CN113155686A - 一种矿物粒度组成和筛分效率的智能检测系统及方法 - Google Patents
一种矿物粒度组成和筛分效率的智能检测系统及方法 Download PDFInfo
- Publication number
- CN113155686A CN113155686A CN202110400090.3A CN202110400090A CN113155686A CN 113155686 A CN113155686 A CN 113155686A CN 202110400090 A CN202110400090 A CN 202110400090A CN 113155686 A CN113155686 A CN 113155686A
- Authority
- CN
- China
- Prior art keywords
- size
- screening efficiency
- material particles
- intelligent detection
- laser sensor
- 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
Links
- 238000012216 screening Methods 0.000 title claims abstract description 48
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 24
- 239000011707 mineral Substances 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title abstract description 20
- 239000000463 material Substances 0.000 claims abstract description 104
- 239000002245 particle Substances 0.000 claims abstract description 70
- 230000000007 visual effect Effects 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 15
- 239000008187 granular material Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000033228 biological regulation Effects 0.000 abstract description 2
- 238000012106 screening analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- 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
-
- 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
- G01N15/0272—Investigating particle size or size distribution with screening; with classification by filtering
-
- 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
- G01N2015/0288—Sorting the particles
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种矿物粒度组成和筛分效率的智能检测系统及方法,该系统包括载料皮带,载料皮带一端设有给料装置,载料皮带上方分别设有与视觉控制器信号连接的2D工业相机、3D激光传感器,2D工业相机测量物料颗粒在载料皮带上的正投影方向尺寸,3D激光传感器扫描物料颗粒轮廓并测量物料颗粒垂直方向高度尺寸。本发明能够智能测量与计算筛下物料颗粒、筛上物料颗粒的粒度组成,使矿物筛分分析过程更加高效与智能,减少了人力物力的消耗,提高了筛分过程调控的效率,简化了筛分计算过程。
Description
技术领域
本发明涉及矿物加工筛分分级领域,具体涉及一种矿物粒度组成和筛分效率的智能检测系统及方法。
背景技术
近年来,随着人工智能、视觉传感技术、图像处理等技术的快速发展,将机器视觉技术应用在矿物加工过程中已成为一个新的趋势,机器视觉技术具有非接触式传感、多层次信息融合、建模高速运算等优点,满足了矿业生产过程中范围大、不间断、需及时反馈等要求。
现代常用的粒度检测方法很多,如筛分法、沉降法、显微镜法、电感应法、光散射法等,获得的有平均直径、平均粒度、等效体积直径、等效表面积直径、Feret直径、Strokes直径等参数。表示粒度分布的方法也互不相同,如颗粒个数、百分数、质量百分数等。
