CN116977658A - 一种多维度的振动筛选方法及系统 - Google Patents

Abstract

本发明提供了一种多维度的振动筛选方法及系统，涉及振动筛选技术领域，包括：对待筛分垃圾进行图像采集，获得目标图像集，交互获得目标来源信息，确定目标组分信息，包括M种目标垃圾组分，预设多维度采集特征，进行多维度特征提取分析，确定目标粒度分布特征，生成串联振动筛控制参数，包括振动筛调用层级和调用层级筛分参数，激活串联振动筛系统，进行串联振动筛系统的控制参数调整，获得目标筛分系统，进行待筛分垃圾的自动化筛分。本发明解决了传统的振动筛选方法只考虑了单一的粒度尺寸特征，使得筛分过程无法充分捕捉到目标垃圾组分的粒度分布信息，导致存在垃圾筛分精度、筛分效率以及筛分成本无法保障的技术问题。

Description

一种多维度的振动筛选方法及系统

技术领域

本发明涉及振动筛选技术领域，具体涉及一种多维度的振动筛选方法及系统。

背景技术

振动筛是一种常用的固体物料分离设备，广泛应用于多种行业，随着工业生产的快速发展，对物料的筛分要求越来越高，传统的筛分方式难以满足需求，振动筛以其高效、节能、环保等优点成为了理想的筛分设备，同时，随着科技进步和自动化水平提高，对于振动筛的性能要求也在不断升级。

而现今常用的振动筛选方法还存在着一定的弊端，传统的振动筛选方法可能只考虑了单一的粒度尺寸特征，而忽略了不同粒度尺寸之间的分布特征。这使得筛分过程无法充分捕捉到目标垃圾组分的粒度分布信息；并且在自动化筛分中，由于物料特性变化、设备磨损或操作参数设置等因素，筛分结果的稳定性往往难以保证，这导致了筛分过程的不稳定性和筛分结果的波动。因此，对于振动筛选方法还存在着一定的可提升空间。

发明内容

本申请通过提供了一种多维度的振动筛选方法及系统，旨在解决传统的振动筛选方法只考虑了单一的粒度尺寸特征，使得筛分过程无法充分捕捉到目标垃圾组分的粒度分布信息，并且筛分过程的存在不稳定性，导致存在垃圾筛分精度、筛分效率以及筛分成本无法保障的技术问题。

鉴于上述问题，本申请提供了一种多维度的振动筛选方法及系统。

本申请公开的第一个方面，提供了一种多维度的振动筛选方法，所述方法包括：对待筛分垃圾进行图像采集，获得目标图像集；交互获得所述待筛分垃圾的目标来源信息，并根据所述目标来源信息确定所述待筛分垃圾的目标组分信息，其中，所述目标组分信息包括M种目标垃圾组分，M为正整数；根据所述目标组分信息预设多维度采集特征；基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征；通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数；基于所述振动筛调用层级激活串联振动筛系统；参考所述调用层级筛分参数进行所述串联振动筛系统的控制参数调整，获得目标筛分系统，运行所述目标筛分系统进行所述待筛分垃圾的自动化筛分。

本申请公开的另一个方面，提供了一种多维度的振动筛选系统，所述系统用于上述方法，所述系统包括：图像采集模块，所述图像采集模块用于对待筛分垃圾进行图像采集，获得目标图像集；来源信息获取模块，所述来源信息获取模块用于交互获得所述待筛分垃圾的目标来源信息，并根据所述目标来源信息确定所述待筛分垃圾的目标组分信息，其中，所述目标组分信息包括M种目标垃圾组分，M为正整数；采集特征获取模块，所述采集特征获取模块用于根据所述目标组分信息预设多维度采集特征；特征提取分析模块，所述特征提取分析模块用于基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征；控制参数生成模块，所述控制参数生成模块用于通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数；系统激活模块，所述系统激活模块用于基于所述振动筛调用层级激活串联振动筛系统；控制参数调整模块，所述控制参数调整模块用于参考所述调用层级筛分参数进行所述串联振动筛系统的控制参数调整，获得目标筛分系统，运行所述目标筛分系统进行所述待筛分垃圾的自动化筛分。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过提取并利用目标粒度分布特征，可以获得更全面的粒度尺寸特征均值，并将其映射到对应的目标垃圾组分，这样，能够更准确地描述和控制筛分过程中各个组分的尺寸特征；通过周期性监测和分析历史筛分数据集，可以获得自动化筛分的稳定性指数，基于该指数，能够判断筛分过程的稳定性是否满足要求，并生成筛分参数调整指令进行自适应调节，这样，能够及时纠正不稳定的筛分过程，提高自动化筛分的稳定性和一致性。综上所述，该多维度的振动筛选方法在粒度分布特征提取和自动化筛分稳定性方面取得了技术效果，提高了筛分过程的准确性、稳定性和可靠性，进而在提高垃圾筛选分类的精度的同时，间接实现提高垃圾回收有效性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种多维度的振动筛选方法流程示意图；

