CN114972372B - 一种磁吸式的球团矿生球落下强度自动检测方法与系统 - Google Patents

一种磁吸式的球团矿生球落下强度自动检测方法与系统 Download PDF

Info

Publication number
CN114972372B
CN114972372B CN202210387453.9A CN202210387453A CN114972372B CN 114972372 B CN114972372 B CN 114972372B CN 202210387453 A CN202210387453 A CN 202210387453A CN 114972372 B CN114972372 B CN 114972372B
Authority
CN
China
Prior art keywords
green
ball
falling
mechanical arm
electromagnet
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
Application number
CN202210387453.9A
Other languages
English (en)
Other versions
CN114972372A (zh
Inventor
刘小燕
周淑伊
孙浠汉
陈玉如
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202210387453.9A priority Critical patent/CN114972372B/zh
Publication of CN114972372A publication Critical patent/CN114972372A/zh
Application granted granted Critical
Publication of CN114972372B publication Critical patent/CN114972372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • 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
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/20—Recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

本发明公开了一种磁吸式的球团矿生球落下强度自动检测方法与系统，所述方法包括如下步骤：控制机械臂前端的电磁铁断电来吸取单个生球；通过机械臂将生球抬高至落球盘上方；控制电磁铁通电释放生球使其下落至落球盘；通过工业相机采集落球盘中的生球图像；采用轻量级深度神经网络对生球图像进行裂缝分割；根据分割结果检测该生球是否存在裂缝；重复上述“抬高‑下落”步骤直至检测出裂缝并记录该生球出现裂缝前的下落次数，接着对下一个生球进行检测；完成十个生球下落次数的检测试验后，计算机输出下落次数的平均值，并将此值记录为该批生球的落下强度。本发明解决了生球落下强度的自动检测问题，提高了落下强度的检测效率与准确率。