选矿领域的传统筛分效率测量需要进行筛分试验,耗费大量的人力物力,持续时间长,人为误差大,不能实时的反馈筛分效率,进而使筛分过程不能实时调控。在现有的颗粒检测系统中,大多数都采用静态的方式对颗粒样品进行图像采集,使得测量的颗粒的数量具有局限性,近几年有学者提出粒度测量方法仅采用2D工业相机测量皮带上的物料颗粒大小,该测量方法利用图像灰度化、二值化、分割算法等方法进行计算,但忽略了物料的空间状态,颗粒粘连的现象极大地干扰了颗粒分析的准确性,其测量的误差大和算法的准确度低,难以应用到筛分效率的测量与计算上来,因此需要一种高精度低误差的测量系统与方法应用于筛分效率的智能检测。
发明内容
为了克服传统筛分效率测量持续时间长、人为误差大等问题,本发明提供了一种矿物粒度组成和筛分效率的智能检测系统及方法。
为实现上述发明目的,本发明的技术方案如下:
一种矿物粒度组成和筛分效率的智能检测系统,包括载料皮带,载料皮带一端设有给料装置,载料皮带上方分别设有与视觉控制器信号连接的2D工业相机、3D激光传感器,2D工业相机测量物料颗粒在载料皮带上的正投影方向尺寸,3D激光传感器扫描物料颗粒轮廓并测量物料颗粒垂直方向高度尺寸。
优选地,载料皮带上方设有照明光源,照明光源位于2D工业相机下方。
优选地,视觉控制器、照明光源、2D工业相机、3D激光传感器、给料装置由电控柜提供电能。
优选地,2D工业相机设有多台。
优选地,3D激光传感器为线激光传感器或3D激光轮廓传感器。
优选地,给料装置为分布式给料机。
本发明还提供一种矿物粒度组成和筛分效率的智能检测方法,包括如下步骤:
S1:筛分设备入料、筛上物料、筛下物料作为物料颗粒由给料装置分批次给到载料皮带,物料颗粒在载料皮带上经过2D工业相机和3D激光传感器测量区域;
S2:2D工业相机检测物料颗粒在载料皮带上的正投影尺寸大小并传输至视觉控制器的数据库中,3D激光传感器检测物料颗粒垂直方向高度尺寸,并传输至视觉控制器的数据库中;
S3:视觉控制器对数据库中的正投影尺寸大小数据、垂直方向高度尺寸数据进行降噪处理,去除因杂质、光照因素产生的数据噪声;
S4:视觉控制器根据去除数据噪声之后的正投影尺寸大小数据、垂直方向高度尺寸数据计算物料颗粒的最小外接长方体,最小外接长方体的长X、宽Y、高Z,其中,最小外接长方体的长X、宽Y由正投影尺寸大小数据计算,最小外接长方体的高Z由垂直方向高度尺寸数据计算;
S5:若X>Y>Z,选择Y作为物料颗粒分类尺寸衡量标准D;若Z>X>Y,选择X作为物料颗粒分类尺寸衡量标准D;若X>Z>Y,选择Z作为物料颗粒分类尺寸衡量标准D;
S6:根据给定的从小到大排列的物料分类尺寸M、N、P、Q,若M<D<N,则认定此物料颗粒属于MN粒度区间;若N<D<P,则认定此物料颗粒属于NP粒度区间;若P<D<Q,则认定此物料颗粒属于PQ粒度区间;
S7:循环执行步骤S1-S6,即可计算出载料皮带上所有物料颗粒的粒度组成,进而计算筛分效率参数。
优选地,步骤S8中筛分效率等参数包括筛上物产率、筛下物产率、错配物含量、筛分效率、限上率、限下率。
优选地,步骤S8中筛分效率计算算法采用体积百分率替代质量百分率方式进行计算。
与现有技术相比,本发明的有益效果:
本发明提供的一种矿物粒度组成和筛分效率的智能检测系统及方法,能够智能测量与计算筛下物料颗粒、筛上物料颗粒的含量,使矿物筛分分析过程更加高效与智能,减少了人力物力的消耗,提高了筛分过程调控的效率,简化了筛分计算过程。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域中的普通技术人员来说,在不付出创造性劳动的前提下,还可根据这些附图获得其他附图。
图1是本发明智能检测系统结构示意图。
图中:1、视觉控制器;2、照明光源;3、2D工业相机;4、3D激光传感器;5、给料装置;6、电控柜;7、物料颗粒;8、载料皮带。
具体实施方式
如图1所示,一种矿物粒度组成和筛分效率的智能检测系统,包括载料皮带8,载料皮带8一端设有给料装置5,给料装置5为分布式给料机,载料皮带8上方分别设有与视觉控制器1信号连接的2D工业相机3、3D激光传感器4,为了提高测量精度,2D工业相机3设有多台,3D激光传感器4为线激光传感器或3D激光轮廓传感器。2D工业相机3检测物料颗粒7在载料皮带8上的正投影大小,3D激光传感器4扫描物料颗粒7轮廓并测量物料颗粒7垂直方向高度尺寸。,为了避免2D工业相机3因光线导致测量不准确,载料皮带8上方设有照明光源2,照明光源2位于2D工业相机3下方,视觉控制器1、照明光源2、2D工业相机3、3D激光传感器4、给料装置5由电控柜6提供电能和控制启停。
本发明还提供一种矿物粒度组成和筛分效率的智能检测方法,包括如下步骤:
S1:筛分设备入料、筛上物料、筛下物料作为物料颗粒7由给料装置5分批次给到载料皮带8,物料颗粒7在载料皮带8上经过2D工业相机3和3D激光传感器4测量区域;
S2:2D工业相机3检测物料颗粒7在载料皮带8上的正投影尺寸大小并传输至视觉控制器1的数据库中,3D激光传感器4检测物料颗粒7垂直方向高度尺寸,并传输至视觉控制器1的数据库中;
