CN111299187B - 建筑垃圾识别方法及建筑垃圾分选设备 - Google Patents
建筑垃圾识别方法及建筑垃圾分选设备 Download PDFInfo
- Publication number
- CN111299187B CN111299187B CN202010257160.XA CN202010257160A CN111299187B CN 111299187 B CN111299187 B CN 111299187B CN 202010257160 A CN202010257160 A CN 202010257160A CN 111299187 B CN111299187 B CN 111299187B
- Authority
- CN
- China
- Prior art keywords
- ray
- waste
- construction waste
- rays
- image
- 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
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
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- 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
-
- 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
- B07C2501/0054—Sorting of waste or refuse
-
- 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)
- Multimedia (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开一种建筑垃圾识别方法,包括:获取建筑垃圾的2D图像,由2D图像获得各垃圾轮廓,并判断垃圾的材质;获取建筑垃圾的X射线图像,依据垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质;对前述步骤的判断结果进行加权运算,得到最终的垃圾材质。另,本发明还公开一种建筑垃圾分选设备,其采用上述建筑垃圾识别方法识别可回收垃圾和杂质,其处理装置还识别2D图像所包含的各垃圾在2D图像中的位置并将识别到材质为杂质的垃圾的位置发送至机器人,机器人依据处理装置发送的位置和编码器发送的建筑垃圾在输送机构的实时位置抓取杂质,杂质和可回收垃圾识别准确性高,且不会对人体造成过大损伤。
Description
技术领域
本发明涉及建筑垃圾识别分选技术领域,尤其涉及一种建筑垃圾识别方法及建筑垃圾分选设备。
背景技术
在建筑垃圾的处理过程中,大块的砖头、石块、混凝土等废料经破碎、筛分后,得到的骨料可以广泛应用于免烧砖、道路基础、建筑等行业。但建筑垃圾中可能还会含有塑料、织物、废纸、橡胶等物料,这些物料需要作为杂质挑选出来,以提升骨料的纯度。
现阶段,主要通过以下两种方式挑选杂质:方式一,在建筑垃圾的输送线上,通过人工将塑料、织物、废纸、橡胶等物料挑选出来,留下砖头、石块、混凝土等可回收物料用来生成骨料,该方式耗费人力多,效率低下,且建筑灰尘也会对人体健康造成危害;方式二,采用视觉装置识别出塑料、织物、废纸、橡胶等杂质,然后利用机器人分拣出杂质,由于建筑垃圾上往往会覆有比较多的灰尘,仅通过视觉进行判断容易将杂质与石头、砖头等可回收物料混淆,无法准确识别出杂质。
发明内容
本发明的目的在于提供一种能够准确识别建筑垃圾中的杂质的建筑垃圾识别方法。
本发明的另一目的在于提供一种能够准确识别建筑垃圾中的杂质并进行分选的建筑垃圾分选设备。
为了实现上述目的,本发明公开了一种建筑垃圾识别方法,包括步骤:
(1)获取建筑垃圾的2D图像,由所述2D图像获得各垃圾轮廓,并判断垃圾的材质;
(2)获取建筑垃圾的X射线图像,依据所述垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质;
(3)对步骤(1)和步骤(2)的判断结果进行加权运算,得到最终的垃圾材质。
