CN114935364B - 基于多源信息融合的煤矸在线识别设备 - Google Patents
基于多源信息融合的煤矸在线识别设备 Download PDFInfo
- Publication number
- CN114935364B CN114935364B CN202210516813.0A CN202210516813A CN114935364B CN 114935364 B CN114935364 B CN 114935364B CN 202210516813 A CN202210516813 A CN 202210516813A CN 114935364 B CN114935364 B CN 114935364B
- Authority
- CN
- China
- Prior art keywords
- detection module
- coal gangue
- information fusion
- information
- terahertz
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于多源信息融合的煤矸在线识别设备,其主要技术特点是:在设备外壳的内壁上安装有太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块分别采集煤矸样品的透射率信息、三维形貌信息、强度反射率信息及外部边缘信息并得到四个探测模块的判定结果,通过多源信息融合装置对上述四个探测模块的判定结果进行融合,进而对煤矸样品进行识别。本发明设计合理,其采用多源信息融合技术,实现了对煤矸样品的在线实时判定功能,极大地提高了煤矸样品识别精度,可广泛用于煤炭生产的煤矸识别领域。
Description
技术领域
本发明属于在线检测技术领域,涉及煤炭生产中的煤矸在线识别,尤其是一种基于多源信息融合的煤矸在线识别设备。
背景技术
在煤炭生产过程中,需要对原煤中的煤矸进行识别和分离,才能进行高质量的煤炭生产。传统的识别和分离方法主要是利用重介法、水洗法等基于煤矸密度不同实现煤矸分选功能,上述方法对于环境有较大污染。
为了解决上述污染问题,现在主要采用非接触分选技术来实现。一种方法是基于TDS智能干洗机进行煤矸识别,其利用X射线透射检测技术进行煤、矸识别,对煤和矸进行数据分析,以排出原煤中的矸石等杂质,采用TDS技术的非接触分选方法可以解决环境污染问题,但是,使其使用过程中需要X射线,存在电离辐射,会对人体产生伤害。另一种方法是基于图像的煤矸识别技术,由于现场工况条件下存在高粉尘、高水雾等情况,因此,采用单一图像识别技术准确率较低。
发明内容
本发明的目的在于克服现有技术的不足,提供一种检测速度快、性能稳定可靠且使用方便的基于多源信息融合的煤矸在线识别设备。
本发明解决现有的技术问题是采取以下技术方案实现的:
一种基于多源信息融合的煤矸在线识别设备,包括设备外壳,所述设备外壳包括上下两部分,输送煤矸样品的输送带从设备外壳中间水平穿过,在设备外壳的内壁上安装有太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块、多源信息融合装置和电源模块;
所述太赫兹透射率探测模块采集煤矸样品的透射率信息,根据透射率信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述结构光三维形貌探测模块采集煤矸样品的三维形貌信息,根据三维形貌信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述激光扫描反射率探测模块采集煤矸样品的强度反射率信息,根据预强度反射率信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述边缘探测模块采集煤矸样品的外部边缘信息,根据外部边缘信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述多源信息融合装置控制并接收太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块以及边缘探测模块的判定结果,并将上述判定结果进行融合,对煤矸样品进行在线识别;
所述电源模块输入端与外部电源相连接,该电源模块输出直流电压给太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块和多源信息融合装置供电。
进一步,太赫兹透射率探测模块包括太赫兹源和太赫兹探测器,所述太赫兹源安装在输送带上方的设备外壳内壁上,所述太赫兹探测器安装在输送带下方且与太赫兹源相对的设备外壳内壁上。
进一步,所述结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块安装在输送带上方的设备外壳内壁上,所述多源信息融合装置和电源模块安装在输送带下方的设备外壳内壁上。
进一步,所述太赫兹透射率探测模块根据预先给定的透射率阈值,对采集煤矸样品的透射率信息进行煤矸判定,得到判定结果。
进一步,所述结构光三维形貌探测模块采用预置参数的AlexNet网络,对采集煤矸样品的三维形貌信息进行煤矸判定,得到判定结果。
进一步,所述激光扫描反射率探测模块根据预先给定的强度反射率阈值,对采集煤矸样品的强度反射率信息进行煤矸判定,得到判定结果。
进一步,所述边缘探测模块采用预置参数的ResNet网络,对采集煤矸样品的外部边缘信息进行煤矸判定,得到判定结果。
进一步,所述多源信息融合装置对太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块以及边缘探测模块的判定结果设定权重系数,然后按设定的权重合并煤矸识别结果,合并后煤矸识别结果按设定阈值对煤矸样品进行在线识别。