S3:视觉控制器1对数据库中的正投影尺寸大小数据、垂直方向高度尺寸数据进行降噪处理,去除因杂质、光照因素产生的数据噪声;
S4:视觉控制器1根据去除数据噪声之后的正投影尺寸大小数据、垂直方向高度尺寸数据计算物料颗粒7的最小外接长方体,最小外接长方体的长X、宽Y、高Z,其中,最小外接长方体的长X、宽Y由正投影尺寸大小数据计算,最小外接长方体的高Z由垂直方向高度尺寸数据计算;
S5:若X>Y>Z,选择Y作为物料颗粒7分类尺寸衡量标准D;若Z>X>Y,选择X作为物料颗粒7分类尺寸衡量标准D;若X>Z>Y,选择Z作为物料颗粒7分类尺寸衡量标准D;
S6:根据给定的从小到大排列的物料分类尺寸M、N、P、Q,若M<D<N,则认定此物料颗粒7属于MN粒度区间;若N<D<P,则认定此物料颗粒7属于NP粒度区间;若P<D<Q,则认定此物料颗粒7属于PQ粒度区间;
S7:循环执行步骤S1-S6,即可计算出载料皮带8上所有物料颗粒7的粒度组成,进而计算筛分效率参数。
筛分效率参数包括筛上物产率、筛下物产率、错配物含量、筛分效率、限上率、限下率。步骤S8中筛分效率计算算法采用体积百分率替代质量百分率方式进行计算。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种矿物粒度组成和筛分效率的智能检测系统,包括载料皮带(8),所述载料皮带(8)一端设有给料装置(5),其特征在于:所述载料皮带(8)上方分别设有与视觉控制器(1)信号连接的2D工业相机(3)、3D激光传感器(4),所述2D工业相机(3)测量物料颗粒(7)在载料皮带(8)上的正投影方向尺寸,所述3D激光传感器(4)扫描物料颗粒(7)轮廓并测量物料颗粒(7)垂直方向高度尺寸。
2.根据权利要求1所述的矿物粒度组成和筛分效率的智能检测系统,其特征在于:所述载料皮带(8)上方设有照明光源(2),所述照明光源(2)位于2D工业相机(3)下方。
3.根据权利要求2所述的矿物粒度组成和筛分效率的智能检测系统,其特征在于:所述视觉控制器(1)、照明光源(2)、2D工业相机(3)、3D激光传感器(4)、给料装置(5)由电控柜(6)提供电能。
4.根据权利要求1所述的矿物粒度组成和筛分效率的智能检测系统,其特征在于:所述2D工业相机(3)设有多台。
5.根据权利要求1所述的矿物粒度组成和筛分效率的智能检测系统,其特征在于:所述3D激光传感器(4)为线激光传感器或3D激光轮廓传感器。
6.根据权利要求1所述的矿物粒度组成和筛分效率的智能检测系统,其特征在于:所述给料装置(5)为使物料分散排列在载料皮带(8)上的分布式给料机。
7.一种矿物粒度组成和筛分效率的智能检测方法,其特征在于:
S1:筛分设备入料、筛上物料、筛下物料作为物料颗粒(7)由给料装置(5)分批次给到载料皮带(8),物料颗粒(7)在载料皮带(8)上经过2D工业相机(3)和3D激光传感器(4)测量区域;
S2:2D工业相机(3)检测物料颗粒(7)在载料皮带(8)上的正投影尺寸大小并传输至视觉控制器(1)的数据库中,3D激光传感器(4)检测物料颗粒(7)垂直方向高度尺寸,并传输至视觉控制器(1)的数据库中;
S3:视觉控制器(1)对数据库中的正投影尺寸大小数据、垂直方向高度尺寸数据进行降噪处理,去除因杂质、光照因素产生的数据噪声;
S4:视觉控制器(1)根据去除数据噪声之后的正投影尺寸大小数据、垂直方向高度尺寸数据计算物料颗粒(7)的最小外接长方体,最小外接长方体的长X、宽Y、高Z,其中,最小外接长方体的长X、宽Y由正投影尺寸大小数据计算,最小外接长方体的高Z由垂直方向高度尺寸数据计算;
S5:若X>Y>Z,选择Y作为物料颗粒(7)分类尺寸衡量标准D;若Z>X>Y,选择X作为物料颗粒(7)分类尺寸衡量标准D;若X>Z>Y,选择Z作为物料颗粒(7)分类尺寸衡量标准D;
S6:根据给定的从小到大排列的物料分类尺寸M、N、P、Q,若M<D<N,则认定此物料颗粒(7)属于MN粒度区间;若N<D<P,则认定此物料颗粒(7)属于NP粒度区间;若P<D<Q,则认定此物料颗粒(7)属于PQ粒度区间;
S7:循环执行步骤S1-S6,即可计算出载料皮带(8)上所有物料颗粒(7)的粒度组成,进而计算筛分效率参数。
8.根据权利要求7所述的矿物粒度组成和筛分效率的智能检测方法,其特征在于:步骤S8中筛分效率参数包括筛上物产率、筛下物产率、错配物含量、筛分效率、限上率、限下率。
9.根据权利要求7所述的矿物粒度组成和筛分效率的智能检测方法,其特征在于:步骤S8中筛分效率计算算法采用体积百分率替代质量百分率方式进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400090.3A CN113155686B (zh) | 2021-04-14 | 2021-04-14 | 一种矿物粒度组成和筛分效率的智能检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400090.3A CN113155686B (zh) | 2021-04-14 | 2021-04-14 | 一种矿物粒度组成和筛分效率的智能检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113155686A true CN113155686A (zh) | 2021-07-23 |
