CN112264330A - 一种移动端煤矸光电分选系统 - Google Patents

一种移动端煤矸光电分选系统 Download PDF

Info

Publication number
CN112264330A
CN112264330A CN202011139393.6A CN202011139393A CN112264330A CN 112264330 A CN112264330 A CN 112264330A CN 202011139393 A CN202011139393 A CN 202011139393A CN 112264330 A CN112264330 A CN 112264330A
Authority
CN
China
Prior art keywords
layer
gangue
mobile
coal
processing unit
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.)
Pending
Application number
CN202011139393.6A
Other languages
English (en)
Inventor
郭永存
张勇
王爽
胡坤
赵佰亭
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.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
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 Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN202011139393.6A priority Critical patent/CN112264330A/zh
Publication of CN112264330A publication Critical patent/CN112264330A/zh
Pending legal-status Critical Current

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
    • B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
    • B07C5/3427—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain by changing or intensifying the optical properties prior to scanning, e.g. by inducing fluorescence under UV or x-radiation, subjecting the material to a chemical reaction
    • 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
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • 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

Landscapes

  • Sorting Of Articles (AREA)

Abstract

本发明公开了一种移动端煤矸光电分选系统，包括硬件和软件两部分。原煤通过小粒径分离装置和铺平装置预处理后，由高速相机进行扫描，并形成图片信息或连续的视频信息，然后将采集的图像信息传到移动端数据处理单元中，根据软件部分中训练好的轻量型卷积神经网络模型对图像进行特征提取和分类；识别的信息经处理后用于控制电磁阀开关，对识别后的煤和矸石进行分离；软件部分使用的轻量型卷积神经网络模型经谷歌深度学习框架Tensorflow2.0训练后，转换成Tensorflow lite模型，用于下载到移动端数据处理单元中，模型软件运行在Android移动操作系统中。通过在移动端硬件和系统上运行轻量型深度学习模型，为煤矸光电分选的实现提供便利。

