CN111957597A - 一种基于人工智能图像识别的煤矸石筛选系统 - Google Patents

Abstract

本发明的基于人工智能图像识别的煤矸石筛选系统，在一定高度处设置传送带，在煤料跟随所述传送带移动及越过末端下落的过程中，首先由摄像装置实时拍摄所述煤料，并发送拍摄图像至控制模块，控制模块通过人工智能图像识别技术实时识别出所述拍摄图像中的矸石，并至少记录识别出的矸石的坐标位置，作为识别结果发送至矸石剔除机构，矸石剔除机构根据接收到的识别结果动作，将矸石从煤块中剔除。本发明对矸石的分选准确率高，设备简单，处理粒级宽，处理能力大，矸石剔除机构可同时工作，剔除矸石，处理速度快，可以替代大部分的人工；设备简单易维护，便于部署在井下，在煤料起吊出井之前即将矸石筛选出来并留在井下，更可有效地降低矸石出井量。

Description

一种基于人工智能图像识别的煤矸石筛选系统

技术领域

本发明属于煤矿开采技术领域，具体涉及一种基于人工智能图像识别的煤矸石筛选系统。

背景技术

长期以来，中国煤炭资源的开采量居高不下，每年达到几十亿吨，全国有大小煤矿5000余座。近年来采煤机械化自动化程度在不断提高，但是煤矸石的分选一直是难题。矸石的存在，一方面增加了煤料中的灰分，降低了原煤的品质，另一方面，在后续生产运输的各个环节，都会对设备的运转带来过度磨损，甚至卡链停机等危害。因此，原煤升井后，第一步就需要在煤料中分离并捡出矸石，保留煤，即选煤。

传统使用的主要选煤工艺，都是基于煤块与矸石在基本物理属性上的差异，例如密度不同、表面亲疏水性不同等差异，基本可分为水洗法和干洗法。其中，水洗工艺是根据煤块和矸石在水中的不同表现，使用大量的水，通过包括浮选机、跳汰机、重介质旋流器等设备，对煤块和矸石进行分离的方法。但是，很多煤资源都蕴藏在干旱缺水地区，而水资源匮乏已经成为对当地煤资源开发和加工的制约因素。并且，年轻煤质遇水容易泥化，另外在严寒地区，水洗还会带来产品冻结等诸多问题。而干洗工艺，则是通过制造强空气对流，即风选工艺，根据煤块与矸石的不同比重，对其加以分离的技术，包括碎选、空气中介旋流器、复合干选等方式。但是，其所能处理的粒极很窄，只能处理小于80毫米的物料；且分选精度很低，风选的排矸率一般为80-90%，矸中带煤率大于5%，通常为6-8%；水分影响也大，原煤水分大时，会堵塞床面风孔，破坏正常供风，恶化分选效果，乃至无法进行，故通常要求外水小于7%；并且含矸量增加时，矸石混入的几率也相应增加。而风选设备的功耗却很高，一台每小时处理240吨原煤的风选机，其装机功率为600千瓦，即平均每吨原煤需要消耗2.5-3度电来进行分选。并且，因为其自动化程度较低，故操作人员的经验和责任心对分选效果影响较大。

近年随着人工智能技术的发展，发展出一些人工智能选煤技术，例如采用X光透射成像，来进行煤块和矸石的区分。这种技术不但成本高，还有较大的安全性问题，设备也比较复杂。

因此，现有技术有待于进一步改进和提高。

发明内容

有鉴于现有技术的上述缺陷，本发明的目的在于提供一种基于人工智能图像识别的煤矸石筛选系统，以解决现有技术的选煤工艺，需要人工识别和拾取，或者浪费资源和能源的技术缺陷。

本发明公开了一种基于人工智能图像识别的煤矸石筛选系统，包括：在一定高度位置上接近水平设置的传送带，煤料在所述传送带上单层铺开并跟随传送带移动，从传送带的起始段移动至传送带的末端后，向下飞落；摄像装置，所述摄像装置正对并实时拍摄所述煤料，并传送拍摄图像至一控制模块，所述控制模块用于通过深度学习的人工智能视觉图像识别技术识别所述拍摄图像中的矸石和煤块；矸石剔除机构，用于接受从所述控制模块发送来的识别结果后动作，将矸石从煤块中剔除；所述识别结果，至少包括所识别出的矸石的坐标位置。