CN113155686B CN113155686B (zh) | 2023-04-07 |
Family
ID=76890725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110400090.3A Active CN113155686B (zh) | 2021-04-14 | 2021-04-14 | 一种矿物粒度组成和筛分效率的智能检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155686B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113970510A (zh) * | 2021-10-20 | 2022-01-25 | 天地(唐山)矿业科技有限公司 | 一种基于人工仿生的浮选尾矿粒度在线检测装置及方法 |
CN115220347A (zh) * | 2022-07-15 | 2022-10-21 | 江苏邦鼎科技有限公司 | 一种物料颗粒筛分控制方法及系统 |
CN115436238A (zh) * | 2022-09-22 | 2022-12-06 | 中冶南方工程技术有限公司 | 一种高炉原燃料颗粒度在线检测方法和系统 |
CN116242777A (zh) * | 2023-03-24 | 2023-06-09 | 江苏乾禧环保科技有限公司 | 一种基于机器视觉的陶粒制备多级筛分质量评判系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080192987A1 (en) * | 2004-09-07 | 2008-08-14 | Petro-Model Ehf | Apparatus and Method For Analysis of Size, Form and Angularity and For Compositional Analysis of Mineral and Rock Particles |
CN107167094A (zh) * | 2017-06-19 | 2017-09-15 | 合肥欣畅源光电科技有限公司 | 基于单相机的分选机物料三维尺寸快速测量系统及方法 |
CN107730555A (zh) * | 2017-08-25 | 2018-02-23 | 徐州科融环境资源股份有限公司 | 一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法 |
CN110174334A (zh) * | 2019-06-28 | 2019-08-27 | 华侨大学 | 一种粗骨料形态质量检测系统及方法 |
CN210269521U (zh) * | 2019-06-28 | 2020-04-07 | 华侨大学 | 一种粗骨料形态质量检测系统 |
CN112495771A (zh) * | 2020-11-13 | 2021-03-16 | 中国矿业大学 | 一种物料智能筛分系统 |
-
2021
- 2021-04-14 CN CN202110400090.3A patent/CN113155686B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080192987A1 (en) * | 2004-09-07 | 2008-08-14 | Petro-Model Ehf | Apparatus and Method For Analysis of Size, Form and Angularity and For Compositional Analysis of Mineral and Rock Particles |
CN107167094A (zh) * | 2017-06-19 | 2017-09-15 | 合肥欣畅源光电科技有限公司 | 基于单相机的分选机物料三维尺寸快速测量系统及方法 |
CN107730555A (zh) * | 2017-08-25 | 2018-02-23 | 徐州科融环境资源股份有限公司 | 一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法 |
CN110174334A (zh) * | 2019-06-28 | 2019-08-27 | 华侨大学 | 一种粗骨料形态质量检测系统及方法 |
CN210269521U (zh) * | 2019-06-28 | 2020-04-07 | 华侨大学 | 一种粗骨料形态质量检测系统 |
