CN112255148A - 一种矿石颗粒度检测系统及检测方法 - Google Patents

一种矿石颗粒度检测系统及检测方法 Download PDF

Info

Publication number
CN112255148A
CN112255148A CN202011031418.0A CN202011031418A CN112255148A CN 112255148 A CN112255148 A CN 112255148A CN 202011031418 A CN202011031418 A CN 202011031418A CN 112255148 A CN112255148 A CN 112255148A
Authority
CN
China
Prior art keywords
conveying belt
feeding
belt
differential
stone
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.)
Granted
Application number
CN202011031418.0A
Other languages
English (en)
Other versions
CN112255148B (zh
Inventor
邹才超
钱伟民
廖仁镭
沈英杰
卢青
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.)
Huzhou Xinkaiyuan Crushed Stones Co ltd
Original Assignee
Huzhou Xinkaiyuan Crushed Stones Co ltd
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 Huzhou Xinkaiyuan Crushed Stones Co ltd filed Critical Huzhou Xinkaiyuan Crushed Stones Co ltd
Priority to CN202011031418.0A priority Critical patent/CN112255148B/zh
Publication of CN112255148A publication Critical patent/CN112255148A/zh
Application granted granted Critical
Publication of CN112255148B publication Critical patent/CN112255148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
    • G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
    • G06T5/90—
    • 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
    • G06T7/90—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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明涉及矿石颗粒检测领域，具体涉及一种矿石颗粒度检测系统及检测方法，检测系统包括，进料机构、离散输送机构、回料机构、拍照机构和计算机构；所述，进料机构包括，进料转盘和进料斗；所述离散输送机构包括，分条斗、进料传输带和差速传输带，所述分条斗顶部开口设置在所述进料斗下方，其底部设置有若干间隔设置的条形出口，所述进料传输带设置在所述条形出口下方，所述差速传输带设置在所述进料传输带传输方向末端的下方，所述差速传输带的皮带线速度大于所述进料传输带的皮带线速度；所述回料机构包括输送机和收料筐，所述拍照机构设置在所述差速传输带上方。本发明通过离散输送机构将石粒进行分散，减少了石粒直接的重叠，保证了图像处理结果的准确性。