Description

一种磁吸式的球团矿生球落下强度自动检测方法与系统
技术领域
本发明涉及生球质量检测领域，具体涉及一种磁吸式的球团矿生球落下强度检测方法和系统。
背景技术
球团矿生球制造是炼钢工业中的重要环节，其原料主要为铁精粉、粘稠剂、膨润土等。其中铁精粉一般占生球原料的90％以上。生球的制造过程如下：将铁精粉、粘稠剂、膨润土等原材料加水混合后，通过传送带送入高速旋转的圆盘造球机，并从圆盘造球机上方用喷水器补加适量水分；原材料随着圆盘的转动逐渐滚粘成大球，最后在离心力的作用下从圆盘下料口排出并形成生球。在制造过程中需要对生球的质量进行监测，以保证球团矿的品质和生产过程的稳定。
落下强度是生球的重要质量指标之一，反映了生球在转运、堆积过程中承受挤压能力的强弱。落下强度需要严格控制在一定范围内，其值偏高或偏低都会降低后续的生产效率和成品的质量。因此，需要对生球的落下强度进行检测，用于对生球制造过程进行反馈调节。目前生球的落下强度仍采用人工检测法，即，工人从生球样品中选取一个生球，将其抬高至0.5m高处然后松手使生球自由下落至钢板上，若下落后的生球未出现裂缝，则重复上述“抬高-落下”操作，直至生球表面出现裂缝或生球破碎，然后记录该生球出现裂缝前的总下落次数，接着计算十个生球下落次数的平均值，该平均值即为生球的落下强度。
这种人工检测的方法存在以下缺点：(1)工人需重复“抬高-落下”生球，操作过于繁琐且耗时费力；(2)工人无法严格将生球抬高至0.5m高处，导致每次下落高度存在偏差；(3)工人需肉眼观察下落后的生球表面是否存在裂缝，主观性强，易降低检测落下强度的准确性，不利于生球制造过程的优化控制。
发明内容
本发明提供一种磁吸式的球团矿生球落下强度自动检测方法和系统，能够解决当前人工检测方法中存在的劳动强度大而且效率低的问题，实现自动检测生球质量的目的。为解决上述技术问题，本发明提供一种磁吸式的球团矿生球落下强度自动检测方法，包括如下步骤：
通过控制机械臂上的电磁铁断电对生球进行取样，并将生球移动到落球盘正上方；
通过控制机械臂上的电磁铁通电释放生球至落球盘；
较佳的，所述机械臂上的电磁铁到达落球盘上方0.5m处时，控制所述电磁铁通电；所述机械臂上的电磁铁到达所述落球盘上方0.01m处时，控制所述电磁铁断电；
采用工业相机获取落球盘中的生球图像；
采用轻量级深度神经网络对生球图像进行裂缝分割；
根据分割结果检测生球是否有裂缝；
较佳的，所述轻量级的深度神经网络包括三个主要部分：编码器-解码器、跳连接融合、扩张卷积层。其中，编码器-解码器采用经典U-net深度网络模型作为框架，在全连接卷积单元的每一端引入了批归一化层；扩张卷积层位于编码器后端，包含四个3×3卷积层；跳连接融合用于将编码层和解码层中具有不同尺度的特征图进行融合；网络末端采用1×1卷积层对特征图进行融合，得到生球裂缝分割结果。
较佳的，根据裂缝分割结果判断生球是否有裂缝，若检测出生球裂缝，输出当前生球的落下次数，并取下一个生球进行“抬高-下落”操作直至出现裂缝；若检测出生球不存在裂缝，控制电磁铁与机械臂继续对该生球进行“抬高-下落”操作。
完成十个生球下落次数的检测试验后，计算十个生球下落次数的平均值并将其记录为落下强度。
本发明还提供一种磁吸式的球团矿生球落下强度自动检测系统，包括：
机械臂，用于对生球进行搬运；
电磁铁，安装于机械臂前端，用于吸取与释放生球；
工业相机，拍摄生球下落后的图像；
计算机，连接所述机械臂、电磁铁和工业相机，用于控制所述机械臂的移动及电磁铁的通电断电，并对所述工业相机拍摄的生球图像中的裂缝进行检测。
较佳的，所述机械臂为六轴机械臂，所述六轴机械臂的底座上方连接大臂，所述大臂连接小臂，所述小臂连接手臂，所述手臂前方有执行器接口，通过所述执行器接口将电磁铁与机械臂相连。
较佳的，所述计算机和所述电磁铁之间设置通电开关，所述计算机控制通电开关进而控制所述电磁铁的磁性。
较佳的，所述机械臂下方设置落球盘，用于承接所述机械臂释放的生球。
较佳的，所述系统还包括生球放置盘，所述生球放置盘固定于六轴机械臂后方，由支架和钢管组成，所述钢管与水平面之间成30°夹角。
本发明通过电磁铁的通电断电实现生球的自动抓取与释放，通过机械臂代替人手对生球进行搬运，能够严格将生球抬高至0.5m高处，避免了人工操作中的偏差，且在生球吸取过程中不会产生形变，避免了生球的二次损害。本发明还利用工业相机代替人眼，并提出一种基于轻量级深度神经网络的方法对生球裂缝进行自动检测。本发明实现了生球落下强度的自动化检测，提高了落下强度检测效率与准确率。
附图说明
图1为磁吸式的球团矿生球落下强度自动检测方法流程图；
图2为磁吸式的球团矿生球落下强度自动检测系统示意图；
图3为轻量级深度神经网络模型的结构示意图；
图4为采用轻量级深度神经网络模型的裂缝分割结果示例图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本实施例提供一种磁吸式的球团矿生球落下强度自动检测方法，请参阅附图1，包括如下步骤：
S101、控制机械臂前端的电磁铁1断电从而吸取单个生球样品；
S201、通过机械臂将生球移动到落球盘9正上方；
S301、通过控制电磁铁1通电释放生球使其下落至落球盘9；