优选地，所述起始段还设有摊煤装置，用于将煤料在所述传送带上摊开为单层。

更优选地，所述传送带的上方，所述摊煤装置的下游，还设置喷枪，所述喷枪喷出高压空气，用于喷洗位于所述传送带上的经过摊铺之后的所述煤料。

进一步优选地，所述喷枪接近垂直正对所述传送带的传送面，以降低吹移堆积的可能性。

进一步优选地，高压空气中还添加水雾，用于降低空气中的粉尘，并使得煤料表面适度湿润，以增加煤料的视觉辨识度。

优选地，所述矸石剔除机构包括靠近所述煤料的下落路线、且沿所述传送带的宽度方向排列的至少一排击打器。

更优选地，所述摄像装置正对并拍摄刚离开所述传送带的煤料；所述控制模块根据所述击打器的对矸石的击打位置和传送带表面的高度落差，计算出所述矸石从所述传送带掉落至所述击打位置的掉落时间，再减去所述击打器从启动到接触所述矸石的准备时间，即计算出所述击打器开始动作之前的延迟时间；所述识别结果还包括所述延迟时间和矸石在传送带的宽度方向上的矸石宽度位置，在等待所述延迟时间后，对应于所述矸石宽度位置的全部击打器一起工作，将掉落的矸石击出。

优选地，所述矸石剔除机构包括靠近所述煤料的下落路线、且沿所述传送带的宽度方向排列的至少一排击打器；所述下落路线由传送带的传送速度和安装时的传送方向确定，具体是由所述传送带的传送速度与所述煤料的自由落体运动相合成所决定的一条抛物线；所述击打器包括击锤和驱动器，当所述矸石下落时，与该矸石在所述传送带的宽度方向相同位置的击打头同时击出，击打矸石后收回。

或优选地，所述击打器为所述末端的下方沿所述传送带的宽度方向排列的一排高压气体喷口，当判断为矸石时，与所述矸石在所述传送带的宽度方向相同位置的高压气体喷口喷出高压气体，击打并推动所述矸石偏离原来的抛物线路径。

进一步优选地，所述控制模块还根据识别出的矸石在所述拍摄图像中的形状，计算矸石在所述传送带的长度方向上的几何中心位置，作为所述坐标位置，存入所述识别结果；所述几何中心位置用于估算为矸石的重心位置；相应地，所述延迟时间为从所述几何中心位置传送至所述末端、及从所述末端掉落至所述击打器的安装高度位置的时间之和，再减去所述击打器从出发到接触所述矸石的准备时间。

优选地，所述传送带上设置有凸起的网格，煤料单层分散于所述网格中。

优选地，所述传送带上设置有不规则凸起的网纹，用于增加煤料与所述传送带之间的摩擦阻力。

优选地，所述摄像装置的镜头设有用于清洁镜头的清洁装置。

更优选地，所述清洁装置为刃部贴合所述镜头的刮片，并配合一个清洗液喷头。

优选地，所述传送带之前，还包括震动煤筛，用于将过小的煤料在进入所述传送带之前筛选掉，不进入所述传送带。

优选地，所述控制模块包括图像照度提升算法，用于对传入的所述拍摄图像作数字化照度提升，帮助人工智能视觉分析提高识别准确率，利于昏暗条件下尤其是井下工况下，提高人工智能图像识别的准确度。