Description

一种移动端煤矸光电分选系统
技术领域
本发明涉及一种分选系统，具体是一种移动端煤矸光电分选系统。
背景技术
在井下煤炭开采过程中，原煤会掺杂大量的矸石，矸石的存在不仅会降低煤的质量和燃烧效率，而且矸石的存放还会污染环境，增加原煤运输的成本，因此在井下实现煤和矸石分选，并就地回填，是实现煤炭绿色开采的一项关键技术；传统的煤矸分选技术有筛网跳汰法、重介质法和浮选法等，但这些方法不仅会带来粉尘污染、水污染和土地污染，而且现阶段只能在井上的选煤厂中运行；现有申请号为201920919145.X的实用新型专利，公开了基于X射线的煤矸分选装置，但X射线识别方法发出的放射性射线对人体存在巨大危害，并且设备体积较大，不适合在井下运行；申请号为202010304664.2的发明专利公开了一种基于深度视觉的煤矸石分离方法，其通过深度学习的方式，对煤和矸石进行分类识别，但此类设备在运行过程中需要与服务器建立连接，对摄像头采集的图片数据需要上传到服务器中进行分析处理后再传回到设备中，进行下一步的分离动作，这样带来的不仅是设备成本的增加，而且设备运行受制于网络传输速度的限制，在一定程度会降低分选的效率。
为了使煤矸分选设备更加适合于井下的环境，并且不受制于设备工作要求的影响，本发明公开了一种移动端煤矸光电分选系统，可以实时利用训练好的轻量型卷积神经网络模型，结合相应的移动端硬件设备完成对带式输送机上煤和矸石图像的采集、识别和分离动作，为煤矸的分选提供便利。
发明内容
本发明的目的在于提供一种移动端煤矸光电分选系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种移动端煤矸光电分选系统，包括硬件系统和软件系统，其特征在于，所述硬件系统包括小粒径分离装置、铺平装置、图像数据采集模块、存储模块、移动端处理单元和交互显示模块、外设接口和煤矸分离模块；所述软件系统通过谷歌深度学习框架Tensorflow2.0搭建的轻量型卷积神经网络模型对采集的煤和矸石图片进行训练；再利用python接口转化程序将训练好的轻量型卷积神经网络模型转化为Tensorflow lite模型，最后通过Android studio编写电磁阀控制程序和控制界面程序，并对Tensorflow lite模型、电磁阀控制程序和控制界面程序进行编译和打包，用于下载到硬件系统中；所述图像数据采集模块采集图像数据，采集图像数据的预处理由Java图像预处理程序完成。
作为本发明进一步的方案：所述小粒径分离装置包括进料箱、架体、振动电机底座、振动电机、底座、振动弹簧、固定耳板、筛网、振动箱体进料箱，所述进料箱设置在所述振动箱体进料箱上部，所述振动电机通过振动电机底座固定在振动箱体进料箱一侧，所述振动弹簧置于底座和固定耳板之间，所述固定耳板固定在振动箱体进料箱前端两侧；所述筛网嵌入振动箱体进料箱前端底部。
作为本发明再进一步的方案：所述铺平装置包括铺平滚轮、转轴和铺平装置架体，所述铺平滚轮通过转轴与铺平装置架体连接。
作为本发明再进一步的方案：所述移动端数据处理单元采用瑞微芯RK3399芯片，移动端数据处理单元中须安装Android移动操作系统；
所述外设接口包括MIPI-DSI、MIPI-CSI和GPIO三种接口；
所述存储模块分为RAM和Flash两类，RAM采用4GB的LPDDR3，Flash则采用16GB的eMMC 5.1Flash，RAM和ROM与移动端数据处理单元瑞芯微RK3399连接；
所述图像数据采集模块是一个高速摄像头，通过MIPI-CSI接口与移动端数据处理单元瑞芯微RK3399连接；
所述交互显示模块主要由一块外接的触摸显示屏构成，通过MIPI-DSI接口与移动端数据处理单元瑞芯微RK3399连接；
所述速度信号采集模块是一个输送带计速器，通过GPIO接口与移动端数据处理单元瑞芯微RK3399连接。
作为本发明再进一步的方案：所述煤矸分离模块包括储气罐和电磁阀组两部分，所述储气罐与电磁阀连接，所述电磁阀通过GPIO接口与移动端数据处理单元瑞芯微RK3399连接。
作为本发明再进一步的方案：所述轻量型卷积神经网络模型共11个层，包括3个卷积核大小为1*1的卷积层，7个瓶颈层和1个池化核尺寸为7*7的平均池化层；其中第一卷积层输出通道数为32，运行次数为1，步长为2；第一瓶颈层扩张倍数为1，输出通道数为16，运行次数为1，步长为1；第二瓶颈层扩张倍数为6，输出通道数为24，运行次数为2，步长为2；第三瓶颈层扩张倍数为6，输出通道数为32，运行次数为3，步长为2；第四瓶颈层扩张倍数为6，输出通道数为64，运行次数为4，步长为2；第五瓶颈层扩张倍数为6，输出通道数为96，运行次数为3，步长为1；第六瓶颈层扩张倍数为6，输出通道数为160，运行次数为3，步长为2；第七瓶颈层扩张倍数为6，输出通道数为320，运行次数为1，步长为1；第二卷积层输出通道数为1280，运行次数为1，步长为1；第一平均池化层运行次数为1；第三卷积层输出通道数为2。