与现有技术相比,本发明采用2D相机和X射线相结合的方式,首先通过2D图像采集来找到各垃圾的轮廓,并判断垃圾的材质;然后利用X射线的透射原理,通过X射线透射建筑垃圾获取经建筑垃圾衰减后的X射线图像,再依据垃圾轮廓对应的垃圾对X射线的透射率来判断该垃圾的材质,最后综合由2D图像和X射线图像判断出的垃圾材质得出最终的垃圾材质,建筑垃圾材质识别准确性高,且不会对人体造成过大损伤。此外,利用2D图像来获得各垃圾的轮廓,在通过X射线图像对垃圾的材质进行判断时,可以直接利用2D图像获得的垃圾轮廓,相较于通过X射线图像获取垃圾轮廓的方式更加简单和准确(由于X射线穿透性强,对于塑料、废纸等较薄的杂质,由X射线图像较难获取垃圾轮廓)。
在一实施例中,步骤(2)具体为:获取建筑垃圾的X射线灰度图;由所述X射线灰度图获得所述垃圾轮廓区域内各像素点的灰度值;依据各像素点的灰度值判断垃圾的材质。
在另一实施例中,步骤(2)具体为:获取建筑垃圾的X射线伪彩图;依据所述X射线伪彩图的颜色信息判断所述垃圾轮廓对应的垃圾的材质。
为了实现上述目的,本发明还公开了一种建筑垃圾分选设备,包括2D相机、X射线发射源、X射线探测器、处理装置、输送机构、编码器及机器人,所述2D相机、X射线发射源沿建筑垃圾的输送方向依次设置在所述输送机构的上方,所述X射线探测器设置在所述输送机构的下方,其中,所述2D相机获取建筑垃圾的2D图像并发送至所述处理装置;所述X射线发射源发出X射线照射建筑垃圾,所述X射线探测器接收经所述建筑垃圾衰减后的X射线并转化成数字信号传送至所述处理装置;所述处理装置执行:由所述2D图像获得各垃圾轮廓、位置,并判断垃圾的材质;接收所述X射线探测器发送的数字信号并生成X射线图像,依据所述垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质;对由所述2D图像和X射线图像判断出的垃圾材质进行加权运算,得到最终的垃圾材质;将材质为杂质的垃圾在所述2D图像中的位置发送至所述机器人;所述编码器安装在所述输送机构,用以获取2D图像对应的建筑垃圾在输送机构的实时位置并发送至所述机器人;所述机器人依据所述处理装置和编码器发送的位置抓取杂质。
与现有技术相比,本发明采用2D相机和X射线相结合的方式,首先通过2D图像采集来找到各垃圾的轮廓,并判断垃圾的材质;然后利用X射线的透射原理,通过X射线透射建筑垃圾获取经建筑垃圾衰减后的X射线图像,再依据垃圾轮廓对应的垃圾对X射线的透射率来判断该垃圾的材质,然后综合由2D图像和X射线图像判断出的垃圾材质得出最终的垃圾材质,最后将杂质在2D图像中的位置发送至机器人以进行杂质抓取,建筑垃圾材质识别准确性高,有利于获得高纯度的骨料。此外,利用2D图像来获得各垃圾的轮廓,在通过X射线图像对垃圾的材质进行判断时,可以直接利用2D图像获得的垃圾轮廓,相较于通过X射线图像获取垃圾轮廓的方式更加简单和准确(由于X射线穿透性强,对于塑料、废纸等较薄的杂质,由X射线图像较难获取垃圾轮廓)。
较佳地,所述处理装置还由所述2D图像获得各垃圾的姿态并将材质为杂质的垃圾的姿态发送至所述机器人,所述机器人依据杂质的姿态旋转对应的角度以使其夹爪可以沿杂质的短边进行抓取。
在一实施例中,所述X射线发射源发出单一能量的X射线照射建筑垃圾,所述X射线探测器接收衰减后的单一能量的X射线并转化成数字信号传送至所述处理装置,所述处理装置生成X射线灰度图,由所述X射线灰度图获得所述垃圾轮廓区域内各像素点的灰度值,并依据各像素点的灰度值判断垃圾的材质。
在另一实施例中,所述X射线发射源先后发出低能X射线和高能X射线照射建筑垃圾,所述高能X射线较所述低能X射线的能量高,所述X射线探测器依次接收衰减后的所述低能X射线和高能X射线并转化成数字信号传送至所述处理装置,所述处理装置生成X射线伪彩图,依据所述X射线伪彩图的颜色信息判断所述垃圾轮廓对应的垃圾的材质。
具体地,所述X射线发射源包括两X射线发射器,两所述X射线发射器分别用于发出低能X射线和高能X射线;所述X射线探测器包括两X射线接收器,两所述X射线接收器分别与两所述X射线发射器呈上下相对,两所述X射线接收器分别用于接收衰减后的所述低能X射线和高能X射线。
较佳地,所述的建筑垃圾分选设备还包括编码器脉冲分配器,所述编码器脉冲分配器与所述编码器连接,所述2D相机、X射线探测器、机器人分别接所述编码器脉冲分配器并依据设定的脉冲间隔动作。
较佳地,所述处理装置为工控机,所述处理装置通过交换机与所述2D相机、X射线探测器及机器人分别通信连接,所述2D相机为2D线阵彩色相机。
附图说明
图1是本发明实施例建筑垃圾识别方法的流程图。