优选地，所述控制模块包括图像去雾算法，用于对传入的所述拍摄图像作数字化处理，去雾除霾除尘，利于空气灰尘较高环境下尤其是井下工况下，提高人工智能图像识别的准确度。

优选地，还包括一通风系统，用于降低空气中粉尘的浓度，增加所述摄像装置所拍摄图像的清晰度。

更优选地，所述通风系统的通风方向逆着所述传送带的传送方向。

本发明还公开了所述煤矸石筛选系统的工作方法，包括步骤：

a. 煤料单层铺开在所述传送带上跟随所述传送带传动；

b. 摄像装置实时拍摄所述煤料；

c. 摄像装置实时传送拍摄图像至控制模块；

d. 控制模块识别出矸石或煤块后，发送识别结果至矸石剔除机构；

e. 矸石剔除机构根据识别结果动作，将矸石从煤块中剔除。

本发明的基于人工智能图像识别的煤矸石筛选系统，在一定高度处设置传送带，在煤料跟随所述传送带移动的过程中，或者在煤料越过所述传送带的末端后沿抛物线下落的过程中，首先由摄像装置实时拍摄所述煤料，并发送拍摄图像至控制模块，控制模块通过人工智能图像识别技术实时识别出所述拍摄图像中的矸石，并至少记录所识别出的矸石的坐标位置，作为识别结果发送至矸石剔除机构，矸石剔除机构根据接受到的识别结果动作，将矸石从煤块中剔除。本发明对矸石的分选准确率高，设备简单，处理粒级宽，处理能力大，矸石剔除机构可同时工作，剔除矸石，处理速度快，可以替代大部分的人工；设备简单易维护，便于部署在井下，在煤料起吊出井之前即将矸石筛选出来并留在井下，更可有效地降低矸石出井量。保护环境。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1为本发明的基于人工智能图像识别的煤矸石筛选系统的结构图。

图2为本发明的基于人工智能图像识别的煤矸石筛选系统的控制模块功能图。

图3为本发明的基于人工智能图像识别的煤矸石筛选系统的工作方法流程图。

图中， 100.传送带、110.起始段、120.末端、200.煤块、250.矸石、300.摄像装置、400.喷枪、500.控制模块、600.击打器。

具体实施方式

本发明提供了一种基于人工智能图像识别的煤矸石筛选系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供的一种基于人工智能图像识别的煤矸石筛选系统，总体结构如图1所示，包括在一定高度位置上接近水平设置的传送带100，煤料在所述传送带100上单层铺开并跟随传送带100移动，即图1中的箭头a方向，从传送带100的起始段110移动至末端120后，向下掉落。考虑到所述传送带100的传送速度，煤料沿着抛物线方向离开所述末端120。所述煤料，包括煤块200和矸石250。本发明的技术方案，使得煤料在所述传送带100上，向所述末端120滑行的过程中，或者在离开所述末端120，沿抛物线向下落体的过程中，其中的矸石250就被从煤块200中识别出并在随后被分离。

所述传送带100，可以直接架设在井下，例如在矿井横道中。原煤粒块开采出来后，最多经过初步粉碎处理（若需要），煤料就可以被送上所述起始段110，跟随传送带100移动，越过所述末端120后向下掉落，其中的矸石250在移动过程中，要么在所述传送带100上，要么在向下掉落过程中，就被自动识别并在随后被分离，所以矸石250在煤料出井之前就会被分离并留在井下，这样就不会在地面上堆积成山，带来后续处理麻烦。

所述“煤料在所述传送带100上单层铺开”，可以通过在起始段110的上方设置一摊煤装置，将煤料在所述传送带100上铺开为单层。可在传送带100上，尤其是在所述起始段110的上方，设置至少一排橡胶垂帘，在所述传送带100移动时，落于所述传送带100上的煤料从下方经过所述橡胶垂帘时，就被摊平，这也可以防止在传送带100上出现堆积。具体地，所述橡胶垂帘的底部离传送带100上表面的距离，应比煤料中占比最大的煤料的高度略高。其原理是，堆积的煤料会被拖动摊平，形成几乎单层；而单块大煤料虽然高，但是因为质量更大，故很难被拖动，因此不会造成某块大煤块在拖动中清扫一片传送带100的后果。

在一个更佳的实施例中，所述传送带100上还设置有凸起的网格。设置网格可以降低在摊平和后续的喷洗操作中，煤料发生移位导致堆积的可能性。考虑到所述传送带100在两端处卷曲，故所述网格的纵向，即沿传送方向，的设置，优选为采用弹性或柔性材料，如橡胶等。并且，在纵向上的网格应更低矮一些。

或者，在所述传送带100上设置不规则凸起的网纹，所述网纹的凸起高度不需要很高，只要能够增加煤料与所述传送带100之间的摩擦阻力，使得煤料在喷洗步骤中不容易被吹走即可。

在一个实施例中，考虑到过小的煤料，包括煤块200和矸石250，在喷洗过程中容易产生飞溅，故应该在进入传送带100之前被筛选掉，不让进入传送带100。这可以在所述传送带之前，设置一震动煤筛，将过小的煤料筛出。