图2为本申请实施例提供了一种多维度的振动筛选系统结构示意图。

附图标记说明：图像采集模块10，来源信息获取模块20，采集特征获取模块30，特征提取分析模块40，控制参数生成模块50，系统激活模块60，控制参数调整模块70。

具体实施方式

本申请实施例通过提供一种多维度的振动筛选方法，解决了传统的振动筛选方法只考虑了单一的粒度尺寸特征，使得筛分过程无法充分捕捉到目标垃圾组分的粒度分布信息，并且筛分过程的存在不稳定性，导致存在垃圾筛分精度、筛分效率以及筛分成本无法保障的技术问题，实现了获得更全面的粒度尺寸特征均值，进而平衡垃圾筛分精度、筛分效率以及筛分成本，达到在提高垃圾筛选分类的精度的同时，间接实现提高垃圾回收有效性的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种多维度的振动筛选方法，所述方法包括：

步骤S100：对待筛分垃圾进行图像采集，获得目标图像集；

选择适当的图像采集设备，例如摄像头或者图像传感器，将待筛分垃圾置于适当的位置，使其可以被图像采集设备完整地拍摄到，使用图像采集设备对待筛分垃圾进行拍摄或者扫描，获取一系列目标图像，将图像进行整合获取目标图像集。

步骤S200：交互获得所述待筛分垃圾的目标来源信息，并根据所述目标来源信息确定所述待筛分垃圾的目标组分信息，其中，所述目标组分信息包括M种目标垃圾组分，M为正整数；

与系统进行交互，通过提问、选择或输入等方式获取待筛分垃圾的目标来源信息，包括物品的产地、生产商、供应商、分类信息等。根据所获得的目标来源信息，通过数据查询、匹配或者关联规则等方法，确定待筛分垃圾的目标组分信息，目标组分信息指该垃圾中存在的不同种类或成分的垃圾组分，例如，若目标来源信息为食品包装垃圾，目标组分信息可能包括塑料、纸张、金属等多种组分。根据确定的目标组分信息，计算得到目标组分的数量M，M表示垃圾中存在的不同种类或成分的目标垃圾组分的数目，是一个正整数。

步骤S300：根据所述目标组分信息预设多维度采集特征；

进一步而言，步骤S300：根据所述目标组分信息预设多维度采集特征，还包括：

步骤S310：对除湿预处理后的所述待筛分垃圾进行湿度采集，获得优化湿度指数；

步骤S320：根据所述目标组分信息和所述优化湿度指数拟合确定目标颜色特征集；

步骤S330：基于所述目标组分信息确定目标纹理特征集和目标形状特征集；

步骤S340：所述目标颜色特征集、所述目标纹理特征集和所述目标形状特征集构成所述多维度采集特征。

在完成垃圾的除湿预处理之后，使用湿度采集装置对待筛分垃圾进行湿度采集，通过传感器或其他测量设备，获取优化后的垃圾颗粒的湿度数据，将湿度数据转化为优化湿度指数，以表示经过除湿预处理后的垃圾颗粒的湿度水平。

