytechnic
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 Qingyuan Polytechnic filed Critical Qingyuan Polytechnic
Priority to CN201911262249.9A priority Critical patent/CN111036576B/zh
Publication of CN111036576A publication Critical patent/CN111036576A/zh
Application granted granted Critical
Publication of CN111036576B publication Critical patent/CN111036576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B07C5/34—Sorting according to other particular properties
    • 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
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0063—Using robots

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明公开了基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，包括如下步骤：对煤炭进行图像采集，工控机对接收的图像使用计算机软件计算图像三阶矩评价获得图像的三阶矩评价值，将图像的三阶矩评价值与设定的初始阈值进行比较，对图像进行BLOB分析，并得到最大分区的左上角的点的坐标、分布的宽度和高度；对分区所在的区域范围进行三阶矩局部评价，判断当前矸石是否为标记的已经发送指令的矸石，如是，不做处理，如不是，发送拣矸指令；机器人拣矸。本发明能够由全图幅分析过渡到局部关注区域精确分析判断，减少背景和杂散物对识别的干扰，有效识别出煤矸石，进而有利于进行推广应用。

Description

基于无矸图像过滤和BLOB分析的煤矸石识别分拣法
技术领域
本发明涉及煤矸石技术领域，尤其涉及基于无矸图像过滤和BLOB分析的煤矸石识别分拣法。
背景技术
在煤矸石智能分拣系统中，传送带上运动的煤和矸石的识别是一个关键技术，采用基于图像阈值分割和连通域标记的BLOB分析方法能够解决煤矸石检测中难以提取边缘轮廓点的问题，能够定位到煤矸石分布区域，但是对于具有较多BLOB分区的图像处理，占用内存空间和消耗的计算时间较多，而煤炭传送线由于受到污染后，其背景较为复杂，如果对图像进行实时的BLOB分析，不仅会占用大量的计算机时间，而且可能由于内存占用过多而导致程序跳出出错,影响到煤矸石的在线实时检测。为此，我们提出了基于无矸图像过滤和BLOB分析的煤矸石识别分拣法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的基于无矸图像过滤和BLOB分析的煤矸石识别分拣法。
为了实现上述目的，本发明采用了如下技术方案：
基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，包括如下步骤：
S1、无矸图像过滤
在传送煤炭的传送线上设置视觉暗箱，煤炭经过视觉暗箱时视觉暗箱内的工业相机对煤炭进行图像采集，采集的图像经千兆网网线由千兆网卡传送给工控机；工控机对接收的图像使用计算机软件计算图像三阶矩评价获得图像的三阶矩评价值，将图像的三阶矩评价值与设定的初始阈值进行比较，当评价值小于初始阈值时，判断传送线的当前位置上为非煤矸石，当评价值大于初始阈值时，判断传送线的当前位置上可能存在煤矸石；进行进一步的精准识别；
S2、精准识别
针对步骤S1中传送线的当前位置上可能存在煤矸石的情况，再进一步的对步骤S1中的图像进行BLOB分析，并得到最大分区的左上角的点的坐标、分布的宽度和高度；对分区所在的区域范围进行三阶矩局部评价，当三阶矩的评价值小于设定的二级阈值时，认为图像中无煤矸石，当三阶矩的评价值大于设定的二级阈值时，进一步的判断区块是否满足有一定大小，如果不满足，为非煤矸石，如果满足，判断为煤矸石，进一步的判断当前图像中的物体中心与图像中心的中心距是否小于阈值，大于阈值为还未到达预定位置，不做处理；如果小于阈值为已经接近图像中心，进一步的判断当前矸石是否为标记的已经发送指令的矸石，如是，不做处理，如不是，发送拣矸指令；
S3、机器人拣矸
机器人在接收到步骤S2的拣矸指令后，根据步骤S1的传送线传送速度以及机器人距视觉暗箱的距离，进行拣矸动作并实现分离煤矸石。
优选的，步骤S1中所述的初始阈值为现场设置，且现场设置的初始阈值为1200，阈值的设置并非固定，设备装调前需要根据实际现场的照明情况进行调整。
优选的，步骤S2中所述的二级阈值为现场设置，且现场设置的二级阈值为3800，阈值的设置并非固定，设备装调前需要根据实际现场的照明情况进行调整。
优选的，步骤S3判断区块是否满足有一定大小为宽W＞200、高H＞200，且满足一定大小的条件为宽W＞200的同时且满足高H＞200其中高度和宽度的单位为像素，设置的数值大小与目标物的尺寸和成像系统的放大倍率有关，为通过单位换算后为最大目标物的五十分之一左右。
本发明提出的基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，有益效果在于：本方案首先通过计算采集图像的三阶矩评价参数，然后利用预先设置的阈值将小于阈值的无矸石图像过滤，不进行后续计算,通过无矸图像过滤，去除了对大部分无矸图像的BLOB分析计算，大幅减少了无效计算时间；对于大于阈值的采集图像进行BLOB分析，完成后获取疑似目标的区域范围、中心位置等几何特征，最后对区域范围内的图像内容进行精确判断来识别是否是煤矸石，因此通过该方法，能够由全图幅分析过渡到局部关注区域精确分析判断，减少背景和杂散物对识别的干扰，有效识别出煤矸石，进而有利于进行推广应用。
附图说明
图1为本发明提出的基于无矸图像过滤和BLOB分析的煤矸石识别分拣法的流程框图。
