CN111476769A - 物件识别方法、装置及煤矸石分选设备 - Google Patents
物件识别方法、装置及煤矸石分选设备 Download PDFInfo
- Publication number
- CN111476769A CN111476769A CN202010257188.3A CN202010257188A CN111476769A CN 111476769 A CN111476769 A CN 111476769A CN 202010257188 A CN202010257188 A CN 202010257188A CN 111476769 A CN111476769 A CN 111476769A
- Authority
- CN
- China
- Prior art keywords
- processing device
- thickness
- pixel point
- gray value
- ray
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开一种物件识别方法,包括:获取物件的X射线图像,对X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;获取物件的3D点云,依据物件轮廓区域内3D点云的高度获得物件的厚度;依据各像素点的灰度值和物件厚度识别物件的材质。另,本发明还公开一种物件识别装置和煤矸石分选设备,其采用上述物件识别方法识别煤和矸石,其处理装置还识别X射线图像所包含的各物件在X射线图像中的位置并将识别到材质为煤或矸石的物件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物件在输送机构的实时位置抓取煤或矸石,煤和矸石识别准确性高,且不会对人体造成过大损伤。
Description
技术领域
本发明涉及物件识别分选技术领域,尤其涉及一种物件识别方法、装置及煤矸石分选设备。
背景技术
工业产品中除了目标物件外往往还会混有其它不需要的物件,因此,需要依据材质对物件进行识别和分选,以剔除目标物件之外的物质,提高质量。尤其是在煤炭开采领域中,随着采煤机械化程度的提高,加上常年对煤炭的深度开采,优质煤越来越少,剩余的煤中含矸石量逐年增加。为了获得优质煤,需要对开采获得的物质进行识别和分选,以剔除矸石。
现阶段,主要通过以下几种方式对煤和矸石进行识别和分选:方式一,人工排矸法,该方式无法保证煤矸分选的质量,且作业环境恶劣,会对工人的健康造成危害;方式二,机械湿选法,该方会浪费大量的水资源,也会对环境造成污染;方式三,γ射线分选法,由于γ射线具有极强的穿透力,高能量的γ射线对人体的损伤非常大,危害大;方式四,X射线法,利用不同材质对X射线的透射率的不同进行区分,但除了材质外,还存在其它影响物件对X射线的透射率的因素,精度较低,无法准确区分煤和矸石。
发明内容
本发明的目的在于提供一种能够准确识别物件的材质的物件识别方法。
本发明的另一目的在于提供一种能够准确识别物件的材质的物件识别装置。
本发明的又一目的在于提供一种能够准确识别煤和矸石并进行分选的煤矸石分选设备。
为了实现上述目的之一,本发明公开了一种物件识别方法,包括:
获取物件的X射线图像,对所述X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;
获取物件的3D点云,依据所述物件轮廓区域内3D点云的高度获得物件的厚度;
依据各像素点的灰度值和物件厚度识别物件的材质。
与现有技术相比,本发明采用X射线和3D视觉相结合的方式,首先利用X射线的透射原理,通过X射线透射物件获取经物件衰减后的X射线图像,再找到X射线图像中所包含的物件轮廓,然后进行3D点云采集来获得每一物件轮廓对应的点云高度得到该物件的厚度,最后综合物件轮廓区域内的各像素点的灰度值和物件厚度判断该物件的材质类别,物件材质识别准确性高,且不会对人体造成过大损伤。
较佳地,“依据各像素点的灰度值和物件厚度识别物件的材质”具体为:分别计算所述物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;比较所述乘积与识别阈值的大小,依据比较结果识别该像素点的材质;将所述物件轮廓区域内多数像素点的材质作为该物件的材质。
为了实现上述目的之二,本发明还公开了一种物件识别装置,包括X射线发射源、X射线探测器、3D相机及处理装置,所述X射线发射源发出X射线照射物件,所述X射线探测器接收经所述物件衰减后的X射线并转化成数字信号传送至所述处理装置,所述处理装置生成X射线图像,对所述X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;所述3D相机获取物件的3D点云并发送至所述处理装置,所述处理装置依据所述物件轮廓区域内3D点云的高度获得物件的厚度,并依据各像素点的灰度值和物件厚度识别物件的材质。
与现有技术相比,本发明采用X射线和3D视觉相结合的方式,首先利用X射线的透射原理,通过X射线透射物件获取经物件衰减后的X射线图像,再找到X射线图像中所包含的物件轮廓,然后进行3D点云采集来获得每一物件轮廓对应的点云高度得到该物件的厚度,最后综合物件轮廓区域内的各像素点的灰度值和物件厚度判断该物件的材质类别,物件材质识别准确性高,且不会对人体造成过大损伤。
较佳地,所述处理装置依据各像素点的灰度值和物件厚度识别物件的材质具体为:分别计算所述物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;比较所述乘积与识别阈值的大小,依据比较结果识别该像素点的材质;将所述物件轮廓区域内多数像素点的材质作为该物件的材质。