结合目标组分信息和优化湿度指数，进行目标颜色特征集的拟合计算，拟合计算可以使用回归分析、机器学习等方法，针对每种垃圾组分，在算法中利用目标组分信息和优化湿度指数作为输入变量，计算并确定相应的目标颜色特征集，以获得在不同湿度下对应的目标颜色特征集。其中，每种垃圾组分具有不同的颜色特征，在不同湿度下其颜色可能会发生变化，对于目标组分信息中的K种垃圾组分，每种垃圾组分颜色不同，对应拟合湿度确定的目标颜色特征集。通过确定不同垃圾组分在不同湿度下对应的目标颜色特征集，可以更准确地描述待筛分垃圾中各个组分的颜色属性，并为后续的数据分析和振动筛控制提供更有针对性的信息。

根据目标组分信息，确定待筛分垃圾中各个组分的纹理特征和形状特征，纹理特征可以通过图像处理技术、纹理分析方法等获得，可以考虑使用颗粒表面的纹理特征，如粗糙度、纹理密度等，形状特征可以使用形状描述算法对垃圾颗粒进行计算，例如，可以计算颗粒的尺寸、长宽比、凸度等。

将目标颜色特征集、目标纹理特征集和目标形状特征集整合起来，形成包括颜色、纹理和形状的多维度采集特征，这些特征可以作为向量或其他形式的数据表达，可以更全面地描述垃圾颗粒的特性和属性，为振动筛选过程的优化和控制提供更准确和详细的信息。

步骤S400：基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征；

进一步而言，步骤S400：基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征，还包括：

步骤S410：预设区块划分阈值，并基于区块划分阈值对所述待筛分垃圾进行区块划分，获得目标区块集合，其中，所述目标区块集合中包括K个目标区块，K为正整数；

步骤S420：对所述目标区块集合进行图像采集，获得所述目标图像集，其中，所述目标图像集中包括K个目标图像，所述K个目标图像与所述K个目标区块存在映射关系；

步骤S430：基于所述多维度采集特征遍历所述目标图像集，获得K组区块粒度分布特征；

步骤S440：对所述K组区块粒度分布特征进行均值计算，生成所述目标粒度分布特征。

根据需要，预设一个区块划分阈值，该阈值用于判断垃圾颗粒是否需要被划分成多个区块，使用图像处理技术，对待筛分垃圾进行区块划分操作，利用预设的区块划分阈值，将垃圾颗粒划分为不同的区块，个区块代表一个局部区域，并获得目标区块集合，目标区块集合中包括K个目标区块，其中K为正整数，例如K取10则代表将所述待筛分垃圾划分为10个区块。

在确定了目标区块集合后，对每个目标区块进行图像采集操作，通过相机、摄像头或其他图像采集设备，获取与目标区块一一对应的目标图像集，目标图像集中包括K个目标图像，与K个目标区块存在映射关系。

利用多维度采集特征，对目标图像集中的每个目标图像进行遍历和分析，针对每个目标图像，提取特征并计算相应的区块粒度分布特征，这些特征包括颜色、纹理、形状等方面的信息，对于每个目标图像，通过特征提取和分析，获得与之相关联的区块粒度分布特征。

在获得K组区块粒度分布特征后，将K组区块粒度分布特征进行汇总，并计算其均值，这样可以得到一个代表目标粒度分布特征的数值，生成最终的目标粒度分布特征，这个特征反映了待筛分垃圾中不同区块的粒度分布情况，并可用于振动筛选过程的优化和控制。