考虑到开采出来的煤料，表面通常布满煤灰或煤泥，较难直接看出并判断是矸石250还是煤块200，故在传送带100的上方，所述摊煤装置的下游，还设置喷枪400，喷出高压空气，对单层铺开在传送带100上的煤料进行喷洗。此时，若所述传送带100上设置有一定高度的网格，则更有利于防止煤料被吹走或导致堆积。并且，更佳地，所述喷枪400接近垂直正对所述传送带100的传送面，以减少煤料被高压空气吹后移动，造成堆积，并降低煤料被吹动而翻转的可能。并且，更佳地，还可以使用多排的喷枪，连续喷洗，从而即使煤料翻转，也可以在下一步得到喷洗。而提前将过小的煤料筛除，也有助于减少煤料飞溅。

在一个更佳的实施例中，在高压空气中还添加水雾，水雾一方面可以降低空气中的粉尘，另一方面可以使得煤料表面适度湿润，增加矸石250的视觉辨识度，方便后续的通过图像识别技术来辨识矸石250。

所述人工智能图像识别，具体过程如下：首先设置垂直于所述传送面、正对于到达末端的所述煤料进行拍摄的摄像装置300，并将拍摄图像传送至一控制模块500，所述控制模块则通过深度学习的人工智能视觉图像识别技术，来识别所述拍摄图像中的矸石250和煤块200。其中，人工智能视觉图像识别技术为常见技术，在此不多加描述。

具体地，在一个更佳的实施例中，所述控制模块还包括图像照度提升算法，对传入的所述拍摄图像作数字化照度提升，这可帮助提高所述人工智能视觉分析的识别准确率，有利于在昏暗条件下，尤其是井下工况下，也能提高人工智能图像识别的准确度。

并且，更佳地，所述控制模块500还包括图像去雾算法，对传入的拍摄图像首先作数字化处理，去雾除霾除尘，这更有利于在空气灰尘较高的环境下工作，尤其是适合在井下的高灰尘的工况，进一步提高人工智能图像识别的准确度。

所述控制模块500完成识别矸石250后，将识别结果发送至矸石剔除机构650，所述矸石剔除机构650在接受所述识别结果后相应动作，将矸石250从煤块200中剔除。

所述识别结果，至少应包括矸石250的坐标位置x，表征在拍摄时刻，矸石250在所述传送带100宽度方向上的位置。

在一个实施例中，所述矸石剔除机构采用设置于所述末端120的下方的、靠近所述煤料的下落路线设置、并沿所述传送带100的宽度方向紧密排列的一排或几排击打器600。每个击打器由一个击锤和驱动器构成。在控制系统的控制之下，一个或多个击锤被驱动击打所识别出的矸石250。其中，单个击锤的宽度可以设计为所述震动煤筛的筛孔的直径。

因为所述拍摄点与所述矸石剔除机构之间有一段距离，这就需要考虑识别出的矸石250从被拍摄到被击打所经过的时间延迟，这可以通过计算得到。具体地，若在拍摄时，所述摄像装置正对拍摄所述末端120上的煤料，或者说刚刚离开传送带的煤料，且所述控制模块500识别出在末端120位置处有矸石250，则只需要考虑所述矸石250从末端120自由落体到所述击打器600的击打位置的高度的时间，即掉落时间T。

当煤料离开传送带末端120时，将进行有水平方向初速度，即传送带100的传送速度，的自由落体运动，其运动轨迹综合表现为沿图1中虚线所示的抛物线运动。而抛物线的最低点就设置有煤块200的接收点。而识别出的矸石250，则在沿抛物线下落的运动过程中，被所述击打器600击飞，沿图中箭头e方向离开所述抛物线，最终落于一个矸石收集处。矸石250从所述末端120落到所述击打器600的安装高度位置，所要经过的自由落体时间，即为掉落时间T，而这完全可以根据所述击打器600的安装高度位置预先计算并输入所述控制模块500。

所述掉落时间T减去所述击打器600从启动到接触所述矸石250的准备时间Td，即构成从拍照识别到所述击打器600开始发动工作击打的延迟时间Tw。即Tw=T - Td。此时，所述识别结果还应包括所述延迟时间Tw。并且，考虑到部分矸石250可能较大，故所述识别结果还包括在传送带100的宽度方向上的矸石宽度位置，而在等待所述延迟时间后，对应于所述矸石宽度位置的全部击打器600同时工作，将掉落的矸石250击出。