作为本发明再进一步的方案：所述瓶颈层包括输入层、卷层1、深度可分离卷积层、卷积层2和添加层，其中卷积层1和卷积层2的卷积核尺寸均为1*1，卷积层1采用Relu6函数激活，卷积层2采用线性函数激活，深度可分离卷积层卷积核尺寸为3*3，并采用Relu6函数激活，另外，输入层连接至添加层。
与现有技术相比，本发明的有益效果是：本发明将移动端深度学习技术应用于煤矸分选设备中，实现设备的智能化，其中深度学习模型采用的轻量型深度学习网络，适合于移动端设备，使设备降低与服务器通信的需求，这样不仅可以节约网络通信和服务器租用带来的费用，而且可以避免网络延迟带来的影响，提高设备的运行稳定性；此外，此移动端煤矸光电分选系统还有具有体积小，易于装配的优势，适合于恶劣环境的运行，在矿山生产智能化方面将会有更广阔的应用前景。
附图说明
图1为移动端煤矸光电分选装置构成示意图；
图2为小粒径分离装置示意图。
图3为铺平装置示意图。
图4为系统硬件系统模块组成示意图。
图5为程序工作流程图。
图6为轻量型卷积神经网络结构图。
图7为瓶颈层结构图。
图中：1-进料箱、2-架体、3-振动电机底座、4-振动电机、5-底座、6-振动弹簧、7-固定耳板、8-筛网、9-振动箱体、10-铺平滚轮、11-转轴、12-铺平装置架体。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
实施例1
请参阅图1-7，一种移动端煤矸光电分选系统，包括硬件部分和软件部分，系统的硬件系统包括小粒径分离装置、铺平装置、移动端数据处理单元瑞芯微RK3399、高速摄像头、触摸显示屏、存储用RAM和Flash、输送带计速器、储气罐和电磁阀组等。移动端数据处理单元瑞芯微RK3399需安装Android系统。系统的软件部分主要由谷歌深度学习框架Tensirflow2.0编写的轻量型卷积神经网络模型、模型转化接口和Android studio编写的电磁阀组控制程序三部分组成。该系统主要由三大部分构成：(1)检测部分。由小粒径分离装置、铺平装置、带式输送机和高速摄像头组成，小粒径分离装置置于带式输送机前端部，铺平装置置于带式输送机上部。(2)控制部分。由移动端数据处理单元瑞芯微RK3399和触摸显示屏组成，触摸显示屏连接于移动端数据处理单元瑞芯微RK3399。(3)分离部分。由电磁阀组、储气罐、矸石仓和原煤仓组成，电磁阀组与储气罐连接。其中检测部分的输出端连接控制部分，控制部分输出端控制分离部分。
工作过程：开采的原煤经小粒径分离装置进行初步的筛分，将块径小于50mm的部分和附着在煤和矸石表面的煤粉等小颗粒筛出；经初步筛分处理过的煤和矸石进入带式输送机，由置于带式输送机前端上方的铺平装置将输送带上的煤和矸石铺平，避免煤和矸石存在的叠加、覆盖等对图像采集识别不利的情况，高速摄像头将通过摄像头检测区域的煤和矸石图像进行采集，并上传到移动端数据处理单元瑞芯微RK3399中。移动端数据处理单元瑞芯微RK3399根据训练好的轻量型卷积神经网络模型进行判断和识别，如果判断为煤，则向电磁阀组发送信号，打开电磁阀，喷射高压气体，使煤落入原煤仓；如果判断为矸石，则不发送信号，使矸石自然落入矸石仓。
工作原理：参照图1，为本发明公开的一种移动端煤矸光电系统，根据深度学习原理，在训练模型时，通过对采集的大量煤和矸石图像，运用轻量型卷积神经网络模型进行特征提取学习，构建学习模型，对新采集的图片进行识别和判断。测量时，煤和矸石由皮带匀速通过摄像头识别区域，摄像头对图像进行采集并上传到移动端数据处理单元瑞芯微RK3399，移动端数据处理单元瑞芯微RK3399用于分析和控制图像数据采集模块、存储模块、交互显示模块和煤矸分离模块。
参照图1、图2，所述小粒径分离装置置于带式输送机的前端，由进料箱1、架体2、振动电机底座3、振动电机4、底座5、振动弹簧6、固定耳板7、筛网8和振动箱体进料箱9组成；其中，进料箱1置于振动箱体进料箱9上部，用于将原煤导入振动箱体进料箱9内；振动电机4通过振动电机底座3固定在振动箱体进料箱9一侧，充当小粒径分离装置的振源；振动弹簧6置于底座5和固定耳板7之间，固定耳板7固定在振动箱体进料箱9前端两侧，为振动动作提供执行空间；筛网8嵌入振动箱体进料箱9前端底部，用于筛出小粒径煤或矸石；工作时，所述振动电机4带动所述筛网8上的煤和矸石一起振动，将原煤块径小于50mm的部分筛除，避免小粒径的煤或矸石对图像识别造成的影响。