为了实现上述目的之三,本发明还公开了一种煤矸石分选设备,包括X射线发射源、3D相机、X射线探测器、处理装置、输送机构、编码器及机器人,所述X射线发射源、3D相机沿物件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X射线发射源发出X射线照射物件,所述X射线探测器接收经所述物件衰减后的X射线并转化成数字信号传送至所述处理装置;所述3D相机获取物件的3D点云并发送至所述处理装置;所述处理装置执行: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,对所述X射线图像进行分割以获得物件轮廓及所述X射线图像中各物件的位置,并获取物件轮廓区域内各像素点的灰度值;依据所述物件轮廓区域内3D点云的高度获得物件的厚度,依据各像素点的灰度值和物件厚度识别物件的材质,并将材质为煤或矸石的物件在所述X射线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X射线图像对应的物件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煤或矸石。
与现有技术相比,本发明采用X射线和3D视觉相结合的方式,首先利用X射线的透射原理,通过X射线透射物件获取经物件衰减后的X射线图像,再找到X射线图像中所包含的物件轮廓和位置,然后利用3D相机3进行3D点云采集来获得每一物件轮廓对应的点云高度以得到该物件的厚度,并综合物件轮廓区域内的各像素点的灰度值和物件厚度判断该物件的材质类别,最后将材质为煤或矸石的物件在X射线图像中的位置发送至机器人以进行抓取,煤和矸石识别准确性高,且不会对人体造成过大损伤。
较佳地,所述处理装置依据各像素点的灰度值和物件厚度识别物件的材质具体为:分别计算所述物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;比较所述乘积与识别阈值的大小,依据比较结果识别该像素点的材质;将所述物件轮廓区域内多数像素点的材质作为该物件的材质。
较佳地,所述煤矸石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X射线探测器、3D相机、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X射线探测器、3D相机及机器人分别通信连接。
较佳地,所述3D相机为激光3D线扫相机。
附图说明
图1是本发明实施例物件识别方法的流程图。
图2是本发明实施例物件识别装置的组成框图。
图3是本发明实施例煤矸石分选设备的部分组成结构示意图。
图4是本发明实施例煤矸石分选设备的部分组成结构示意图。
图5是本发明实施例煤矸石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,本实施例提供一种物件识别方法,包括:
获取物件的X射线图像,对X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;具体的,可以利用X射线发射源发射X射线照射物件,然后利用X射线探测器接收经物件衰减后的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射线图像并进行处理分析。其中,一张X射线图像中可能包含有不同的物件,对X射线图像进行图像预处理后再利用深度学习的方式来获得X射线图像中所包含的各个物件的轮廓,至于如何利用深度学习的方式获得一图像中包含的各个物件的轮廓为现有技术,在此不再赘述。
获取物件的3D点云,依据物件轮廓区域内3D点云的平均高度获得该物件的厚度;具体的,可以采用3D相机拍摄物件来获得物件的3D信息,然后生成点云图发送至处理装置,处理装置再从点云图中找到与由X射线图像所获得的物件轮廓相对应的区域,然后计算该相对应区域内点云的平均高度,并将该平均高度作为该物件的厚度。
依据各像素点的灰度值和物件厚度识别物件的材质。
具体的,在本实施例中,“依据各像素点的灰度值和物件厚度识别物件的材质”具体为:分别计算物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;比较乘积与识别阈值的大小,依据比较结果识别该像素点的材质,例如,若乘积大于识别阈值,判断该像素点的材质为A,若乘积小于识别阈值,判断该像素点的材质为B;然后将物件轮廓区域内多数像素点的材质作为该物件的材质。例如,若识别到物件轮廓区域内材质为A的像素点多于材质为B的像素点,则将该物件的材质判断为A。本实施例分别识别每一像素点的材质,然后综合考虑物件轮廓区域内所有像素点的材质来判定物件的材质,物件识别结果更加准确。
请参阅图2,本实施例提供一种物件识别装置,其具体包括X射线发射源1、X射线探测器2、3D相机3及处理装置4,其中,X射线发射源1发出X射线垂直照射物件,X射线探测器2接收经物件衰减后的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,对X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;3D相机3获取物件的3D点云并发送至处理装置4,处理装置4依据物件轮廓区域内3D点云的平均高度获得物件的厚度,并依据各像素点的灰度值和物件厚度识别物件的材质。