S401、采用工业相机2获取落球盘9中的生球图像；
S501、采用训练好的轻量级深度神经网络对生球裂缝进行分割；
S601、根据分割结果检测生球是否有裂缝；
S701、若生球存在裂缝，则输出该生球出现裂缝前的下落次数，并继续对下一个生球进行试验；若生球不存在裂缝，则继续对其进行“抬起-下落”操作。
S801、完成十个生球的试验后，将十个生球下落次数的平均值记录为该批生球的落下强度。
本实施例中，采用的轻量级深度神经网络主要包括三个部分：编码器-解码器、跳连接融合、扩张卷积层。其中，编码器-解码器采用经典U-net深度网络模型作为框架，在全连接卷积单元的每一端引入了批归一化层。扩张卷积层位于编码器后端，由四个3×3的卷积层组成，用于得到更加精细的生球裂缝特征图；跳连接融合将编码层和解码层中具有不同尺度的特征图进行融合，得到4个裂缝特征图。网络末端采用1×1的卷积层对特征图进行融合，得到生球裂缝分割结果。
本实施例中，训练好的轻量级深度神经网络模型可以由以下方式得到：首先采集300张生球图像数据集，然后将生球图像中的裂缝进行标注，并将标注好的生球图像输入神经网络模型中进行训练，当完成500次迭代后即可得到训练好的轻量级深度神经网络模型。
本实施例中，根据分割结果检测生球是否有裂缝的方法为：统计生球裂缝分割图中连通域ri(i＝1,2,3…L)的个数L(L≥0)，若不存在连通域(L＝0)，那么该生球为无裂缝生球，输出检测结果“无裂缝”；若生球裂缝分割图存在连通域(L≠0)，则该生球为有裂缝生球，输出检测结果“有裂缝”：
Figure SMS_1
本实施例中，设置电磁铁1通断电的触发程序，所述电磁铁1运动至落球盘9正上方0.5m处时，电磁铁1设置为通电状态，此时的电磁铁1无法继续吸取生球，所述生球会释放到所述落球盘9中；当电磁铁1运动至落球盘9的正上方0.01m处，电磁铁1设置为断电状态，此时的电磁铁1能够吸取生球。
本实施例中，S701的具体内容为：若生球表面检测出生球裂缝，计算机记录并输出生球出现裂缝前的下落次数，通过机械臂和电磁铁1移除已完成检测的生球，再重复步骤S101～S701对下一个生球进行检测试验；若生球表面未检测出生球裂缝，所述机械臂移动至落球盘9正上方0.01m处吸取生球，重复步骤S201～S701。
实施例2
本实施例提供一种磁吸式的球团矿生球落下强度自动检测系统，请参阅附图2，包括：
机械臂，用于对生球进行搬运；
电磁铁1，安装于机械臂前端，用于吸取与释放生球；
工业相机2，拍摄生球下落后的图像；
计算机10，连接所述机械臂和工业相机2，控制所述机械臂的移动、对所述工业相机2拍摄的生球图像进行检测分析。
本实施例中，所述机械臂为六轴机械臂，所述六轴机械臂的底座6上方连接大臂5，所述大臂5连接小臂4，所述小臂4连接手臂3，所述手臂3前方有执行器接口，通过所述执行器接口将电磁铁1与机械臂相连，电磁铁1安装于六轴机械臂手臂3的前端，通过执行器接口实现电磁铁1与六轴机械臂之间的通讯。六轴机械臂可通过示教器进行位置标定，六轴机械臂依照标定的位置点自动进行路径规划，带动手臂3前方的电磁铁1向标定位置点移动。六轴机械臂能够代替人手对生球进行搬运，还能将生球移动至指定高度，重复进行生球的“抬高-落下”步骤，提高了生球检测的效率与准确性。
本实施例中，所述计算机10和所述电磁铁1之间设置通电开关，所述计算机10控制通电开关进而控制所述电磁铁1的磁性，当电磁铁1断电时，电磁铁1具有磁性；当电磁铁1通电时，电磁铁1磁性消失。由于生球的主要原材料为铁精粉，因此生球与磁铁之间存在磁力，当断电的电磁铁1靠近生球时，电磁铁1通过磁力将生球吸起；当电磁铁1通电时，生球与磁铁之间磁力消失，生球从电磁铁1上掉落至落球盘9中。这种方法能够代替人手对生球进行抓取与释放，不会对生球产生形变，避免了生球的二次损害，增加了落下强度测量的可靠性。
本实施例中，所述电磁铁1为圆柱体磁铁，电磁铁1为直径8mm，高度3cm的圆柱体，电磁铁1的吸力为5kg。
本实施例中，所述轴机械臂前方设置落球盘9，用于承接所述六轴机械臂释放的生球。所述落球盘9是厚度为1cm，边长为10cm的正方形钢板，固定于六轴机械臂前方30cm处。
本实施例中，所述系统还包括生球放置盘，所述生球放置盘固定于六轴机械臂后方，所述生球放置盘由支架8和数根钢管7组成，所述钢管7安装在支架8上，每根钢管7之间留有相同间隔，所述钢管7与水平面之间成30°夹角。当多个生球放在生球放置盘上时，生球会滚落在两根钢管7之间的缝隙中，并受重力影响最终停留在钢管7底部。该装置利用钢管7将多个生球分散开来，且将大部分生球的位置限制在钢管7底部，有助于六轴机械臂的精准取样。
实施例3
本实施例提供一种磁吸式的球团矿生球落下强度自动检测系统的使用方法，具体步骤如下：
步骤一：将待测的多个生球样品放入生球放置盘，这些生球被放置盘中的钢管分散开来并在重力作用下向底端滚落，最终停留在钢管与钢管之间缝隙处的底端；
步骤二：初始化六轴机械臂，并对六轴机械臂进行位置标定，需标定的位置包括生球放置盘底部，落球盘正上方0.5m处，落球盘正上方0.01m处。