进一步而言，步骤S430：基于所述多维度采集特征遍历所述目标图像集，获得K组区块粒度分布特征，还包括：

步骤S431：基于所述目标图像集提取获得第一目标图像；

步骤S432：采用所述目标形状特征集遍历所述第一目标图像，获得第一区块粒度区间集合；

步骤S433：采用所述目标纹理特征集遍历所述第一目标图像，获得第一区块粒度阈值集合；

步骤S434：基于所述第一区块粒度阈值集合验证所述第一区块粒度区间集合，获得第一区块粒度尺寸特征；

步骤S435：采用所述目标颜色特征集遍历所述第一目标图像，获得第一区块组分分布特征；

步骤S436：所述第一区块粒度尺寸特征和所述第一区块组分分布特征构成第一区块粒度分布特征；

步骤S437：以此类推，获得所述K组区块粒度分布特征，其中，每组区块粒度分布特征由区块粒度尺寸特征和区块组分分布特征构成；

步骤S438：对所述K组区块粒度分布特征进行均值计算，生成粒度尺寸特征均值和组分分布特征均值；

步骤S439：所述粒度尺寸特征均值和所述组分分布特征均值构成所述目标粒度分布特征。

从目标图像集中随机选择一个目标图像作为第一目标图像，利用目标形状特征集，对第一目标图像进行遍历和分析，在遍历过程中，提取与目标形状特征集相关的特征，如边缘长度、面积等，根据提取到的特征，计算第一区块的粒度区间集合，这些区间表示了第一区块在形状特征上的变化范围，反映了垃圾颗粒形状的差异。

将目标纹理特征集合定义为一个或多个特征描述符，这些描述符包括颜色直方图、纹理特征或其他相关的图像特征，遍历第一目标图像的每个区块，对于每个区块，计算其与目标纹理特征集合之间的相似度，这可以通过计算特征向量之间的距离，如欧氏距离、余弦相似度等获取，根据设定的阈值条件，将满足条件的区块加入第一区块粒度阈值集合，阈值条件可以根据特征相似度的阈值或排名进行设置。

对第一区块粒度阈值集合进行排序或筛选，以确保只保留满足特定区间要求的区块，例如，可以根据区块的大小进行过滤，或者使用其他相关的区块特征，验证第一区块粒度区间集合，例如，对第一区块粒度阈值集合中的每个区块进行检查，以确保其满足设定的区间要求，这些要求可以基于区块的尺寸范围、相邻区块之间的关系等，根据验证通过的区块，计算第一区块粒度尺寸特征，包括计算平均区块大小、最大/最小区块大小、区块数量等统计特征，用于描述第一目标图像的粒度尺寸特征。

将目标颜色特征集合定义为一个或多个颜色空间的特征描述符，例如，可以使用RGB颜色空间中的颜色直方图，遍历第一目标图像的每个区块，对于每个区块，根据目标颜色特征集合计算其颜色特征向量，这可以通过对区块中的像素颜色进行统计分析的方法来实现，将每个区块的颜色特征向量记录下来，形成第一区块组分分布特征，这表示每个区块在目标颜色特征上的分布情况，可以用来描述第一目标图像的组分特征。

采用前述相同的方法获得第一区块粒度分布特征，重复以上步骤，遍历剩余的K-1组区块，分别计算每组区块的区块粒度分布特征，最终得到K组区块粒度分布特征，其中每组特征由区块粒度尺寸特征和区块组分分布特征构成。

对于每组区块粒度分布特征，计算区块粒度尺寸特征的均值，即对所有区块的粒度尺寸特征进行求和，并除以区块数量，同样地，对于每组区块粒度分布特征，计算区块组分分布特征的均值，最终会得到粒度尺寸特征均值和组分分布特征均值，它们代表K组区块的平均粒度尺寸特征和平均组分分布特征。

将粒度尺寸特征均值和组分分布特征均值进行合并，例如，将两个特征向量拼接在一起，得到的合并特征向量即为目标的粒度分布特征，它包含了目标的平均粒度尺寸特征和平均组分分布特征的信息，可以综合地描述目标的区块粒度分布情况。

步骤S500：通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数；

进一步而言，不步骤S500：通过所述目标粒度分布特征生成串联振动筛控制参数，之前，还包括：

步骤S500-1：根据所述目标组分信息确定目标属性信息，其中，所述目标属性信息和所述目标组分信息具有一一映射关系；

步骤S500-2：交互湿度采集装置确定所述待筛分垃圾的目标湿度指数；

步骤S500-3：基于所述目标湿度指数和所述目标属性信息进行组分粘连拟合，确定组分粘连系数；

步骤S500-4：预设组分粘连阈值，并判断所述组分粘连系数是否满足所述组分粘连阈值；

步骤S500-5：若所述组分粘连系数不满足所述组分粘连阈值，则生成垃圾除湿指令进行所述待筛分垃圾的除湿预处理。

根据应用需求和振动筛选过程的特点，定义适当的目标属性信息，例如形状、硬度、弹性等与垃圾颗粒相关的特征，根据目标组分信息和目标属性信息的定义，建立一一映射关系，确保每个目标组分都对应唯一的目标属性信息，而且每个目标属性信息都能与相应的目标组分进行对应。根据已建立的一一映射关系，通过查找映射关系表或使用索引，从目标组分信息中提取对应的目标属性信息。