图2是本发明实施例建筑垃圾分选设备的部分组成结构示意图。
图3是本发明实施例建筑垃圾分选设备的部分组成结构示意图。
图4是本发明实施例建筑垃圾分选设备的部分组成结构示意图。
具体实施方式
为详细说明本发明的内容、构造特征、所实现目的及效果,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作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。
请参阅图1,本实施例提供一种建筑垃圾识别方法,包括以下步骤:
(1)获取建筑垃圾的2D图像,由2D图像获得各垃圾轮廓,并判断垃圾的材质;具体的,可以采用2D相机拍摄建筑垃圾来获得建筑垃圾的2D图像,其中,一张2D图像中可能包含有不同的垃圾(可回收垃圾和杂质),对2D图像进行预处理后利用深度学习的方式来获得2D图像中所包含的各个垃圾的轮廓和材质,具体可以包括:将2D图像输入神经网络(ResNeXt等)获得对应的卷积特征图;然后对卷积特征图中的每一点设定预设个ROI(region ofinterest),获得多个候选ROI;接着,将候选ROI送入RPN网络进行二值分类(前景或背景)和BB回归,以过滤掉一部分候选的ROI,即得到包含垃圾的区域;对过滤剩下的ROI进行ROIAlign操作(即先将原图和卷积特征图的像素对应起来,然后将卷积特征图和设定的特征对应起来);最后,对这些ROI进行分类(N类别分类)、BB回归和MASK生成,从而获得垃圾的2D轮廓和材质(现有技术)。
(2)获取建筑垃圾的X射线图像,依据垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质;具体的,可以利用X射线发射源发射X射线照射建筑垃圾,然后利用X射线探测器接收经建筑垃圾衰减后的X射线并转化成数字信号传送至处理装置,再利用处理装置生成X射线图像并进行材质判断。
(3)对步骤(1)和步骤(2)的判断结果进行加权运算,得到最终的垃圾材质。其中,步骤(1)和步骤(2)的判断结果的权重分配以使垃圾材质判断结果更为准确为准,例如,针对一些场合的建筑垃圾,若利用X射线的透射原理更易得到准确的材质判断结果,则给步骤(2)的判断结果赋予较大的权重,而给步骤(1)的判断结果赋予较小的权重;反之,则给步骤(2)的判断结果赋予较小的权重,而给步骤(1)的判断结果赋予较大的权重。在一些实施例中,步骤(1)和步骤(2)将分析获得的信息与判断基准进行比对以获得垃圾材质时,若两个步骤中获得的信息与判断基准的差距呈两个相反的极端,甚至可以摒弃该次判断结果重新执行步骤(1)和步骤(2)进行材质判断。
在一些实施例中,步骤(2)具体包括:(21)获取建筑垃圾的X射线灰度图;(22)由X射线灰度图获得垃圾轮廓区域内各像素点的灰度值;(23)依据各像素点的灰度值判断垃圾的材质,具体为将各像素点的灰度值分别与灰度阈值进行比较,若灰度值大于灰度阈值,判断该像素点的材质为杂质(塑料、织物、废纸、橡胶等杂质为有机物,通常密度较小、厚度小,X射线透射率高,灰度值大);若灰度值小于灰度阈值,判断该像素点的材质为可回收垃圾(砖头、石块等为无机物,通常密度较大、厚度大,X射线透射率低,灰度值小),然后将垃圾轮廓区域内多数像素点的材质作为该垃圾的材质,即若识别到垃圾轮廓区域内材质为杂质的像素点多于材质为可回收垃圾的像素点,则将该垃圾的材质判断为杂质。通过识别每一像素点的材质,然后综合考虑垃圾轮廓区域内所有像素点的材质来判定建筑垃圾的材质,建筑垃圾识别结果更加准确,且通过灰度值进行材质识别的方式也更为简单快捷。
在另一些实施例中,步骤(2)具体包括:(21)获取建筑垃圾的X射线伪彩图;(22)依据X射线伪彩图的颜色信息判断垃圾轮廓对应的垃圾的材质,即是通过将X射线伪彩图的颜色信息与颜色基准进行比对,得到垃圾的材质,该方式能够更准确识别出垃圾的材质。