Description

一种矿石颗粒度检测系统及检测方法
技术领域
本发明涉及矿石颗粒检测领域，具体涉及一种矿石颗粒度检测系统及检测方法。
背景技术
在有色金属冶炼中，矿石解离是一道十分重要的工序，就是对大块矿石进行破碎，将各种有用的矿石颗粒从矿石中解离出来。矿石解离过程一般需要经过数层破碎机，每层破碎机承担不同的作用。矿石的粒度信息是反应选矿过程中各层破碎机工作情况的重要指标，对调节每一层破碎机设备参数有重要参考作用，直接影响整个选矿过程的生产效率。要想正确地选择选矿工艺方法，合理设计破碎筛选的生产流程，对破碎的矿石粒度及时分析，根据分析结果及时调整破碎机的参数，保证破碎矿石粒度的均匀性，成为必要的环节。
发明内容
本发明的目的，是为了解决背景技术中的问题，提供一种矿石颗粒度检测系统及检测方法。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种矿石颗粒度检测系统，包括，进料机构、离散输送机构、回料机构、拍照机构和计算机构；所述，进料机构包括，进料转盘和进料斗；所述离散输送机构包括，分条斗、进料传输带和差速传输带，所述分条斗顶部开口设置在所述进料斗下方，其底部设置有若干间隔设置的条形出口，所述进料传输带设置在所述条形出口下方，所述差速传输带设置在所述进料传输带传输方向末端的下方，所述差速传输带的皮带线速度大于所述进料传输带的皮带线速度；所述回料机构包括输送机和收料筐，所述拍照机构设置在所述差速传输带上方。
作为优选，所述离散输送机构与所述回料机构之间还设置有调位校验机构，所述调位校验机构包括设置在所述差速传输带传输方向末端下方的调位输送带和设置在所述差速传输带与所述调位输送带之间的顶块，所述差速传输带与所述调位输送带的皮带线速度相同。设置顶块使石粒从差速传输带落入调位输送带时，翻转一定角度，从而保证验证效果。
作为优选，所述拍照机构包括设置在所述差速传输带上方的成像相机和设置在所述调位输送带上方的校验相机。
一种矿石颗粒度检测法方法，包括以下步骤：
S1、图像获得：通过成像相机在差速传输带上方进行拍摄，得到图片；
S2、图像预处理：将拍照机构拍摄到的图片像素化，得到n×m个像素点的图像A，对图像A建立坐标系，将每个像素点的坐标记录为(a，b)，a∈(0，n)，b∈(0，m)，提取每个像素点的三色信道颜色数据(x(a，b)，y(a，b)，z(a，b))，并且为每个像素点建立数据{(x(a，b)，y(a，b)，z(a，b))；(a，b)}
S3、石粒区域初筛：复制图像A，得到图像B，将图像A的坐标系同时复制到图像B，设定颜色阈值Q对图像B进行处理，传输带色块区域调整为阴影区，其余高光区即为石粒区，将全部高光区内像素点的坐标记录到点集S0内，得到筛分区域S0；
S4、区域分割：①在图像A中，随机选取一个像素点(ai，bi)∈Si-1，i＝1，2……k，记入点集Ti，作为区域Ti起始基点，读取其颜色数据，并将该点处的数据改写为{(x(ai，bi)，y(ai，bi)，z(ai，bi))；(ai，bi)；Ti}；②提取基点周围1像素距离内且位于区域S内的像素点的颜色数据；③计算所选像素点与基点的颜色差值，与标准偏差值P比较，若差值小于P，则将相应像素点坐标记录到点集Ti中，将Ti写入到该像素点的数据中，并将相应像素点列为新基点；④重复上述步骤②和③，直到不再出现新基点，记录此时Ti包含的所有像素点坐标，Si＝Si-1－Ti；⑤重复步骤①-④将筛分区域S拆解为k个区域之和，即S＝T1+T2+……Tk；
S5、石粒区域筛选：计算上述步骤得到的每个区域Tj的颜值数据Cj；
Figure BDA0002703772740000021
h为Tj内像素点的个数，j＝1，2……k；
将Cj与石粒判别值Pm比较，若Cj＞Pm，则Tj为石粒区，将所有石粒区写入集合TAR中；
TAR＝{Tj|Cj＞Pm，j＝1，2……k}；
S6、计算石粒平均粒度：计算出TAR中每个石粒区的粒径数据Lf，f＝1，2……g，其中g为TAR中Tj的总数，为然后通过Lf计算石粒平均粒度；
Figure BDA0002703772740000031
S7、检验计算：采用校验相机(42)间隔时间t拍摄图像，并按照上述方法，计算出石粒平均粒度，与上述石粒平均粒度进行比较，两者误差小于Pz，则认为上述石粒平均粒度可信。
作为优选，所述步骤4中用sum of absolute difference(SAD)法进行两点之间的距离计算，即{(x(a1，b1)，y(a1，b1)，z(a1，b1))；(a1，b1)}与{(x(a2，b2)，y(a2，b2)，z(a2，b2))；(a2，b2)}之间的差值Px＝|x(a1，b1)－x(a2，b2)|+|y(a1，b1)－y(a2，b2)|+|z(a1，b1)－z(a2，b2)|。
作为优选，所述步骤5中R1＝0.3，R2＝0.59，R3＝0.11。
作为优选，所述步骤5中，Pm的数值根据矿石颜色决定，矿石颜色越深Pm值越小。
作为优选，所述步骤6中，粒径数据Lf，
Figure BDA0002703772740000032
作为优选，所述步骤7中，t＝t0+l/v，其中t0为矿石从差速传输带(23)跌落到调位输送带(51)的时间，l为拍摄图像在石粒传输方向的长度，v为差速传输带(23)的传输速度。