使用湿度采集装置与待筛分垃圾进行交互，通过传感器或其他测量设备，获取待筛分垃圾的湿度数据，将湿度数据转化为目标湿度指数，以表示垃圾颗粒的湿度水平。

根据目标湿度指数和目标属性信息，建立组分粘连算法，在该算法中，将目标湿度指数作为输入变量，目标属性信息作为参数，根据该算法，计算不同组分之间的粘连程度，并得到相应的组分粘连系数，组分粘连系数表示不同组分之间的黏附程度，即垃圾颗粒之间的黏附程度，通过与目标湿度指数结合的组分粘连拟合，可以预估和量化垃圾颗粒之间可能存在的粘连现象。

针对不同组分之间的粘连程度，根据实际需求，预设一个组分粘连阈值，该阈值用于对组分粘连系数进行判断，从而可以根据湿度情况进行除湿预处理，将计算得到的组分粘连系数与预设的阈值进行比较，判断组分粘连系数是否满足预设的组分粘连阈值要求。

如果组分粘连系数未达到预设的组分粘连阈值，表明存在较严重的黏附现象，成垃圾除湿指令，执行相应的除湿预处理操作，除湿预处理可以通过控制环境湿度、采取除湿设备等方式，降低垃圾颗粒的湿度水平，减少黏附现象对振动筛选过程的影响，以优化振动筛选过程的效果。

进一步而言，步骤S500：通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数，还包括：

步骤S510：基于所述目标粒度分布特征提取获得所述粒度尺寸特征均值，其中，所述粒度尺寸特征均值包括映射于所述M种目标垃圾组分的M个组分尺寸特征均值；

步骤S520：序列化所述M个组分尺寸特征均值获得组分粒度间隔；

步骤S530：基于组分粒度间隔匹配分级数量N，构建所述振动筛调用层级，其中，所述振动筛调用层级包括N级独立振动筛；

步骤S540：基于所述目标粒度分布特征提取获得所述组分分布特征均值，其中，所述组分分布特征均值包括映射于所述M种目标垃圾组分的M个分布特征均值；

步骤S550：根据所述M个分布特征均值和所述振动筛选调用层级匹配获得所述层级筛分参数，其中所述层级筛分参数包括映射于所述N级独立振动筛的N级筛分参数。

根据收集到的粒度分布特征数据，计算每种组分的尺寸特征均值，即一个粒度区间，示例性的，可以将每个粒度尺寸的数量或比例乘以该粒度尺寸的数值，然后将所有结果相加，并除以总数量或比例，得到对应组分的尺寸特征均值。再将它们映射到对应的目标垃圾组分，这样，就得到了M个组分的尺寸特征均值，每个均值代表一个粒度区间。

将得到的M个组分的尺寸特征均值按照均值大小进行排列，根据序列化后的M个组分尺寸特征均值，通过计算相邻特征均值之间的差值，计算出相邻两个组分之间的粒度间隔。

根据获得的组分粒度间隔，确定分级数量N，分级数量N表示振动筛调用层级中独立振动筛的个数。根据确定的分级数量N，构建振动筛调用层级，每一级都对应一个独立的振动筛，根据不同的粒度尺寸和分布特征，将目标垃圾组分在不同级别的振动筛上进行筛分。

采用前述相同的方法，获取组分分布特征均值，包括M个分布特征均值。将得到的M个分布特征均值与振动筛调用层级中的独立振动筛进行匹配，根据匹配结果，获得每一级独立振动筛的筛分参数，这些参数描述了每个独立振动筛在其对应级别上的筛选行为。通过上述步骤，获取到与N级独立振动筛相对应的N级筛分参数，这些参数可以用于后续的垃圾组分筛分操作。