请参阅图2至图4,本实施例提供一种建筑垃圾分选设备,其适用于识别建筑垃圾中的杂质(塑料、织物、废纸、橡胶等有机物)和可回收垃圾(砖头、石块、混凝土等无机物)并抓取杂质,以使得建筑垃圾中仅剩下砖头、石块、混凝土等可回收垃圾,进而获得高纯度的骨料。具体的,建筑垃圾分选设备包括2D相机1、X射线发射源2、X射线探测器3、处理装置4、输送机构5、编码器6及机器人7,其中,输送机构5为输送带,其用于输送建筑垃圾,2D相机1、X射线发射源2、机器人7沿建筑垃圾的输送方向依次设置在输送机构5的一侧,2D相机1、X射线发射源2位于输送机构5的上方,X射线探测器3位于输送机构5的下方并与X射线发射源2上下相对。2D相机1获取建筑垃圾的2D图像并发送至处理装置4,处理装置4由2D图像获得各垃圾轮廓、位置及姿态,并判断垃圾的材质(如何获得一2D图像中包含的各个垃圾的轮廓、位置、姿态及材质等为现有技术);X射线发射源2发出X射线照射建筑垃圾,X射线探测器3接收经建筑垃圾衰减后的X射线并转化成数字信号传送至处理装置4,处理装置4生成X射线图像,依据垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质,并对由2D图像和X射线图像判断出的垃圾材质进行加权运算,得到最终的垃圾材质,而后将材质为杂质的垃圾在2D图像中的位置和姿态发送至机器人7;编码器6安装在输送机构5,其用以获取2D图像对应的建筑垃圾在输送机构5的实时位置(现有技术)并发送至机器人7;机器人7依据处理装置4和编码器6发送的位置抓取杂质;进一步地,机器人7依据杂质的姿态旋转对应的角度后抓取杂质,例如,对于长方体的杂质,旋转至其夹爪可以沿杂质的短边进行抓取,可以减小机器人7的夹爪的开合角度,也能实现更稳定地抓取杂质。
其中,处理装置4为工控机,处理装置4通过交换机8与2D相机1、X射线探测器3及机器人7分别通信连接以接收2D相机1、X射线探测器3发送的信息及给机器人7发送杂质位置、姿态及控制指令。优选的,X射线探测器3为X射线线阵探测器,2D相机1为2D线阵彩色相机,实施更加方便。
在一些实施例中,X射线发射源2发出单一能量的X射线照射建筑垃圾,X射线探测器3接收衰减后的单一能量的X射线并转化成数字信号传送至处理装置4,处理装置4生成X射线灰度图,由X射线灰度图获得垃圾轮廓区域内各像素点的灰度值;并依据各像素点的灰度值判断垃圾的材质,具体为将各像素点的灰度值分别与灰度阈值进行比较,若灰度值大于灰度阈值,判断该像素点的材质为杂质(塑料、织物、废纸、橡胶等杂质为有机物,通常密度较小、厚度小,X射线透射率高,灰度值大),若灰度值小于灰度阈值,判断该像素点的材质为可回收垃圾(砖头、石块等为无机物,通常密度较大、厚度大,X射线透射率低,灰度值小),然后将垃圾轮廓区域内多数像素点的材质作为该垃圾的材质,即若识别到垃圾轮廓区域内材质为杂质的像素点多于材质为可回收垃圾的像素点,则将该垃圾的材质判断为杂质。通过识别每一像素点的材质,然后综合考虑垃圾轮廓区域内所有像素点的材质来判定建筑垃圾的材质,建筑垃圾识别结果更加准确,且通过灰度值进行材质识别的方式也更为简单快捷。
在一些实施例中,X射线发射源2先后发出低能X射线和高能X射线照射建筑垃圾,高能X射线较低能X射线能量高,X射线探测器3依次接收衰减后的低能X射线和高能X射线并转化成数字信号传送至处理装置4,处理装置4生成X射线伪彩图,依据X射线伪彩图的颜色信息判断垃圾轮廓对应的垃圾的材质,即是通过将X射线伪彩图的颜色信息与颜色基准进行比对,得到垃圾的材质,该方式能够更准确识别出垃圾的材质。
具体的,X射线发射源2包括沿建筑垃圾的输送方向依次设置的两X射线发射器,两X射线发射器分别用于发出低能X射线和高能X射线以照射建筑垃圾;X射线探测器3包括两分别与两X射线发射器呈上下相对的X射线接收器,两X射线接收器分别用于接收衰减后的低能X射线和高能X射线以得到低能数据和高能数据。由于低原子序数物质的质量衰减系数随能量增加下降较快,高原子序数物质的质量衰减系数随能量增加下降较缓慢,在双能方式下(低能+高能),同一原子序数物质对低能X射线和高能X射线的吸收程度是不同的,通过分析高低两种能量的X射线穿过同一垃圾的透明度,依据X射线在不同垃圾中衰减程度不同的特性,来确定该垃圾属于有机物(杂质)还是无机物(可回收垃圾),并生成伪彩图,材质判断结果更加准确。此外,还可以采用一个具有一定能谱宽度的多能X射线发射源,先用低能X射线探测器接收衰减后的X射线得到低能数据,通过低能滤波器过滤后,再由利用高能X射线探测器接收X射线,得到高能数据。
在一实施例中,是通过R值的大小来判断垃圾的材质,计算公式如下:
R=ln(Ioh/Ih)/ln(Iol/Il);
其中,Ioh为高能X射线入射光强度,Ih为高能X射线出射光强度,Iol为低能X射线入射光强度,Il为低能X射线出射光强度。若R小于判断阈值Ro,则将该垃圾的材质判定为有机物(杂质),反之,则将该垃圾的材质判定为无机物(可回收垃圾)。