在一个更佳的实施例中，所述击打器600安装的水平位置可调节。这样，当所述传送带100的速度变化后，所述煤料的飞行抛物线轨迹也发生改变。此时，因为所述击打器600的击打游程是设备自身确定的，故由所述控制模块500相应地改变所述击打器600的水平位置，就可以保证所述击打器600从启动到击打到所述矸石650的准备时间Td不变。并且，当所述击打器600安装好后，所述掉落时间T也为常量。这些都是可以提前输入进所述控制模块500的。而当所述传送带100的传送速度改变时，所述控制模块500只需要根据所述传送带100的传送速度，调整所述击打器600的水平位置即可。

尤其是，当所述摄像装置300正对并拍摄刚越过所述末端120的煤料时，所述延迟时间，Tw= T-Td，其实是个常量，由所述击打器600的安装高度位置决定，完全可以预先输入至所述控制模块500，或输入至所述击打器600，这样所述识别结果中就只需要保留识别出的所述矸石250的在所述传送带100的宽度方向上的坐标位置和矸石宽度位置即可。

另一个需要考虑的延迟时间是整个系统，尤其是所述控制模块执行视觉处理的计算所需要的时间。但这个时间通常很短，可以由实验测得并保存在系统配置表中，也可以实时计算并纳入延迟时间的计算。

具体地，在一个实施例中，所述击打器600为在控制下可独立伸缩的击打头，当所述控制模块500识别出一颗矸石250后，与所述矸石250在所述传送带100的宽度方向相同位置(x)的击打头，在等待所述延迟时间后击出，在所述击打位置击中矸石250后即收回，防止影响下落的煤块200。

或者，所述击打器600可为所述末端120下方沿所述传送带100的宽度方向排列的一排高压气体喷口，当判断为矸石250时，与所述矸石250在所述传送带100的宽度方向相同位置的高压气体喷口喷出高压气弹，击打并推动所述矸石250偏离原来的抛物线路径而被收集。

在一个更佳的实施例中，考虑到对所述矸石250的击打点应优选为其重心高度位置，这样击打所述矸石250更容易击飞。而矸石250的重心位置，可以根据识别出的矸石250在所述拍摄图像中的二维形状，计算出矸石250在所述传送带100的长度方向上的几何中心位置，估算为所述矸石250的重心位置，并将其作为矸石的坐标位置，放入所述识别结果中。这样可以保证所述击打器600都击打在所述矸石120的重心高度，从而击出效果更佳。

考虑到所述煤矸石筛选系统所处的空间，空气中灰尘等固体杂质会较多，而固体杂质可能落于摄像装置300的镜头上，造成图像采集模糊。故在一个更佳的实施例中，所述摄像装置300的镜头设有用于清洁镜头的清洁装置，例如，刃部贴合所述镜头的刮片，并且还配合一个清洗液喷头。可以定期或者受控对镜头进行清洁处理。

在一个实施例中，还包括一通风系统，设置于所述煤矸石筛选系统所处的空间中，所述通风系统用于降低空气中粉尘的浓度，增加所述摄像装置300所拍摄图像的清晰度。从而进一步提高拍摄图像的质量和识别度。所述通风装置的排风方向优选为逆着所述传送带111的传动方向，以防止灰尘重新覆盖在已经被吹洗过的所述煤料的表面。

本发明的基于人工智能图像识别系统的控制模块的功能如图2所示，所述控制模块主要功能为通过深度学习的图像识别技术，对煤料中的矸石250加以识别。并且在识别出矸石250后，通讯所述矸石剔除系统，向对应宽度位置上的击打头600发送动作命令。并且，在更佳的实施例中，所述控制模块还包括所述传送带100的状态检测和疏通功能、拍摄图像的照度提升去雾除霾除尘功能、和矸石重心估算功能。