CN112495771A (zh) * | 2020-11-13 | 2021-03-16 | 中国矿业大学 | 一种物料智能筛分系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113970510A (zh) * | 2021-10-20 | 2022-01-25 | 天地(唐山)矿业科技有限公司 | 一种基于人工仿生的浮选尾矿粒度在线检测装置及方法 |
CN113970510B (zh) * | 2021-10-20 | 2024-04-30 | 天地(唐山)矿业科技有限公司 | 一种基于人工仿生的浮选尾矿粒度在线检测装置及方法 |
CN115220347A (zh) * | 2022-07-15 | 2022-10-21 | 江苏邦鼎科技有限公司 | 一种物料颗粒筛分控制方法及系统 |
CN115220347B (zh) * | 2022-07-15 | 2023-08-08 | 江苏邦鼎科技有限公司 | 一种物料颗粒筛分控制方法及系统 |
CN115436238A (zh) * | 2022-09-22 | 2022-12-06 | 中冶南方工程技术有限公司 | 一种高炉原燃料颗粒度在线检测方法和系统 |
CN115436238B (zh) * | 2022-09-22 | 2023-11-21 | 中冶南方工程技术有限公司 | 一种高炉原燃料颗粒度在线检测方法和系统 |
CN116242777A (zh) * | 2023-03-24 | 2023-06-09 | 江苏乾禧环保科技有限公司 | 一种基于机器视觉的陶粒制备多级筛分质量评判系统 |
CN116242777B (zh) * | 2023-03-24 | 2023-11-28 | 江苏乾禧环保科技有限公司 | 一种基于机器视觉的陶粒制备多级筛分质量评判系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113155686B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113155686B (zh) | 一种矿物粒度组成和筛分效率的智能检测系统及方法 | |
CN107621435A (zh) | 一种骨料在线监测装置 | |
CN101837351B (zh) | 基于图像检测法的油封弹簧全自动分选系统及方法 | |
CN102829726B (zh) | 铆钉机器视觉自动检测系统 | |
CN102735177A (zh) | 一种基于比较测量法的轴承内圈多参数视觉测量系统 | |
CN107727540A (zh) | 一种机制砂在线检测装置及在线检测方法 | |
WO2023045299A1 (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
CN102366746B (zh) | 一种产品三维尺寸分选装置 | |
CN102967586B (zh) | 基于单目多视角机器视觉的珍珠颜色光泽度在线自动分级装置 | |
CN203018326U (zh) | 一种基于机器视觉技术的对虾品质检测分级装置 | |
JP2014157119A (ja) | 光学式粒状物選別機 | |
CN103056111A (zh) | 基于机器视觉技术的对虾品质检测分级装置 | |
CN207742057U (zh) | 一种骨料在线监测装置 | |
CN111112121A (zh) | 一种中草药尺寸分级筛选装置和方法 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN101008603A (zh) | 矿浆浓粒度在线检测方法及装置 | |
CN207742058U (zh) | 一种机制砂在线检测装置 | |
CN109458941A (zh) | 矿车自动装载监测系统及监测方法 | |
CN110146516A (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN110174065A (zh) | 基于正交双目机器视觉的水果大小无损检测方法 | |
CN202002618U (zh) | 一种基于比较测量法的轴承内圈多参数视觉测量设备 | |
Alikhanov et al. | Design and performance of an automatic egg sorting system based on computer vision | |
CN114758043A (zh) | 一种基于3d云图的矿石块度智能识别方法及系统 | |
CN2879173Y (zh) | 矿浆浓粒度在线检测装置 | |
CN112774851A (zh) | 一种浅槽分选机实验台及实验方法 |
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 |