综上所述，本发明的有益效果：
1、本发明所述的一种矿石颗粒度检测系统及检测方法，通过离散输送机构将石粒进行分散，减少了石粒直接的重叠，保证了后续图像处理结果的准确性。
2、本发明所述的一种矿石颗粒度检测系统及检测方法，通过物理调整石粒状态，再次拍摄验证的手段，提高了颗粒度检测的准确度。
附图说明
图1是本发明检测系统的结构示意图；
图2是本发明检测方法中基点周围颜色差值计算的示意图。
具体实施方式
以下具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
下面结合附图以实施例对本发明进行详细说明。
实施例1：
根据图1所示，一种矿石颗粒度检测系统包括，进料机构1、离散输送机构2、回料机构3、拍照机构4和计算机构；，进料机构包括，进料转盘11和进料斗12；离散输送机构2包括，分条斗21、进料传输带22和差速传输带23，分条斗21顶部开口设置在进料斗12下方，其底部设置有若干间隔设置的条形出口，进料传输带22设置在条形出口下方，差速传输带23设置在进料传输带22传输方向末端的下方，差速传输带23的皮带线速度大于进料传输带22的皮带线速度；回料机构3包括输送机和收料筐，拍照机构4包括设置在差速传输带23上方的成像相机41和设置在调位输送带51上方的校验相机42。
离散输送机构2与回料机构3之间还设置有调位校验机构5，调位校验机构5包括设置在差速传输带23传输方向末端下方的调位输送带51和设置在差速传输带23与调位输送带51之间的顶块52，差速传输带23与调位输送带51的皮带线速度相同。
实施例2：
一种矿石颗粒度检测法方法，包括以下步骤：
S1、图像获得：通过成像相机41在差速传输带23上方进行拍摄，得到图片；
S2、图像预处理：将拍照机构4拍摄到的图片像素化，得到n×m个像素点的图像A，对图像A建立坐标系，将每个像素点的坐标记录为(a，b)，a∈(0，n)，b∈(0，m)，提取每个像素点的三色信道颜色数据(x(a，b)，y(a，b)，z(a，b))，并且为每个像素点建立数据{(x(a，b)，y(a，b)，z(a，b))；(a，b)}
S3、石粒区域初筛：复制图像A，得到图像B，将图像A的坐标系同时复制到图像B，设定颜色阈值Q对图像B进行处理，传输带色块区域调整为阴影区，其余高光区即为石粒区，将全部高光区内像素点的坐标记录到点集S0内，得到筛分区域S0；
S4、区域分割：以图2中3×3像素的图形作为示例，①S0＝{(499，499)、(499，500)、(499，501)、(500，499)、(500，500)、(500，501)、(501，499)、(501，500)、(501，501)}，随机选取像素点(500，500)作为区域T1起始基点，读取其颜色数据(168，175，172)，将该点处的数据改写为{(168，175，172)；(500，500)；T1}；②提取像素点(499，499)、(499，500)、(499，501)、(500，499)、(500，501)、(501，499)、(501，500)、(501，501)的颜色数据，分别为{(169，175，177)；(499，500)}、{(010，012，011)；(500，500)}、{(011，012，013)；(501，500)}、{(166，174，170)；(499，500)}、、{(168，175，172)；(501，500)}、{(164，173，173)；(499，501)}、{(169，173，171)；(500，501)}、{(025，018，020)；(501，501)}；③计算上述像素点与(500，500)的颜色数据的差值，设定标准偏差值P＝15，得到T1中的点为{(499，499)、(499，500)、(500，500)、(501，500)、(499，501)、(500，501)}；④分别以(499，499)、(499，500)、(501，500)、(499，501)、(500，501)作为新的基点，重复上述步骤②和③，由于上述点均在边界，所以没有新基点产生，所以T1＝{(499，499)、(499，500)、(500，500)、(501，500)、(499，501)、(500，501)}，同理得到T2和T3。
S5、石粒区域筛选：计算上述步骤得到的每个区域Tj的颜值数据Cj；
Figure BDA0002703772740000051
h为Tj内像素点的个数，j＝1，2……k；
将Cj与石粒判别值Pm＝100比较，若Cj＞Pm，则Tj为石粒区，将所有石粒区写入集合TAR中；
TAR＝{Tj|Cj＞Pm，j＝1，2……k}；
以图2为例，TAR＝{T1}。
S6、计算石粒平均粒度：计算出TAR中每个石粒区的粒径数据Lf，f＝1，2……g，其中g为TAR中Tj的总数，
Figure BDA0002703772740000052
然后通过Lf计算石粒平均粒度：
Figure BDA0002703772740000053
S7、检验计算：采用校验相机42间隔时间t拍摄图像，t＝t0+l/v，其中t0为矿石从差速传输带23跌落到调位输送带51的时间，l为拍摄图像在石粒传输方向的长度，v为差速传输带23的传输速度，并按照上述方法，计算出石粒平均粒度，与上述石粒平均粒度进行比较，两者误差小于Pz，则认为上述石粒平均粒度可信。