本发明的基于人工智能图像识别的煤矸石筛选系统，其工作方法流程图如图3所示，包括以下步骤：

a. 煤料单层铺开在所述传送带100上跟随所述传送带100传动；

b. 摄像装置300实时拍摄所述煤料；

c. 摄像装置300实时传送拍摄图像至控制模块500；

d. 控制模块500识别出矸石250后，发送识别结果至矸石剔除机构；

e. 矸石剔除机构根据识别结果动作，将矸石250从煤块200中剔除。

综上所述，本发明的基于人工智能图像识别的煤矸石筛选系统，在一定高度处设置传送带100，在煤料跟随所述传送带100移动及越过末端120下落的过程中，或者在煤料越过所述传送带100的末端后下落的过程中，首先由摄像装置300实时拍摄所述煤料，并发送拍摄图像至控制模块500，控制模块500通过人工智能图像识别技术实时识别出所述拍摄图像中的矸石250，并至少记录识别出的矸石250的坐标位置，作为识别结果发送至矸石剔除机构，矸石剔除机构根据接受到的识别结果动作，将矸石250从煤块200中剔除。本发明对矸石250的分选准确率高，设备简单，处理粒级宽，处理能力大，并且多个矸石剔除机构可同时工作，剔除矸石250，处理速度快，可以替代大部分的人工；设备简单易维护，便于部署在井下，在煤料起吊出井之前即将矸石250筛选出来并留在井下，更可有效地降低矸石出井量，保护环境。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于人工智能图像识别的煤矸石筛选系统，其特征在于，包括：

在一定高度位置上接近水平设置的传送带，煤料在所述传送带上单层铺开并跟随传送带移动，从传送带的起始段移动至末端后，向下掉落；

摄像装置，所述摄像装置正对并实时拍摄所述煤料，并传送拍摄图像至一控制模块，所述控制模块用于通过深度学习的人工智能视觉图像识别技术识别所述拍摄图像中的矸石和煤块；

矸石剔除机构，用于接受从所述控制模块发送来的识别结果后动作，将矸石从煤块中剔除；

所述识别结果，至少包括所识别出的矸石的坐标位置。

2.根据权利要求1所述的煤矸石筛选系统，其特征在于，所述起始段还设有摊煤装置，用于将煤料在所述传送带上铺开为单层。

3.根据权利要求2所述的煤矸石筛选系统，其特征在于，所述传送带的上方，所述摊煤装置的下游，还设置喷枪，所述喷枪喷出高压空气，用于喷洗位于所述传送带上的所述煤料。

4.根据权利要求3所述的煤矸石筛选系统，其特征在于，所述高压空气中还添加水雾，用于降低空气中的粉尘，并适度侵润煤料，以增加煤料的视觉辨别度。

5.根据权利要求1所述的煤矸石筛选系统，其特征在于，所述矸石剔除机构包括靠近所述煤料的下落路线、且沿所述传送带的宽度方向排列的至少一排击打器。

6.根据权利要求5所述的煤矸石筛选系统，其特征在于，所述摄像装置正对并拍摄刚离开所述传送带的煤料；所述控制模块根据所述击打器的对矸石的击打位置和传送带表面的高度落差，计算出所述矸石从所述传送带掉落至所述击打位置的掉落时间，再减去所述击打器从启动到接触所述矸石的准备时间，即计算出所述击打器开始动作之前的延迟时间；所述识别结果还包括所述延迟时间和矸石在传送带的宽度方向上的矸石宽度位置，在等待所述延迟时间后，对应于所述矸石宽度位置的全部击打器一起工作，将掉落的矸石击出。

7.根据权利要求6所述的煤矸石筛选系统，其特征在于，所述控制模块还根据识别出的矸石在所述拍摄图像中的形状，计算矸石在所述传送带的长度方向上的几何中心位置，作为所述坐标位置，存入所述识别结果。

8.根据权利要求1所述的煤矸石筛选系统，其特征在于，所述传送带上还设置有凸起的网格，煤料单层分散于所述网格中。

9.根据权利要求1所述的煤矸石筛选系统，其特征在于，所述摄像装置的镜头设有用于清洁镜头的清洁装置。

10.根据权利要求1-9任一所述的煤矸石筛选系统的工作方法，其特征在于，包括步骤：

a. 煤料单层铺开在所述传送带上跟随所述传送带传动；

b. 摄像装置实时拍摄所述煤料；

c. 摄像装置实时传送拍摄图像至控制模块；

d. 控制模块识别出矸石后，发送识别结果至矸石剔除机构；

e. 矸石剔除机构根据识别结果动作，将矸石从煤块中剔除。

Images