具体的,在本实施例中,处理装置4依据各像素点的灰度值和物件厚度识别物件的材质具体为:分别计算物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;比较乘积与识别阈值的大小,依据比较结果识别该像素点的材质,例如,若乘积大于识别阈值,判断该像素点的材质为A,若乘积小于识别阈值,判断该像素点的材质为B;将物件轮廓区域内多数像素点的材质作为该物件的材质。例如,若识别到物件轮廓区域内材质为A的像素点多于材质为B的像素点,则将该物件的材质判断为A。本实施例分别识别每一像素点的材质,然后综合考虑物件轮廓区域内所有像素点的材质来判定物件的材质,识别结果更加准确。
请参阅图3至图5,本实施例提供一种煤矸石分选设备,其适用于识别采煤作业开采到的物质并剔除矸石,以获得高精度的优质煤。具体的,煤矸石分选设备包括X射线发射源1、X射线探测器2、3D相机3、处理装置4、输送机构5、编码器6以及机器人7;其中,输送机构5为输送带,其用于输送物件,X射线发射源1、3D相机3、机器人7沿物件的输送方向依次设置在输送机构5的一侧,X射线发射源1、3D相机3位于输送机构5的上方,X射线探测器2位于输送机构5的下方并与X射线发射源1上下相对。X射线发射源1发出X射线垂直照射物件,X射线探测器2接收经物件衰减后的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,对X射线图像进行分割以获得该X射线图像中所包含的各个物件的轮廓及各个物件的位置(如何获得一图像中包含的各个物件的轮廓和位置为现有技术),并获取物件轮廓区域内各像素点的灰度值。3D相机3获取物件的3D点云并发送至处理装置4,处理装置4依据物件轮廓区域内3D点云的平均高度获得物件的厚度,依据各像素点的灰度值和物件厚度识别物件的材质,并将材质为煤或矸石的物件在整个X射线图像中的位置发送至机器人7。编码器6安装在输送机构5,其用于获取整个X射线图像对应的物件在输送机构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发送的位置抓取煤或矸石。
其中,处理装置4为工控机,处理装置4通过交换机8与X射线探测器2、3D相机3及机器人7分别通信连接以接收X射线探测器2、3D相机3发送的信息及给机器人7发送煤或矸石的位置和控制指令。优选的,X射线探测器2为X射线线阵探测器,3D相机3为激光3D线扫相机,实施更加方便。
在本实施例中,处理装置4依据各像素点的灰度值和物件厚度识别物件的材质具体为:分别计算物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;比较乘积与识别阈值的大小,依据比较结果识别该像素点的材质;将物件轮廓区域内多数像素点的材质作为该物件的材质。本实施例分别识别每一像素点的材质,然后综合考虑物件轮廓区域内所有像素点的材质来判定物件的材质,物件识别结果更加准确。
下面,就物件对X射线衰减强弱的影响因素进行分析:
设X射线发射源1发出的X射线光束强度为IO,X射线穿透物件后出射的X射线光束强度为I,IO和I则满足如下公式:
I=IO*e-μh;
其中,μ为线吸收系数,即某材质的物件单位面积和单位厚度对X射线的吸收量;h为物件的平均厚度。由此可知,物件对X射线的透射率与线吸收系数和物件的厚度有关,而线吸收系数μ与材质的原子序数和材质的密度相关,对于煤和矸石两种材质,它们的线吸收系数的大小有明显的区别;而对于同一种材质的物件,其厚度越大,对X射线的透射率就越低,X射线图像上该处的灰度值f就越小。
为了计算方便,本实施例用物件平均厚度h和灰度值f的乘积T进行煤和矸石的识别。T=f*h,设TO为煤和矸石的识别阈值,用X射线图像上物件轮廓区域内所有像素点的灰度值f分别乘以该物件的平均厚度h,得到每一像素点的T值,如果某像素点T>TO,则认为该像素点的材质是煤,如果T<TO,则认为该像素点的材质是矸石。然后统计该物件轮廓区域内的所有像素点的材质,如果判定为煤的像素点多于矸石的像素点,则判定该物件为煤;如果判定为矸石的像素点多于煤的像素点,则判定该物件为矸石,最后将判定结果为煤或矸石的物件在X射线图像上的位置发送给机器人7进行抓取。
请参阅图5,作为优选实施例,煤矸石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,X射线探测器2、3D相机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, X射线探测器2和3D相机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发送的煤或矸石的位置及编码器6发送的物件实时位置对煤或矸石进行抓取。借此设计,可以提高X射线图像和3D相机3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X射线图像与3D相机3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 (9)
1.一种物件识别方法,其特征在于,包括:
获取物件的X射线图像,对所述X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;
获取物件的3D点云,依据所述物件轮廓区域内3D点云的高度获得物件的厚度;
依据各像素点的灰度值和物件厚度识别物件的材质。
2.如权利要求1所述的物件识别方法,其特征在于,“依据各像素点的灰度值和物件厚度识别物件的材质”具体为:
分别计算所述物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;
比较所述乘积与识别阈值的大小,依据比较结果识别该像素点的材质;
将所述物件轮廓区域内多数像素点的材质作为该物件的材质。
3.一种物件识别装置,其特征在于,包括X射线发射源、X射线探测器、3D相机及处理装置,所述X射线发射源发出X射线照射物件,所述X射线探测器接收经所述物件衰减后的X射线并转化成数字信号传送至所述处理装置,所述处理装置生成X射线图像,对所述X射线图像进行分割以获得物件轮廓,并获取物件轮廓区域内各像素点的灰度值;所述3D相机获取物件的3D点云并发送至所述处理装置,所述处理装置依据所述物件轮廓区域内3D点云的高度获得物件的厚度,并依据各像素点的灰度值和物件厚度识别物件的材质。
4.如权利要求3所述的物件识别装置,其特征在于,所述处理装置依据各像素点的灰度值和物件厚度识别物件的材质具体为:
分别计算所述物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;
比较所述乘积与识别阈值的大小,依据比较结果识别该像素点的材质;
将所述物件轮廓区域内多数像素点的材质作为该物件的材质。
5.一种煤矸石分选设备,其特征在于,包括X射线发射源、3D相机、X射线探测器、处理装置、输送机构、编码器及机器人,所述X射线发射源、3D相机沿物件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X射线发射源发出X射线照射物件,所述X射线探测器接收经所述物件衰减后的X射线并转化成数字信号传送至所述处理装置;
所述3D相机获取物件的3D点云并发送至所述处理装置;
所述处理装置执行: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,对所述X射线图像进行分割以获得物件轮廓及所述X射线图像中各物件的位置,并获取物件轮廓区域内各像素点的灰度值;依据所述物件轮廓区域内3D点云的高度获得物件的厚度,依据各像素点的灰度值和物件厚度识别物件的材质,并将材质为煤或矸石的物件在所述X射线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X射线图像对应的物件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煤或矸石。
6.如权利要求5所述的煤矸石分选设备,其特征在于,所述处理装置依据各像素点的灰度值和物件厚度识别物件的材质具体为:
分别计算所述物件轮廓区域内各个像素点的灰度值与物件厚度的乘积;
比较所述乘积与识别阈值的大小,依据比较结果识别该像素点的材质;
将所述物件轮廓区域内多数像素点的材质作为该物件的材质。
7.如权利要求5所述的煤矸石分选设备,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X射线探测器、3D相机、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。
8.如权利要求5所述的煤矸石分选设备,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X射线探测器、3D相机及机器人分别通信连接。
9.如权利要求5所述的煤矸石分选设备,其特征在于,所述3D相机为激光3D线扫相机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257188.3A CN111476769A (zh) | 2020-04-03 | 2020-04-03 | 物件识别方法、装置及煤矸石分选设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257188.3A CN111476769A (zh) | 2020-04-03 | 2020-04-03 | 物件识别方法、装置及煤矸石分选设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111476769A true CN111476769A (zh) | 2020-07-31 |
Family
ID=71750517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010257188.3A Withdrawn CN111476769A (zh) | 2020-04-03 | 2020-04-03 | 物件识别方法、装置及煤矸石分选设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476769A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113828531A (zh) * | 2021-08-20 | 2021-12-24 | 安徽文达信息工程学院 | 一种基于灰度-厚度的多通道煤矸识别系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145884A (zh) * | 2017-04-26 | 2017-09-08 | 太原理工大学 | 煤矸石近红外图像识别技术 |
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 |
CN110773454A (zh) * | 2019-11-11 | 2020-02-11 | 安徽理工大学 | 一种基于真双能x射线的智能干法排矸系统 |