进一步,所述太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块以及边缘探测模块的判定结果的权重分别为0.4、0.2、0.2和0.2;所述合并后煤矸识别结果按0.5为阈值。
进一步,所述电源模块输出24V、12V、5V直流电压为设备供电。
本发明的优点和积极效果是:
本发明采用太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块和边缘探测模块分别对煤矸样品的透射率信息、三维形貌信息、强度反射率信息和外部边缘信息进行检测,并且利用阈值和AlexNet、ResNet网络对采集到的信息进行煤矸判定,经过多源信息融合装置实现对煤矸样品的在线综合判定功能,其有效地结合了多种非接触判定方式,提升了煤矸样品在线识别的正确率。
附图说明
图1是本发明的结构示意图;
图中,1-设备外壳,2-太赫兹透射率探测模块,3-结构光三维形貌探测模块,4-激光扫描反射率探测模块,5-边缘探测模块,6-多源信息融合装置,7-电源模块,8-输送带。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种基于多源信息融合的煤矸在线识别设备,如图1所示,包括设备外壳(1)、太赫兹透射率探测模块(2)、结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)、边缘探测模块(5)、多源信息融合装置(6)和电源模块(7)。
所述设备外壳(1)包括上下两部分,输送煤矸样品的输送带(8)从设备外壳(1)上下两部分之间水平穿过,在设备外壳(1)的内壁上从左向右依次安装有太赫兹透射率探测模块(2)、结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)、边缘探测模块(5)、多源信息融合装置(6)和电源模块(7)。其中,太赫兹透射率探测模块(2)包括上下相对设置的太赫兹源和太赫兹探测器,所述太赫兹源安装在输送带上方的设备外壳内壁上,所述太赫兹探测器安装在输送带下方的设备外壳内壁上。所述结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)、边缘探测模块(5)安装在输送带上方的设备外壳内壁上,所述多源信息融合装置(6)和电源模块(7)安装在输送带下方的设备外壳内壁上。
所述太赫兹透射率探测模块(2)利用分布在输送带上下方的太赫兹源和探测器采集煤矸样品的透射率信息,根据预先给定的透射率阈值对输送带上煤矸样品进行煤矸判定,并将判定结果输送至多源信息融合装置(6)。
所述结构光三维形貌探测模块(3)位于在输送带上方,实现对输送带上煤矸样品的三维形貌信息采集功能,其利用预置参数的AlexNet网络利用三维形貌信息进行煤矸判定,并将判定结果输送至多源信息融合装置(6)。
所述激光扫描反射率探测模块(4)位于在输送带上方,实现对输送带上煤矸样品的强度反射率信息,根据预先给定的强度反射率阈值对输送带上样品进行煤矸判定,并将判定结果输送至多源信息融合装置(6)。
所述边缘探测模块(5)位于在输送带上方,实现对输送带上煤矸样品的外部边缘信息采集,利用预置参数的ResNet网络利用外部边缘信息进行煤矸判定,并将判定结果输送至多源信息融合装置(6)。
所述多源信息融合装置(6)控制太赫兹透射率探测模块(2)、结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)以及边缘探测模块(5)同步工作并接收上述四个模块返回的判定结果,给每个模块返回的判定结果增加了一个权重系数,然后按设定的权重合并煤矸识别结果,合并后煤矸识别结果以0.5为阈值,对煤矸样品进行在线识别。在本实施例中,将上述四个模块返回的判定结果的权重系数分别设为0.4、0.2、0.2和0.2。
所述电源模块(7)输入端与外部电源相连接,其输出端输出24V、12V、5V等多种直流电压给太赫兹透射率探测模块(2)、结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)、边缘探测模块(5)和多源信息融合装置(6)供电。
本发明的工作过程如下:
(1)通过电源模块(7)给设备供电(DC24V,DC12V,DC5V),多源信息融合装置(6)控制太赫兹透射率探测模块(2)、结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)、边缘探测模块(5)同步工作。
(2)合理选择设备外壳(1)的位置,使得输送带连同煤矸样品连续通过本设备。
(3)太赫兹透射率探测模块(2)采集煤矸样品透射率信息,利用预设透射率阈值对输送带上样品进行煤矸判定。
(4)结构光三维形貌探测模块(3)采集输送带上样品的三维形貌信息,利用预置参数的AlexNet网络利用三维形貌信息进行煤矸判定。
(5)激光扫描反射率探测模块(4)采集输送带上样品的强度反射率信息,根据预先给定的强度反射率阈值对输送带上样品进行煤矸判定。
(6)边缘探测模块(5)采集输送带上样品的外部边缘信息,利用预置参数的ResNet网络利用外部边缘信息进行煤矸判定。
(7)多源信息融合装置(6)接收太赫兹透射率探测模块(2)、结构光三维形貌探测模块(3)、激光扫描反射率探测模块(4)、边缘探测模块(5)四个模块返回的识别结果,按一定权重合并煤矸识别结果,然后以0.5为阈值,对煤矸样品进行在线识别。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (10)
1.一种基于多源信息融合的煤矸在线识别设备,包括设备外壳,其特征在于:所述设备外壳包括上下两部分,输送煤矸样品的输送带从设备外壳中间水平穿过,在设备外壳的内壁上安装有太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块、多源信息融合装置和电源模块;