参照图1、图3，所述铺平装置置于带式输送机的上部，主要由铺平滚轮10、转轴11和铺平装置架体12三部分组成，铺平滚轮10通过转轴11与铺平装置架体12连接；工作时，所述铺平滚轮10自由转动，即在与运动的原煤的相互作用下被动的转动，将由小粒径分离装置落向输送带上的煤和矸石铺平，使进入高速摄像头识别区域上的煤和矸石的数量不至于过多，造成识别困难，降低分选效率。
参照图1、图4，所述系统硬件模块为移动端煤矸光电分选系统的检测、识别和分离部分，其中移动端煤矸光电分选系统硬件系统主要由移动端数据处理单元瑞芯微RK3399、外扩RAM和Flash、输送带计速器、电磁阀、储气罐、触摸显示屏和高速摄像头组成；触摸显示屏与移动端数据处理单元瑞芯微RK3399间通过MIPI-DSI接口连接，为煤矸分选过程提供可视化界面；高速摄像头与移动端数据处理单元瑞芯微RK3399间通过MIPI-CSI接口连接，系统通过高速摄像头采集输送带上的煤和矸石图像，并上传到移动端处理单元瑞微芯RK3399中进行信号处理；外扩RAM和Flash与移动端数据处理单元瑞芯微RK3399连接，为系统提供数据存储空间和运行存储空间；输送带计速器与移动端数据处理单元瑞芯微RK3399通过GPIO接口连接，为煤矸分离提供实时带式输送机运行速度信号；电磁阀与移动端数据处理单元瑞芯微RK3399间均通过GPIO接口连接，高速摄像头采集的图像信号，通过移动端数据处理单元瑞芯微RK3399处理后输出信号，用于控制电磁阀开合；电磁阀与储气罐连接，储气罐通过电磁阀喷射高压气体，用于将识别的矸石喷离原下落轨迹，落入原煤仓。
参照图1、图5，所述开发的移动端数据采集处理软件安装在移动端处理单元瑞微芯RK3399中，移动端处理单元事先安装有Android移动操作系统，由它实时的控制煤和矸石图像的数据采集和处理，工作过程中，高速摄像头实时检测、采集煤和矸石图像，经程序预处理后送入训练好的轻量型神经网络做预测判断，在屏幕显示预测结果，并且输出控制信号，用于控制电磁阀的开合，完成煤矸的分离；其中运用的深度学习的方法，使设备更显智能化。
参照图6、图7，所述轻量型卷积神经网络模型结构图共11个层，包括3个卷积层，卷积核大小均为1*1，7个瓶颈层和1个平均池化层，池化核尺寸为7*7，输入经尺寸变换后的图像尺寸为224*224，t代表扩张倍数，c代表输出通道数，n表述运行次数，s表示步长；尺寸变换后的煤和矸石图像依次经过轻量型卷积神经网络的第一卷积层、第一瓶颈层、第二瓶颈层、第三瓶颈层、第四瓶颈层、第五瓶颈层、第六瓶颈层、第七瓶颈层、第二卷积层、第一平均池化层和第三卷积层输出图像类型；其中第一卷积层输出通道数为32，运行次数为1，步长为2；第一瓶颈层扩张倍数为1，输出通道数为16，运行次数为1，步长为1；第二瓶颈层扩张倍数为6，输出通道数为24，运行次数为2，步长为2；第三瓶颈层扩张倍数为6，输出通道数为32，运行次数为3，步长为2；第四瓶颈层扩张倍数为6，输出通道数为64，运行次数为4，步长为2；第五瓶颈层扩张倍数为6，输出通道数为96，运行次数为3，步长为1；第六瓶颈层扩张倍数为6，输出通道数为160，运行次数为3，步长为2；第七瓶颈层扩张倍数为6，输出通道数为320，运行次数为1，步长为1；第二卷积层输出通道数为1280，运行次数为1，步长为1；第一平均池化层运行次数为1；第三卷积层输出通道数为2。
瓶颈层结构如图7所示，包括5个层级，输入层依次经过卷积层1、深度可分离卷积层和卷积层2到达添加层；卷积层1、卷积层2卷积核尺寸均为1*1，卷积层1采用Relu6函数激活，卷积层2采用线性函数激活，深度可分离卷积层卷积核尺寸为3*3，并采用Relu6函数激活；另外，输入层连接至添加层。
本发明的有益效果是：本发明将移动端深度学习技术应用于煤矸分选设备中，实现设备的智能化，其中深度学习模型采用的轻量型深度学习网络，适合于移动端设备，使设备降低与服务器通信的需求，这样不仅可以节约网络通信和服务器租用带来的费用，而且可以避免网络延迟带来的影响，提高设备的运行稳定性；此外，此移动端煤矸光电分选系统还有具有体积小，易于装配的优势，适合于恶劣环境的运行，在矿山生产智能化方面将会有更广阔的应用前景。
上面对本发明的较佳实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (7)