步骤三：初始化电磁铁，将电磁铁初始状态设置为断电状态，然后设置电磁铁通断电的触发程序，即，当六轴机械臂运动至落球盘正上方0.5m处，电磁铁设置为通电状态，当六轴机械臂运动至落球盘0.01m处或生球放置盘底端，电磁铁设置为断电状态；
步骤四：六轴机械臂根据标记好的位置点向生球放置盘底端移动，用于吸取单个生球，此时电磁铁处于断电状态，机械臂前端的电磁铁具有磁性，能够利用磁力将生球吸取；
步骤五：六轴机械臂将生球抬高至落球盘正上方0.5m处，此时电磁铁的状态由断电转变成通电状态，电磁铁的磁性消失，生球立刻从高处自由下落，掉落至落球盘中。
步骤六：工业相机采集下落后的生球图像，并采用轻量级深度网络模型对生球图像进行裂缝分割；
步骤七：根据分割结果判断该生球是否有裂缝。若生球表面未检测出生球裂缝，六轴机械臂移动至落球盘正上方0.01m处吸取生球，然后重复步骤五至七；若生球表面检测出生球裂缝，记录生球出现裂缝前的下落次数，并重复步骤四至步骤七。
步骤八：当检测完十个生球，计算机输出十个生球落下次数的平均值，该平均值为该批生球样品的落下强度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种磁吸式的球团矿生球落下强度自动检测方法，其特征在于，包括如下步骤：
控制机械臂前端的电磁铁断电来吸取单个生球样品；
通过机械臂将生球移动至落球盘正上方；
通过控制机械臂前端的电磁铁通电释放生球使其下落至落球盘；
采用工业相机获取落球盘中的生球图像；
采用轻量级深度神经网络对生球图像进行分割；
根据分割结果检测生球是否存在裂缝；
若检测出生球裂缝，则记录该生球出现裂缝前的下落次数，并继续对下一个生球进行检测；若检测出生球不存在裂缝，则继续对其进行“抬高-下落”操作；
完成十个生球的检测试验后，将十个生球下落次数的平均值记录为该批生球样品的落下强度；
所述轻量级深度神经网络由编码器-解码器、跳连接融合、扩张卷积层三个部分构成；其中，编码器-解码器采用经典U-net深度网络模型作为框架，在全连接卷积单元的每一端引入了批归一化层；扩张卷积层位于编码器后端，包含四个3×3的卷积层；跳连接融合用于将编码层和解码层中具有不同尺度的特征图进行融合。
2.如权利要求1所述的磁吸式的球团矿生球落下强度自动检测方法，其特征在于，所述机械臂上的电磁铁到达所述落球盘上方0.01m处时，控制所述电磁铁断电；所述机械臂上的电磁铁到达所述落球盘上方0.5m处时，控制所述电磁铁通电。
3.一种磁吸式的球团矿生球落下强度自动检测系统，其特征在于，包括：
机械臂，用于对生球进行搬运；
电磁铁，安装于机械臂前端，用于吸取与释放生球；
工业相机，拍摄生球下落后的图像；
计算机，连接所述机械臂、电磁铁和工业相机，控制机械臂前端的电磁铁断电来吸取单个生球样品；通过机械臂将生球移动至落球盘正上方；通过控制机械臂前端的电磁铁通电释放生球使其下落至落球盘；采用工业相机获取落球盘中的生球图像；采用轻量级深度神经网络对生球图像进行分割；根据分割结果检测生球是否存在裂缝；若检测出生球裂缝，则记录该生球出现裂缝前的下落次数，并继续对下一个生球进行检测；若检测出生球不存在裂缝，则继续对其进行“抬高-下落”操作；完成十个生球的检测试验后，将十个生球下落次数的平均值记录为该批生球样品的落下强度；
所述轻量级深度神经网络由编码器-解码器、跳连接融合、扩张卷积层三个部分构成；其中，编码器-解码器采用经典U-net深度网络模型作为框架，在全连接卷积单元的每一端引入了批归一化层；扩张卷积层位于编码器后端，包含四个3×3的卷积层；跳连接融合用于将编码层和解码层中具有不同尺度的特征图进行融合。
4.如权利要求3所述的磁吸式的球团矿生球落下强度自动检测系统，其特征在于，所述机械臂为六轴机械臂，所述六轴机械臂的底座上方连接大臂，所述大臂连接小臂，所述小臂连接手臂，所述手臂前方有执行器接口，通过所述执行器接口将电磁铁与机械臂相连。
5.如权利要求3所述的磁吸式的球团矿生球落下强度自动检测系统，其特征在于，所述计算机和所述电磁铁之间设置通电开关，所述计算机控制通电开关进而控制所述电磁铁的磁性。
6.如权利要求3所述的磁吸式的球团矿生球落下强度自动检测系统，其特征在于，所述机械臂下方设置落球盘，用于承接所述机械臂释放的生球。
7.如权利要求3-6任一所述的磁吸式的球团矿生球落下强度自动检测系统，其特征在于，所述系统还包括生球放置盘，所述生球放置盘固定于六轴机械臂后方，由支架和钢管组成，所述钢管与水平面之间成30°夹角。
CN202210387453.9A 2022-04-13 2022-04-13 一种磁吸式的球团矿生球落下强度自动检测方法与系统 Active CN114972372B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210387453.9A CN114972372B (zh) 2022-04-13 2022-04-13 一种磁吸式的球团矿生球落下强度自动检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210387453.9A CN114972372B (zh) 2022-04-13 2022-04-13 一种磁吸式的球团矿生球落下强度自动检测方法与系统