所述太赫兹透射率探测模块采集煤矸样品的透射率信息,根据透射率信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述结构光三维形貌探测模块采集煤矸样品的三维形貌信息,根据三维形貌信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述激光扫描反射率探测模块采集煤矸样品的强度反射率信息,根据预强度反射率信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述边缘探测模块采集煤矸样品的外部边缘信息,根据外部边缘信息进行煤矸判定,并将判定结果输送至多源信息融合装置;
所述多源信息融合装置控制并接收太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块以及边缘探测模块的判定结果,并将上述判定结果进行融合,对煤矸样品进行在线识别;
所述电源模块输入端与外部电源相连接,该电源模块输出直流电压给太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块和多源信息融合装置供电。
2.根据权利要求1所述的基于多源信息融合的煤矸在线识别设备,其特征在于:太赫兹透射率探测模块包括太赫兹源和太赫兹探测器,所述太赫兹源安装在输送带上方的设备外壳内壁上,所述太赫兹探测器安装在输送带下方且与太赫兹源相对的设备外壳内壁上。
3.根据权利要求1所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述结构光三维形貌探测模块、激光扫描反射率探测模块、边缘探测模块安装在输送带上方的设备外壳内壁上,所述多源信息融合装置和电源模块安装在输送带下方的设备外壳内壁上。
4.根据权利要求1至3任一项所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述太赫兹透射率探测模块根据预先给定的透射率阈值,对采集煤矸样品的透射率信息进行煤矸判定,得到判定结果。
5.根据权利要求1至3任一项所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述结构光三维形貌探测模块采用预置参数的AlexNet网络,对采集煤矸样品的三维形貌信息进行煤矸判定,得到判定结果。
6.根据权利要求1至3任一项所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述激光扫描反射率探测模块根据预先给定的强度反射率阈值,对采集煤矸样品的强度反射率信息进行煤矸判定,得到判定结果。
7.根据权利要求1至3任一项所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述边缘探测模块采用预置参数的ResNet网络,对采集煤矸样品的外部边缘信息进行煤矸判定,得到判定结果。
8.根据权利要求1至3任一项所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述多源信息融合装置对太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块以及边缘探测模块的判定结果设定权重系数,然后按设定的权重合并煤矸识别结果,合并后煤矸识别结果按设定阈值对煤矸样品进行在线识别。
9.根据权利要求8所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述太赫兹透射率探测模块、结构光三维形貌探测模块、激光扫描反射率探测模块以及边缘探测模块的判定结果的权重分别为0.4、0.2、0.2和0.2;所述合并后煤矸识别结果按0.5为阈值。
10.根据权利要求1至3任一项所述的基于多源信息融合的煤矸在线识别设备,其特征在于:所述电源模块输出24V、12V、5V直流电压为设备供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210516813.0A CN114935364B (zh) | 2022-05-13 | 2022-05-13 | 基于多源信息融合的煤矸在线识别设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210516813.0A CN114935364B (zh) | 2022-05-13 | 2022-05-13 | 基于多源信息融合的煤矸在线识别设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114935364A CN114935364A (zh) | 2022-08-23 |
CN114935364B true CN114935364B (zh) | 2023-05-23 |
Family
ID=82864895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210516813.0A Active CN114935364B (zh) | 2022-05-13 | 2022-05-13 | 基于多源信息融合的煤矸在线识别设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114935364B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321959A (zh) * | 2019-07-09 | 2019-10-11 | 安徽理工大学 | 一种多光谱图像信息和cnn的煤矸识别方法 |