1.一种移动端煤矸光电分选系统，包括硬件系统和软件系统，其特征在于，所述硬件系统包括小粒径分离装置、铺平装置、图像数据采集模块、存储模块、移动端处理单元和交互显示模块、速度信号采集模块、外设接口和煤矸分离模块；所述软件系统通过谷歌深度学习框架Tensorflow2.0搭建的轻量型卷积神经网络模型对采集的煤和矸石图片进行训练；再利用python接口转化程序将训练好的轻量型卷积神经网络模型转化为Tensorflow lite模型，最后通过Android studio编写电磁阀控制程序和控制界面程序，并对Tensorflow lite模型、电磁阀控制程序和控制界面程序进行编译和打包，用于下载到硬件系统中；所述图像数据采集模块采集图像数据，采集图像数据的预处理由Java图像预处理程序完成。
2.根据权利要求1所述的移动端煤矸光电分选系统，其特征在于，所述小粒径分离装置包括进料箱(1)、架体(2)、振动电机底座(3)、振动电机(4)、底座(5)、振动弹簧(6)、固定耳板(7)、筛网(8)、振动箱体进料箱(9)，所述进料箱(1)设置在所述振动箱体进料箱(9)上部，所述振动电机(4)通过振动电机底座(3)固定在振动箱体进料箱(9)一侧，所述振动弹簧(6)置于底座(5)和固定耳板(7)之间，所述固定耳板(7)固定在振动箱体进料箱(9)前端两侧；所述筛网(8)嵌入振动箱体进料箱(9)前端底部。
3.根据权利要求1所述的移动端煤矸光电分选系统，其特征在于，所述铺平装置包括铺平滚轮(10)、转轴(11)和铺平装置架体(12)，所述铺平滚轮(10)通过转轴(11)与铺平装置架体(12)连接。
4.根据权利要求1所述的移动端煤矸光电分选系统，其特征在于，所述移动端数据处理单元采用瑞微芯RK3399芯片，移动端数据处理单元中须安装Android移动操作系统；
所述外设接口包括MIPI-DSI、MIPI-CSI和GPIO三种接口；
所述存储模块分为RAM和Flash两类，RAM采用4GB的LPDDR3，Flash则采用16GB的eMMC5.1Flash，RAM和ROM与移动端数据处理单元瑞芯微RK3399连接；
所述图像数据采集模块是一个高速摄像头，通过MIPI-CSI接口与移动端数据处理单元瑞芯微RK3399连接；
所述交互显示模块主要由一块外接的触摸显示屏构成，通过MIPI-DSI接口与移动端数据处理单元瑞芯微RK3399连接；
所述速度信号采集模块是一个输送带计速器，通过GPIO接口与移动端数据处理单元瑞芯微RK3399连接。
5.根据权利要求1所述的移动端煤矸光电分选系统，其特征在于，所述煤矸分离模块包括储气罐和电磁阀组两部分，所述储气罐与电磁阀连接，所述电磁阀通过GPIO接口与移动端数据处理单元瑞芯微RK3399连接。
6.根据权利要求1所述的移动端煤矸光电分选系统，其特征在于，所述轻量型卷积神经网络模型共11个层，包括3个卷积核大小为1*1的卷积层，7个瓶颈层和1个池化核尺寸为7*7的平均池化层；其中第一卷积层输出通道数为32，运行次数为1，步长为2；第一瓶颈层扩张倍数为1，输出通道数为16，运行次数为1，步长为1；第二瓶颈层扩张倍数为6，输出通道数为24，运行次数为2，步长为2；第三瓶颈层扩张倍数为6，输出通道数为32，运行次数为3，步长为2；第四瓶颈层扩张倍数为6，输出通道数为64，运行次数为4，步长为2；第五瓶颈层扩张倍数为6，输出通道数为96，运行次数为3，步长为1；第六瓶颈层扩张倍数为6，输出通道数为160，运行次数为3，步长为2；第七瓶颈层扩张倍数为6，输出通道数为320，运行次数为1，步长为1；第二卷积层输出通道数为1280，运行次数为1，步长为1；第一平均池化层运行次数为1；第三卷积层输出通道数为2。
7.根据权利要求6所述的轻量型卷积神经网络，其特征在于，所述瓶颈层包括输入层、卷积层1、深度可分离卷积层、卷积层2和添加层，其中卷积层1和卷积层2的卷积核尺寸均为1*1，卷积层1采用Relu6函数激活，卷积层2采用线性函数激活，深度可分离卷积层卷积核尺寸为3*3，并采用Relu6函数激活，另外，输入层连接至添加层。
CN202011139393.6A 2020-10-22 2020-10-22 一种移动端煤矸光电分选系统 Pending CN112264330A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011139393.6A CN112264330A (zh) 2020-10-22 2020-10-22 一种移动端煤矸光电分选系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011139393.6A CN112264330A (zh) 2020-10-22 2020-10-22 一种移动端煤矸光电分选系统