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。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、 “外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1
参照图1，基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，包括如下步骤：
S1、无矸图像过滤
在传送煤炭的传送线上设置视觉暗箱，煤炭经过视觉暗箱时视觉暗箱内的工业相机对煤炭进行图像采集，采集的图像经千兆网网线由千兆网卡传送给工控机；工控机对接收的图像使用计算机软件计算图像三阶矩评价获得图像的三阶矩评价值，将图像的三阶矩评价值与设定的初始阈值进行比较，当评价值小于初始阈值时，判断传送线的当前位置上为非煤矸石，当评价值大于初始阈值时，判断传送线的当前位置上可能存在煤矸石；进行进一步的精准识别；
S2、精准识别
针对步骤S1中传送线的当前位置上可能存在煤矸石的情况，再进一步的对步骤S1中的图像进行BLOB分析，并得到最大分区的左上角的点的坐标、分布的宽度和高度；对分区所在的区域范围进行三阶矩局部评价，当三阶矩的评价值小于设定的二级阈值时，认为图像中无煤矸石，当三阶矩的评价值大于设定的二级阈值时，进一步的判断区块是否满足有一定大小，如果不满足，为非煤矸石，如果满足，判断为煤矸石，进一步的判断当前图像中的物体中心与图像中心的中心距是否小于阈值，其中物体中心与图像中心的中心距在图中表达为DS、阈值在图中表达为DT，DS大于DT为还未到达预定位置，不做处理；如果DS小于DT为已经接近图像中心，进一步的判断当前矸石是否为标记的已经发送指令的矸石，如是，不做处理，如不是，发送拣矸指令；
S3、机器人拣矸
机器人在接收到步骤S2的拣矸指令后，根据步骤S1的传送线传送速度以及机器人距视觉暗箱的距离，进行拣矸动作并实现分离煤矸石。
步骤S1中所述的初始阈值为现场设置，且现场设置的初始阈值为1200，阈值的设置并非固定，设备装调前需要根据实际现场的照明情况进行调整。
步骤S2中所述的二级阈值为现场设置，且现场设置的二级阈值为3800，阈值的设置并非固定，设备装调前需要根据实际现场的照明情况进行调整。
步骤S3判断区块是否满足有一定大小为宽W＞200、高H＞200，且满足一定大小的条件为宽W＞200的同时且满足高H＞200，其中高度和宽度的单位为像素，设置的数值大小与目标物的尺寸和成像系统的放大倍率有关，为通过单位换算后为最大目标物的五十分之一左右。
综上所述：本发明首先通过计算采集图像的三阶矩评价参数，然后利用预先设置的阈值将小于阈值的无矸石图像过滤，不进行后续计算,通过无矸图像过滤，去除了对大部分无矸图像的BLOB分析计算，大幅减少了无效计算时间；对于大于阈值的采集图像进行BLOB分析，完成后获取疑似目标的区域范围、中心位置等几何特征，最后对区域范围内的图像内容进行精确判断来识别是否是煤矸石，因此通过本发明，能够由全图幅分析过渡到局部关注区域精确分析判断，减少背景和杂散物对识别的干扰，有效识别出煤矸石，进而有利于进行推广应用。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，其特征在于，包括如下步骤：
S1、无矸图像过滤
在传送煤炭的传送线上设置视觉暗箱，煤炭经过视觉暗箱时视觉暗箱内的工业相机对煤炭进行图像采集，采集的图像经千兆网网线由千兆网卡传送给工控机；工控机对接收的图像使用计算机软件计算图像三阶矩评价获得图像的三阶矩评价值，将图像的三阶矩评价值与设定的初始阈值进行比较，当评价值小于初始阈值时，判断传送线的当前位置上为非煤矸石，当评价值大于初始阈值时，判断传送线的当前位置上可能存在煤矸石；进行进一步的精准识别；
S2、精准识别
针对步骤S1中传送线的当前位置上可能存在煤矸石的情况，再进一步的对步骤S1中的图像进行BLOB分析，并得到最大分区的左上角的点的坐标、分布的宽度和高度；对分区所在的区域范围进行三阶矩局部评价，当三阶矩的评价值小于设定的二级阈值时，认为图像中无煤矸石，当三阶矩的评价值大于设定的二级阈值时，进一步的判断区块是否满足有一定大小，如果不满足，为非煤矸石，如果满足，判断为煤矸石，进一步的判断当前图像中的物体中心与图像中心的中心距是否小于阈值，大于阈值为还未到达预定位置，不做处理；如果小于阈值为已经接近图像中心，进一步的判断当前矸石是否为标记的已经发送指令的矸石，如是，不做处理，如不是，发送拣矸指令；
S3、机器人拣矸
机器人在接收到步骤S2的拣矸指令后，根据步骤S1的传送线传送速度以及机器人距视觉暗箱的距离，进行拣矸动作并实现分离煤矸石。
2.根据权利要求1所述的基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，其特征在于，步骤S1中所述的初始阈值为现场设置，主要根据现场实际照明情况进行设置，目前设备设置的初始阈值为1200。
3.根据权利要求1所述的基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，其特征在于，步骤S2中所述的二级阈值为现场设置，主要根据现场实际照明情况进行设置，目前设备现场设置的二级阈值为3800。
4.根据权利要求1所述的基于无矸图像过滤和BLOB分析的煤矸石识别分拣法，其特征在于，步骤S3判断区块是否满足有一定大小为宽W＞200、高H＞200，且满足一定大小的条件为宽W＞200的同时且满足高H＞200，其中高度和宽度的单位为像素，设置的数值大小与目标物的尺寸和成像系统的放大倍率有关，为通过单位换算后为最大目标物的五十分之一左右。
CN201911262249.9A 2019-12-10 2019-12-10 基于无矸图像过滤和blob分析的煤矸石识别分拣法 Active CN111036576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911262249.9A CN111036576B (zh) 2019-12-10 2019-12-10 基于无矸图像过滤和blob分析的煤矸石识别分拣法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911262249.9A CN111036576B (zh) 2019-12-10 2019-12-10 基于无矸图像过滤和blob分析的煤矸石识别分拣法