请参阅图4,作为优选实施例,建筑垃圾分选设备还包括编码器脉冲分配器9,编码器脉冲分配器9与编码器6连接,2D相机1、X射线探测器3、机器人7分别接编码器脉冲分配器9,当接收到处理装置4发出的采集信号后,2D相机1和X射线探测器3同时根据各自设定的编码器脉冲间隔进行图像采集,同时,机器人7也依据处理装置4发送的杂质位置、姿态及编码器6发送的建筑垃圾实时位置对杂质进行抓取。借此设计,可以提高2D相机1和X射线图像匹配的精确度,同时避免输送机构5的速度波动对图像造成失真和导致2D相机1与X射线图像不同步。
以上所揭露的仅为本发明的优选实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明申请专利范围所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种建筑垃圾识别方法,其特征在于,包括步骤:
(1)获取建筑垃圾的2D图像,由所述2D图像获得各垃圾轮廓,并判断垃圾的材质;
(2)获取建筑垃圾的X射线图像,依据所述垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质;
(3)对步骤(1)和步骤(2)的判断结果进行加权运算,得到最终的垃圾材质。
2.如权利要求1所述的建筑垃圾识别方法,其特征在于,步骤(2)具体为:
获取建筑垃圾的X射线灰度图;
由所述X射线灰度图获得所述垃圾轮廓区域内各像素点的灰度值;
依据各像素点的灰度值判断垃圾的材质。
3.如权利要求1所述的建筑垃圾识别方法,其特征在于,步骤(2)具体为:
获取建筑垃圾的X射线伪彩图;
依据所述X射线伪彩图的颜色信息判断所述垃圾轮廓对应的垃圾的材质。
4.一种建筑垃圾分选设备,其特征在于,包括2D相机、X射线发射源、X射线探测器、处理装置、输送机构、编码器及机器人,所述2D相机、X射线发射源沿建筑垃圾的输送方向依次设置在所述输送机构的上方,所述X射线探测器设置在所述输送机构的下方,其中,所述2D相机获取建筑垃圾的2D图像并发送至所述处理装置;所述X射线发射源发出X射线照射建筑垃圾,所述X射线探测器接收经所述建筑垃圾衰减后的X射线并转化成数字信号传送至所述处理装置;所述处理装置执行:由所述2D图像获得各垃圾轮廓、位置,并判断垃圾的材质;接收所述X射线探测器发送的数字信号并生成X射线图像,依据所述垃圾轮廓对应的区域对X射线的透射率判断垃圾的材质;对由所述2D图像和X射线图像判断出的垃圾材质进行加权运算,得到最终的垃圾材质;将材质为杂质的垃圾在所述2D图像中的位置发送至所述机器人;所述编码器安装在所述输送机构,用以获取2D图像对应的建筑垃圾在输送机构的实时位置并发送至所述机器人;所述机器人依据所述处理装置和编码器发送的位置抓取杂质。
5.如权利要求4所述的建筑垃圾分选设备,其特征在于,所述处理装置还由所述2D图像获得各垃圾的姿态并将材质为杂质的垃圾的姿态发送至所述机器人,所述机器人依据杂质的姿态旋转对应的角度以使其夹爪可以沿杂质的短边进行抓取。
6.如权利要求4所述的建筑垃圾分选设备,其特征在于,所述X射线发射源发出单一能量的X射线照射建筑垃圾,所述X射线探测器接收衰减后的单一能量的X射线并转化成数字信号传送至所述处理装置,所述处理装置生成X射线灰度图,由所述X射线灰度图获得所述垃圾轮廓区域内各像素点的灰度值,并依据各像素点的灰度值判断垃圾的材质。
7.如权利要求4所述的建筑垃圾分选设备,其特征在于,所述X射线发射源先后发出低能X射线和高能X射线照射建筑垃圾,所述高能X射线较所述低能X射线的能量高,所述X射线探测器依次接收衰减后的所述低能X射线和高能X射线并转化成数字信号传送至所述处理装置,所述处理装置生成X射线伪彩图,依据所述X射线伪彩图的颜色信息判断所述垃圾轮廓对应的垃圾的材质。
8.如权利要求7所述的建筑垃圾分选设备,其特征在于,所述X射线发射源包括两X射线发射器,两所述X射线发射器分别用于发出低能X射线和高能X射线;所述X射线探测器包括两X射线接收器,两所述X射线接收器分别与两所述X射线发射器呈上下相对,两所述X射线接收器分别用于接收衰减后的所述低能X射线和高能X射线。
9.如权利要求4所述的建筑垃圾分选设备,其特征在于,还包括编码器脉冲分配器,所述编码器脉冲分配器与所述编码器连接,所述2D相机、X射线探测器、机器人分别接所述编码器脉冲分配器并依据设定的脉冲间隔动作。