Publications (1)

Publication Number Publication Date
CN112264330A true CN112264330A (zh) 2021-01-26

Family

ID=74341558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011139393.6A Pending CN112264330A (zh) 2020-10-22 2020-10-22 一种移动端煤矸光电分选系统

Country Status (1)

Country Link
CN (1) CN112264330A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113989251A (zh) * 2021-11-02 2022-01-28 河南中平自动化股份有限公司 一种矿用煤矸分选智能控制系统及方法
CN115025997A (zh) * 2022-05-24 2022-09-09 安徽理工大学 一种煤矸分选装置及使用方法
CN115908948A (zh) * 2023-01-05 2023-04-04 北京霍里思特科技有限公司 一种在线调整模型的智能分选系统及其控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106269576A (zh) * 2016-09-12 2017-01-04 中国矿业大学 一种煤矸石自动分选系统与方法
CN107891015A (zh) * 2018-01-09 2018-04-10 河南理工大学 一种煤矸分选中煤矸红外识别装置
CN110142227A (zh) * 2019-05-31 2019-08-20 安徽理工大学 一种基于温度变化的煤矸自动分选系统与方法
CN209646731U (zh) * 2019-03-19 2019-11-19 东阳市天力磁电有限公司 干式电磁除铁器
CN111259845A (zh) * 2020-01-21 2020-06-09 河海大学 一种混凝土结构表面裂缝识别方法
CN111468430A (zh) * 2020-04-17 2020-07-31 无锡雪浪数制科技有限公司 一种基于深度视觉的煤矸石分离方法
CN111495580A (zh) * 2020-04-28 2020-08-07 安徽理工大学 一种煤矿井下巷道布置的煤矸光电分选工艺