CN110378295A (zh) * | 2019-07-22 | 2019-10-25 | 安徽理工大学 | 一种多光谱图像信息和光谱信息异构融合的煤矸识别方法 |
CN112465063A (zh) * | 2020-12-11 | 2021-03-09 | 中国矿业大学 | 一种基于多传感信息融合的放顶煤过程中煤矸识别方法 |
LU102638B1 (en) * | 2021-03-10 | 2021-09-10 | Univ Anhui Sci & Technology | A coal gangue identifying and separating device based on machine vision and capacitance fusion |
CN113435486A (zh) * | 2021-06-15 | 2021-09-24 | 西安科技大学 | 一种基于pca-ifoa-svm结合灰度-纹理融合特征的煤矸识别方法 |
-
2022
- 2022-05-13 CN CN202210516813.0A patent/CN114935364B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321959A (zh) * | 2019-07-09 | 2019-10-11 | 安徽理工大学 | 一种多光谱图像信息和cnn的煤矸识别方法 |
CN110378295A (zh) * | 2019-07-22 | 2019-10-25 | 安徽理工大学 | 一种多光谱图像信息和光谱信息异构融合的煤矸识别方法 |
CN112465063A (zh) * | 2020-12-11 | 2021-03-09 | 中国矿业大学 | 一种基于多传感信息融合的放顶煤过程中煤矸识别方法 |
LU102638B1 (en) * | 2021-03-10 | 2021-09-10 | Univ Anhui Sci & Technology | A coal gangue identifying and separating device based on machine vision and capacitance fusion |
CN113435486A (zh) * | 2021-06-15 | 2021-09-24 | 西安科技大学 | 一种基于pca-ifoa-svm结合灰度-纹理融合特征的煤矸识别方法 |
Non-Patent Citations (2)
Title |
---|
基于深度学习的煤矸石识别技术与实现;郜亚松等;《煤炭科学技术》;全文 * |
用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型;王闰泽等;《煤炭技术》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114935364A (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101105460A (zh) | 多功能验瓶机 | |
CN102221557B (zh) | 一种基于机器视觉的灯头质量自动检测装置和检测方法 | |
CN101685006A (zh) | 触点零件形貌机器视觉自动检测系统 | |
CN103752533A (zh) | 图像法煤矸在线分选方法和装置 | |
CN112488082A (zh) | 基于深度学习的煤矸石智能分拣系统 | |
CN113655002B (zh) | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 | |
CN104020178A (zh) | 一种晶硅硅片缺陷检测设备的透光性检测单元 | |
CN110146516A (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN110665848A (zh) | 基于ccd相机与高光谱相机检测的建筑固废分拣系统 | |
CN112268910A (zh) | 一种烟支外观缺陷视觉检测系统及其检测方法 | |
CN108548822A (zh) | 一种宽幅连续表面缺陷视觉检测系统 | |
CN205449820U (zh) | 一种可检测滚珠轴承缺陷的机器视觉装置 | |
CN114935364B (zh) | 基于多源信息融合的煤矸在线识别设备 | |
CN113155686A (zh) | 一种矿物粒度组成和筛分效率的智能检测系统及方法 | |
CN208177892U (zh) | 面向物料检测的双向上料与分拣无人自主智能设备 | |
CN110702699B (zh) | 一种压延玻璃缺陷检测装置和方法 | |
CN210847267U (zh) | 基于ccd相机与高光谱相机检测的建筑固废分拣装置 | |
CN104048966A (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
CN202074946U (zh) | 一种烟盒外观检测设备 | |
CN106872477A (zh) | 汽车发动机密封件外观缺陷探伤系统 | |
CN208000606U (zh) | 磁瓦表面微缺陷视觉检测装置 | |
CN203711336U (zh) | 一种分选装置 | |
CN206589210U (zh) | 一种混合塑料光电识别分选设备 | |
Yao et al. | Halcon-based solar panel crack detection | |
CN108582580B (zh) | 基于近红外技术的塑料在线分拣装置及其分拣方法 |
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 |