10.如权利要求4所述的建筑垃圾分选设备,其特征在于,所述处理装置为工控机,所述处理装置通过交换机与所述2D相机、X射线探测器及机器人分别通信连接,所述2D相机为2D线阵彩色相机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257160.XA CN111299187B (zh) | 2020-04-03 | 2020-04-03 | 建筑垃圾识别方法及建筑垃圾分选设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257160.XA CN111299187B (zh) | 2020-04-03 | 2020-04-03 | 建筑垃圾识别方法及建筑垃圾分选设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111299187A CN111299187A (zh) | 2020-06-19 |
CN111299187B true CN111299187B (zh) | 2021-11-12 |
Family
ID=71155498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010257160.XA Active CN111299187B (zh) | 2020-04-03 | 2020-04-03 | 建筑垃圾识别方法及建筑垃圾分选设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111299187B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022102135A1 (ja) * | 2020-11-16 | 2022-05-19 | 株式会社Fuji | 異物除去システム |
CN113911586B (zh) * | 2021-12-09 | 2022-03-18 | 四川大学 | 智能垃圾分拣系统及分拣方法 |
CN114674850A (zh) * | 2021-12-22 | 2022-06-28 | 中核建中核燃料元件有限公司 | 基于数字dr成像技术识别特种粉体物料中夹杂物的方法 |
CN115026015A (zh) * | 2022-06-10 | 2022-09-09 | 东北大学 | 一种基于图像处理的地面垃圾检测系统 |
CN115641467B (zh) * | 2022-09-30 | 2024-07-05 | 北京霍里思特科技有限公司 | 一种矿石中杂质的识别方法、装置、介质及电子设备 |
CN116523911B (zh) * | 2023-07-03 | 2023-09-12 | 湖南融城环保科技有限公司 | 一种建筑垃圾再生骨料生产监控系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0881038A (ja) * | 1994-09-14 | 1996-03-26 | Hitachi Medical Corp | ごみ処理施設におけるごみ搬送装置 |
CN201508337U (zh) * | 2009-07-03 | 2010-06-16 | 公安部第一研究所 | 具有真实双能量的多视角x射线行李爆炸物自动探测装置 |
CN204934041U (zh) * | 2015-07-31 | 2016-01-06 | 泉州装备制造研究所 | 基于多种检测方式的块状固体建筑垃圾分拣系统 |
CN205020424U (zh) * | 2015-09-25 | 2016-02-10 | 重庆科技学院 | 基于x射线成像的矿物分选装置及矿物分选设备 |
CN110516570A (zh) * | 2019-08-15 | 2019-11-29 | 东莞弓叶互联科技有限公司 | 一种基于视觉的垃圾分类识别方法和装置 |
-
2020
- 2020-04-03 CN CN202010257160.XA patent/CN111299187B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0881038A (ja) * | 1994-09-14 | 1996-03-26 | Hitachi Medical Corp | ごみ処理施設におけるごみ搬送装置 |