Claims (9)

1.一种矿石颗粒度检测系统，其特征在于，包括，进料机构(1)、离散输送机构(2)、回料机构(3)、拍照机构(4)和计算机构；所述，进料机构包括，进料转盘(11)和进料斗(12)；所述离散输送机构(2)包括，分条斗(21)、进料传输带(22)和差速传输带(23)，所述分条斗(21)顶部开口设置在所述进料斗(12)下方，其底部设置有若干间隔设置的条形出口，所述进料传输带(22)设置在所述条形出口下方，所述差速传输带(23)设置在所述进料传输带(22)传输方向末端的下方，所述差速传输带(23)的皮带线速度大于所述进料传输带(22)的皮带线速度；所述回料机构(3)包括输送机和收料筐，所述拍照机构(4)设置在所述差速传输带(23)上方。
2.根据权利要求1所述的一种矿石颗粒度检测系统，其特征在于，所述离散输送机构(2)与所述回料机构(3)之间还设置有调位校验机构(5)，所述调位校验机构(5)包括设置在所述差速传输带(23)传输方向末端下方的调位输送带(51)和设置在所述差速传输带(23)与所述调位输送带(51)之间的顶块(52)，所述差速传输带(23)与所述调位输送带(51)的皮带线速度相同。
3.根据权利要求2所述的一种矿石颗粒度检测系统，其特征在于，所述拍照机构(4)包括设置在所述差速传输带(23)上方的成像相机(41)和设置在所述调位输送带(51)上方的校验相机(42)。
4.一种矿石颗粒度检测法方法，其特征在于，包括以下步骤：
S1、图像获得：通过成像相机(41)在差速传输带(23)上方进行拍摄，得到图片；
S2、图像预处理：将拍照机构(4)拍摄到的图片像素化，得到n×m个像素点的图像A，对图像A建立坐标系，将每个像素点的坐标记录为(a，b)，a∈(0，n)，b∈(0，m)，提取每个像素点的三色信道颜色数据(x(a，b)，y(a，b)，z(a，b))，并且为每个像素点建立数据{(x(a，b)，y(a，b)，z(a，b))；(a，b)}
S3、石粒区域初筛：复制图像A，得到图像B，将图像A的坐标系同时复制到图像B，设定颜色阈值Q对图像B进行处理，传输带色块区域调整为阴影区，其余高光区即为石粒区，将全部高光区内像素点的坐标记录到点集S0内，得到筛分区域S0；
S4、区域分割：①在图像A中，随机选取一个像素点(ai，bi)∈Si-1，i＝1，2……k，记入点集Ti，作为区域Ti起始基点，读取其颜色数据，并将该点处的数据改写为{(x(ai，bi)，y(ai，bi)，z(ai，bi))；(ai，bi)；Ti}；②提取基点周围1像素距离内且位于区域S内的像素点的颜色数据；③计算所选像素点与基点的颜色差值，与标准偏差值P比较，若差值小于P，则将相应像素点坐标记录到点集Ti中，将Ti写入到该像素点的数据中，并将相应像素点列为新基点；④重复上述步骤②和③，直到不再出现新基点，记录此时Ti包含的所有像素点坐标，Si＝Si-1－Ti；⑤重复步骤①-④将筛分区域S拆解为k个区域之和，即S＝T1+T2+……Tk；
S5、石粒区域筛选：计算上述步骤得到的每个区域Tj的颜值数据Cj；
Figure FDA0002703772730000021
h为Tj内像素点的个数，j＝1，2……k；
将Cj与石粒判别值Pm比较，若Cj＞Pm，则Tj为石粒区，将所有石粒区写入集合TAR中；
TAR＝{Tj|Cj＞Pm，j＝1，2……k}；
S6、计算石粒平均粒度：计算出TAR中每个石粒区的粒径数据Lf，f＝1，2……g，其中g为TAR中Tj的总数，为然后通过Lf计算石粒平均粒度；
Figure FDA0002703772730000022
S7、检验计算：采用校验相机(42)间隔时间t拍摄图像，并按照上述方法，计算出石粒平均粒度，与上述石粒平均粒度进行比较，两者误差小于Pz，则认为上述石粒平均粒度可信。
5.根据权利要求4所述的一种矿石颗粒度检测法方法，其特征在于，所述步骤4中用sumof absolute difference(SAD)法进行两点之间的距离计算，即{(x(a1，b1)，y(a1，b1)，z(a1，b1))；(a1，b1)}与{(x(a2，b2)，y(a2，b2)，z(a2，b2))；(a2，b2)}之间的差值Px＝|x(a1，b1)－x(a2，b2)|+|y(a1，b1)－y(a2，b2)|+|z(a1，b1)－z(a2，b2)|。
6.根据权利要求4所述的一种矿石颗粒度检测法方法，其特征在于，所述步骤5中R1＝0.3，R2＝0.59，R3＝0.11。
7.根据权利要求4所述的一种矿石颗粒度检测法方法，其特征在于，所述步骤5中，Pm的数值根据矿石颜色决定，矿石颜色越深Pm值越小。
8.根据权利要求4所述的一种矿石颗粒度检测法方法，其特征在于，所述步骤6中，粒径数据
Figure FDA0002703772730000031
9.根据权利要求4所述的一种矿石颗粒度检测法方法，其特征在于，所述步骤7中，t＝t0+l/v，其中t0为矿石从差速传输带(23)跌落到调位输送带(51)的时间，l为拍摄图像在石粒传输方向的长度，v为差速传输带(23)的传输速度。
CN202011031418.0A 2020-09-27 2020-09-27 一种矿石颗粒度检测系统及检测方法 Active CN112255148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011031418.0A CN112255148B (zh) 2020-09-27 2020-09-27 一种矿石颗粒度检测系统及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011031418.0A CN112255148B (zh) 2020-09-27 2020-09-27 一种矿石颗粒度检测系统及检测方法