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106269576A (zh) * 2016-09-12 2017-01-04 中国矿业大学 一种煤矸石自动分选系统与方法
CN107891015A (zh) * 2018-01-09 2018-04-10 河南理工大学 一种煤矸分选中煤矸红外识别装置
CN209646731U (zh) * 2019-03-19 2019-11-19 东阳市天力磁电有限公司 干式电磁除铁器
CN110142227A (zh) * 2019-05-31 2019-08-20 安徽理工大学 一种基于温度变化的煤矸自动分选系统与方法
CN111259845A (zh) * 2020-01-21 2020-06-09 河海大学 一种混凝土结构表面裂缝识别方法
CN111468430A (zh) * 2020-04-17 2020-07-31 无锡雪浪数制科技有限公司 一种基于深度视觉的煤矸石分离方法
CN111495580A (zh) * 2020-04-28 2020-08-07 安徽理工大学 一种煤矿井下巷道布置的煤矸光电分选工艺

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董洪义: "《深度学习之PyTorch物体检测实战》", 31 March 2020, 机械工业出版社 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113989251A (zh) * 2021-11-02 2022-01-28 河南中平自动化股份有限公司 一种矿用煤矸分选智能控制系统及方法
CN113989251B (zh) * 2021-11-02 2022-05-24 河南中平自动化股份有限公司 一种矿用煤矸分选智能控制系统及方法
CN115025997A (zh) * 2022-05-24 2022-09-09 安徽理工大学 一种煤矸分选装置及使用方法
CN115025997B (zh) * 2022-05-24 2023-05-26 安徽理工大学 一种煤矸分选装置及使用方法
CN115908948A (zh) * 2023-01-05 2023-04-04 北京霍里思特科技有限公司 一种在线调整模型的智能分选系统及其控制方法
CN115908948B (zh) * 2023-01-05 2024-04-26 北京霍里思特科技有限公司 一种在线调整模型的智能分选系统及其控制方法

Similar Documents

Publication Publication Date Title
CN112264330A (zh) 一种移动端煤矸光电分选系统
CN112170260B (zh) 一种移动式煤矸光电分选机器人
CN105289997B (zh) 一种干法块煤分选装置
CN110937280B (zh) 一种基于视听结合的智能垃圾分类回收方法和终端
CN107891015A (zh) 一种煤矸分选中煤矸红外识别装置
CN206139527U (zh) 全景视觉马铃薯分选和缺陷检测装置
CN203540946U (zh) 一种基于视觉识别技术的矿石在线分选机
CN112024424B (zh) 一种人机协作式垃圾分选系统
CN109785378B (zh) 一种基于图谱图像算法分析技术的矿石粒度在线检测设备
CN112916421B (zh) 一种煤矸光电分选装置及其分选方法
CN106140634A (zh) 一种基于智能阵列式弹射板的大块矿石智能干选系统
CN109101878B (zh) 一种用于秸秆燃值估计的图像分析系统及图像分析方法
CN205165215U (zh) 一种干法块煤分选装置
CN106881278A (zh) 一种选煤设备及选煤方法
CN113941515A (zh) 一种矿用煤矸智能分选装置及其识别方法
CN110142227B (zh) 一种基于温度变化的煤矸自动分选系统与方法
CN105944976A (zh) 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
CN103364315A (zh) 一种烧结固体燃料粒度在线检测方法及检测装置
CN103252322B (zh) 井下煤矸石硬度分选设备
CN101895685B (zh) 视频采集控制装置及其方法
CN212216290U (zh) 煤矸石视频自动分拣装置
CN114535063B (zh) 一种基于人工智能图像识别的井下煤矸分选一体化装置
Sirimewan et al. Deep learning-based models for environmental management: Recognizing construction, renovation, and demolition waste in-the-wild
CN102962129A (zh) 一种分选生活垃圾中金属物质的磁选装置和方法
CN107812561A (zh) 一种高压辊打散分级闭路粉磨环保系统

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210126