CN201508337U (zh) * | 2009-07-03 | 2010-06-16 | 公安部第一研究所 | 具有真实双能量的多视角x射线行李爆炸物自动探测装置 |
CN204934041U (zh) * | 2015-07-31 | 2016-01-06 | 泉州装备制造研究所 | 基于多种检测方式的块状固体建筑垃圾分拣系统 |
CN205020424U (zh) * | 2015-09-25 | 2016-02-10 | 重庆科技学院 | 基于x射线成像的矿物分选装置及矿物分选设备 |
CN110516570A (zh) * | 2019-08-15 | 2019-11-29 | 东莞弓叶互联科技有限公司 | 一种基于视觉的垃圾分类识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111299187A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111299187B (zh) | 建筑垃圾识别方法及建筑垃圾分选设备 | |
Gundupalli et al. | A review on automated sorting of source-separated municipal solid waste for recycling | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
EP1670597B1 (en) | Apparatus for, and method of, classifying objects in a waste stream | |
CN110186940B (zh) | 安检识别方法、装置、计算机设备和存储介质 | |
CN103221151B (zh) | 用于对来自松散物料的物体进行单粒分选的方法和装置 | |
CN109187606B (zh) | 一种复合式违禁品智能化精密检测装备和检测方法 | |
JP7514413B2 (ja) | 廃棄物選別装置 | |
US4600105A (en) | Method and apparatus for sorting objects of ore by monitoring reflected radiation | |
CN102937599A (zh) | 一种通过x射线检测含金属被测物的无损检测系统和方法 | |
CN112222015A (zh) | 一种双视角成像的原煤预排矸装置及方法 | |
WO2021087962A1 (zh) | 一种限制品自动识别装置及方法 | |
CN111539251B (zh) | 一种基于深度学习的安检物品识别方法和系统 | |
CN112264329A (zh) | 一种异物检测装置及方法 | |
CN112090782A (zh) | 一种人机协同式垃圾分拣系统及方法 | |
CN115035045A (zh) | 一种基于高分辨率X-Ray图像的异物智能检测方法及系统 | |
CN114535133A (zh) | 基于双能射线透射成像的煤和矸石分选方法、装置及系统 | |
Kim et al. | Automated quality assessment of stone aggregates based on laser imaging and a neural network | |
EP4062471B1 (en) | Spent or decommissioned accumulator treatment plant and process | |
CN213855792U (zh) | 一种煤矸石识别与分拣装置 | |
Li et al. | An intelligent identification and classification system of decoration waste based on deep learning model | |
CN218743310U (zh) | 一种多视觉融合的智能分选设备 | |
CN111476769A (zh) | 物件识别方法、装置及煤矸石分选设备 | |
CN110766642A (zh) | 一种去伪影方法 | |
CN108535287A (zh) | 基于X-Ray成像技术异物检测系统、方法以及装置 |
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 |