Publications (2)

Publication Number Publication Date
CN112255148A true CN112255148A (zh) 2021-01-22
CN112255148B CN112255148B (zh) 2023-07-28

Family

ID=74234301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011031418.0A Active CN112255148B (zh) 2020-09-27 2020-09-27 一种矿石颗粒度检测系统及检测方法

Country Status (1)

Country Link
CN (1) CN112255148B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113686884A (zh) * 2021-10-27 2021-11-23 南通市荣力达铝业有限公司 光伏铝型材缺口在线检测装置
CN113702254A (zh) * 2021-08-30 2021-11-26 云南阿姆德电气工程有限公司 一种自动检测选矿矿石粒级的设备及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169981A (zh) * 2017-05-12 2017-09-15 西南交通大学 一种道砟颗粒三维廓形的检测方法及装置
CN107621435A (zh) * 2017-10-16 2018-01-23 华侨大学 一种骨料在线监测装置
CN111047555A (zh) * 2019-11-13 2020-04-21 鞍钢集团矿业有限公司 基于图像处理技术的矿石图像粒度检测算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169981A (zh) * 2017-05-12 2017-09-15 西南交通大学 一种道砟颗粒三维廓形的检测方法及装置
CN107621435A (zh) * 2017-10-16 2018-01-23 华侨大学 一种骨料在线监测装置
CN111047555A (zh) * 2019-11-13 2020-04-21 鞍钢集团矿业有限公司 基于图像处理技术的矿石图像粒度检测算法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113702254A (zh) * 2021-08-30 2021-11-26 云南阿姆德电气工程有限公司 一种自动检测选矿矿石粒级的设备及方法
CN113702254B (zh) * 2021-08-30 2023-09-26 云南阿姆德电气工程有限公司 一种自动检测选矿矿石粒级的设备及方法
CN113686884A (zh) * 2021-10-27 2021-11-23 南通市荣力达铝业有限公司 光伏铝型材缺口在线检测装置
CN113686884B (zh) * 2021-10-27 2022-01-07 南通市荣力达铝业有限公司 光伏铝型材缺口在线检测装置

Also Published As

Publication number Publication date
CN112255148B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
Chen et al. Quality-guided key frames selection from video stream based on object detection
CN112255148A (zh) 一种矿石颗粒度检测系统及检测方法
US7020307B2 (en) Rock fragmentation analysis system
CN107665351B (zh) 基于难样本挖掘的机场检测方法
Patel et al. Development of machine vision-based ore classification model using support vector machine (SVM) algorithm
CN107649234A (zh) 一种破碎机破碎粒径自动调节装置及方法
US9418297B2 (en) Detecting video copies
Duan et al. Coarse-grained density map guided object detection in aerial images
CN108416775B (zh) 一种基于深度学习的矿石粒度检测方法
US11900676B2 (en) Method and apparatus for detecting target in video, computing device, and storage medium
Salinas et al. Automated estimation of rock fragment distributions using computer vision and its application in mining
CN114283144B (zh) 基于图像识别的玉米芯粉碎机稳定运行的智能控制方法
Maier et al. Experimental evaluation of a novel sensor-based sorting approach featuring predictive real-time multiobject tracking
JP2002005637A (ja) 高温状態にある粒状物集合体の体積若しくは重量測定法
Saran et al. Multi-modal imaging-based foreign particle detection system on coal conveyor belt
CN113552028A (zh) 混合料视觉分析装置、混合料粒度组成检测方法及系统
Andersson et al. Minimizing profile error when estimating the sieve-size distribution of iron ore pellets using ordinal logistic regression
CN112712134A (zh) 一种原料颗粒分类识别方法、系统、介质及电子终端
Dong et al. Automated estimation of ore size distributions based on machine vision
CN107024416A (zh) 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法
CN116895036A (zh) 一种基于深度学习的耕地保护预警方法及装置
JP2005189179A (ja) 粉粒体の粒度計測方法
CN116012293A (zh) 基于特征匹配的大块识别系统及其方法
CN111222510B (zh) 一种烧结机的台车箅条图像摄取方法及系统
JPH0598322A (ja) 高炉装入物の粒度制御方法

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
GR01 Patent grant
GR01 Patent grant