Publications (2)

Publication Number Publication Date
CN114972372A CN114972372A (zh) 2022-08-30
CN114972372B true CN114972372B (zh) 2023-05-23

Family

ID=82977794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210387453.9A Active CN114972372B (zh) 2022-04-13 2022-04-13 一种磁吸式的球团矿生球落下强度自动检测方法与系统

Country Status (1)

Country Link
CN (1) CN114972372B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116165069B (zh) * 2023-04-18 2023-07-04 天津市三特电子有限公司 一种成品球在线抗压检测系统及检测方法
CN118583778B (zh) * 2024-08-05 2024-10-22 深圳市城图科技有限公司 生球抽样检测机

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3888193B2 (ja) * 2002-03-14 2007-02-28 株式会社日立製作所 耐衝撃強度評価方法及び評価装置と半導体装置
CN106644776B (zh) * 2016-10-12 2019-11-05 安徽工业大学 一种检测运动状态下生球团落下强度的方法
CN112102287B (zh) * 2020-09-15 2021-10-29 湖南大学 一种基于图像的生球裂纹自动检测与识别方法
CN214472259U (zh) * 2021-01-08 2021-10-22 鞍钢集团矿业有限公司 生球落下强度测试装置

Also Published As

Publication number Publication date
CN114972372A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN114972372B (zh) 一种磁吸式的球团矿生球落下强度自动检测方法与系统
CN103658052B (zh) 一种自动化钢球分拣装置
CN104101608B (zh) 可对多型号不规则形状产品进行缺陷检测的智能检测装置
CN209334236U (zh) 一种自动分拣装置
CN108745925B (zh) 一种零部件全方位检测方法
CN206838549U (zh) 模拟安装状态板弯翘检测机
CN110153028B (zh) 一种高精度钢珠筛选设备及方法
CN102226739A (zh) 圆锥滚子轴承滚动体倒装漏装检测装置及检测方法
CN206652726U (zh) 鱼类自动测量分选装置
CN102621156A (zh) 基于图像处理的微小零件自动分拣系统
CN108759754A (zh) 高度尺寸自动检测设备
CN87105760A (zh) 系统地检测物体(包括网球)的方法和装置
CN210293181U (zh) 一种轴承套圈的上料检测装置
CN203678704U (zh) 一种自动化钢球分拣装置
CN108423214A (zh) 一种智能装箱机器人
CN109894376B (zh) 水表视觉检测设备
CN106501107B (zh) 围网抗冲击性能试验设备
CN112871717A (zh) 钢球直径高精度分选装置及方法
CN210214044U (zh) 一种多车型混线生产车架翻转自动化控制系统
CN208198900U (zh) 一种智能装箱机器人
CN108458650B (zh) 一种轴承内圈滚道槽测定装置
CN203837897U (zh) 一种多级跌落试验机
JPH02287296A (ja) 燃料ペレットを被覆管に装填する自動システム
JP2023107338A (ja) 線虫自動移行装置
CN108507745B (zh) 一种跌落测试装置及其工作方法

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