Publications (2)

Publication Number Publication Date
CN111036576A CN111036576A (zh) 2020-04-21
CN111036576B true CN111036576B (zh) 2021-06-22

Family

ID=70235739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911262249.9A Active CN111036576B (zh) 2019-12-10 2019-12-10 基于无矸图像过滤和blob分析的煤矸石识别分拣法

Country Status (1)

Country Link
CN (1) CN111036576B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111570332B (zh) * 2020-05-21 2021-12-24 广东弓叶科技有限公司 人机协作分选系统及其作业方法
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
CN112588609B (zh) * 2020-12-11 2023-07-21 精英数智科技股份有限公司 煤矸分选方法、装置及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521572A (zh) * 2011-12-09 2012-06-27 中国矿业大学 一种煤和矸石的图像识别方法
CN103752533A (zh) * 2014-01-23 2014-04-30 河北联合大学 图像法煤矸在线分选方法和装置
CN104463199A (zh) * 2014-11-28 2015-03-25 福州大学 基于多特征及分割再校正的矿岩块度分类方法
CN105944976A (zh) * 2016-05-16 2016-09-21 陕西科技大学 一种利用数字图像处理技术分拣大块煤矸石的方法及装置
CN107127757B (zh) * 2017-05-24 2023-03-31 西安科技大学 一种多机器人协作柔索驱动拣矸装备动态任务分配方法
CN108460793A (zh) * 2018-03-28 2018-08-28 中国矿业大学(北京) X射线图像的分形维数确定方法及煤矸的分选方法
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

Also Published As

Publication number Publication date
CN111036576A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN111036576B (zh) 基于无矸图像过滤和blob分析的煤矸石识别分拣法
CN106951879B (zh) 基于摄像头与毫米波雷达的多特征融合车辆检测方法
CN112419297B (zh) 一种螺栓松动检测方法、装置、设备及存储介质
CN102393397B (zh) 一种磁瓦表面缺陷检测系统及其检测方法
CN103986906B (zh) 基于监控视频的开关门检测方法
KR101104625B1 (ko) 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법
CN113184707B (zh) 一种基于激光视觉融合和深度学习的集卡防吊起方法、系统
CN110633671A (zh) 基于深度图像的公交车客流实时统计方法
CN112528979A (zh) 变电站巡检机器人障碍物判别方法及系统
CN115880296B (zh) 基于机器视觉的预制构件质量检测方法及装置
CN113513991B (zh) 一种电池极片毛刺高度检测方法及装置
CN114638835B (zh) 一种基于深度相机的轨枕异物检测方法
CN115035391B (zh) 垃圾桶满溢判别方法以及判别系统
CN110921154A (zh) 一种控制垃圾回收巡逻车的方法、装置及垃圾回收巡逻车
CN110796654A (zh) 一种引导线检测方法、装置、设备、轮胎吊及介质
CN113569943B (zh) 一种基于深度神经网络的渣片大块预警方法、系统及装置
CN114257736A (zh) 一种工件自适应拍摄方法
CN116863249A (zh) 基于人工智能的煤矿传送带跑偏识别方法
CN114782561B (zh) 基于大数据的智慧农业云平台监控系统
CN111507341A (zh) 一种目标边界框的调整方法、装置、设备及存储介质
CN115937835A (zh) 铝土矿分拣方法、装置、终端设备和存储介质
CN113569701B (zh) 多传感器融合的障碍物感知智能车检测算法
CN115588051A (zh) 矿石加工环节的激光雷达和相机空间位置自动标定方法
CN113066041A (zh) 一种基于栈稀疏自编码深度学习的路面裂缝检测方法
CN110956616A (zh) 一种基于立体视觉的目标检测方法及系统

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