-
2020
- 2020-04-03 CN CN202010257188.3A patent/CN111476769A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145884A (zh) * | 2017-04-26 | 2017-09-08 | 太原理工大学 | 煤矸石近红外图像识别技术 |
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 |
CN110773454A (zh) * | 2019-11-11 | 2020-02-11 | 安徽理工大学 | 一种基于真双能x射线的智能干法排矸系统 |
Non-Patent Citations (2)
Title |
---|
杨慧刚 等: "基于X射线和机器视觉的煤与矸石分选系统设计", 《工矿自动化》 * |
杨慧刚 等: "煤与矸石分选系统设计", 《工矿自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113828531A (zh) * | 2021-08-20 | 2021-12-24 | 安徽文达信息工程学院 | 一种基于灰度-厚度的多通道煤矸识别系统和方法 |
CN113828531B (zh) * | 2021-08-20 | 2023-09-22 | 安徽文达信息工程学院 | 一种基于灰度-厚度的多通道煤矸识别方法 |
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 | |
US6370223B1 (en) | Automatic detection of bone fragments in poultry using multi-energy x-rays | |
US7164750B2 (en) | Non-destructive inspection of material in container | |
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 | |
US7060981B2 (en) | System for automated detection of embedded objects | |
JP2020062633A (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
US7542873B2 (en) | Method and apparatus for determining particle parameter and processor performance in a coal and mineral processing system | |
CN1940555A (zh) | 一种农产品内外品质检测方法及装置 | |
WO2009043232A1 (en) | Method and device for detecting liquid article | |
US4600105A (en) | Method and apparatus for sorting objects of ore by monitoring reflected radiation | |
CN110146516B (zh) | 基于正交双目机器视觉的水果分级装置 | |
JP5004478B2 (ja) | 物体の判別方法および判別装置 | |
EP3290912A1 (en) | Examination system for inspection and quarantine and method thereof | |
CN113926737A (zh) | 一种利用双能双机x射线的煤矸装置及其识别方法 | |
Uluişik et al. | Image processing based machine vision system for tomato volume estimation | |
CN111812671A (zh) | 基于激光成像的人工智能矿石识别装置和方法 | |
CN113474814A (zh) | 用于对一种或多种材料执行表征的方法和系统 | |
JP2021137738A (ja) | 廃棄物選別装置 | |
CN111476769A (zh) | 物件识别方法、装置及煤矸石分选设备 | |
EP1554060B1 (en) | A system and a method of automatically sorting objects | |
RU2715374C1 (ru) | Рентгенографический сепаратор минералов | |
CN102162798B (zh) | 液态物品检查方法和设备 | |
CN102565107B (zh) | 液态物品检查方法和设备 | |
JP2003279503A (ja) | X線検査装置 | |
AU2012247760A1 (en) | Method and device for characterising physical properties of granular materials |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200731 |
|
WW01 | Invention patent application withdrawn after publication |