步骤S600：基于所述振动筛调用层级激活串联振动筛系统；

依次激活振动筛调用层级中的每个振动筛单元，根据振动筛调用层级的设计，在适当的时机和顺序下，启动相应的振动筛单元，使其开始工作，针对每个已激活的振动筛单元，根据串联振动筛控制参数中的调用层级筛分参数，设置相应的振动筛参数，包括振幅、振频、筛网孔径等，根据实际需求和垃圾颗粒的特性进行设定。根据具体的串联振动筛控制参数和振动筛调用层级设计来激活振动筛系统，通过合理的设计和控制，可以实现垃圾颗粒的连续筛分和分类，提高振动筛系统的筛分效率和准确性。

步骤S700：参考所述调用层级筛分参数进行所述串联振动筛系统的控制参数调整，获得目标筛分系统，运行所述目标筛分系统进行所述待筛分垃圾的自动化筛分。

根据调用层级筛分参数，对串联振动筛系统中每个振动筛单元的控制参数进行调整，经过控制参数的调整后，串联振动筛系统被转化为目标筛分系统，确保每个振动筛单元按照设定的筛分参数工作，形成一个协同配合的自动化筛分系统。启动目标筛分系统，使其开始运行，将待筛分垃圾输入系统，并观察系统的筛分效果，目标筛分系统会根据设定的控制参数和垃圾颗粒的特性，自动进行筛分过程，通过振动和筛分操作，将垃圾颗粒按照其特征和目标组分分类和分离。通过自动化筛分，可以实现对待筛分垃圾的高效、准确的分类和分离。

进一步而言，还包括：

步骤S810：对自动化筛分结果进行周期性监测，获得历史筛分数据集；

步骤S820：基于所述历史筛分数据集进行自动化筛分精度分析，获得自动化筛分稳定性指数；

步骤S830：预设稳定性指数阈值，并判断所述自动化筛分稳定性指数是否满足所述稳定性指数阈值；

步骤S840：若所述自动化筛分稳定性指数不满足所述稳定性指数阈值，则生成筛分参数调整指令；

步骤S850：基于所述筛分参数调整指令进行所述层级筛分参数的适应性调节。

设定一个固定的时间间隔，例如每天、每周或每月，来进行自动化筛分结果的周期性监测，在每个监测周期结束时，记录并收集当前的自动化筛分结果，这些结果可以是筛选后的垃圾组分的数量、比例或其他相关数据。将每个监测周期的自动化筛分结果整合到历史筛分数据集中，使用数据库方式进行组织和管理。

对历史筛分数据集进行预处理，例如去除异常值、归一化或标准化等操作，以确保数据质量和可比性，基于预处理后的历史筛分数据集，进行自动化筛分精度的分析，可以采用机器学期算法来评估筛分结果的准确性和一致性，例如，对比筛分结果与实际结果的差异程度，差异越小说明筛分精度越高。基于分析结果，计算自动化筛分的稳定性指数，这可以是一个单一的指标或多个相关指标的组合，用于衡量自动化筛分过程的稳定性和可靠性。

根据具体应用需求和实际情况，预设一个稳定性指数的阈值，这个阈值可以是根据经验确定的，也可以通过实验或其他评估方法得到。将计算得到的自动化筛分稳定性指数与预设的稳定性指数阈值进行比较，如果稳定性指数大于或等于阈值，则认为自动化筛分稳定性良好；如果稳定性指数小于阈值，则认为自动化筛分稳定性不满足要求。

检测到自动化筛分稳定性不满足预设的稳定性指数阈值后，需要进一步分析和识别造成稳定性问题的原因，可能的原因包括筛分设备的故障、物料特性变化、操作参数设置等，根据识别到的稳定性问题，并结合系统的要求，生成相应的筛分参数调整指令，这些指令包括需要调整的层级筛分参数的具体数值或范围等信息，通过这些指令可以实现对自动化筛分过程的自适应调节，以提高筛分的稳定性和准确性。

根据解析得到的调整指令，对层级筛分参数进行相应的调节，调节方式可以根据具体指令而定，例如调整筛孔大小、振动频率、振幅等参数，将调节后的层级筛分参数应用于自动化筛分系统中，这样，系统将使用新的参数进行下一轮的自动化筛分操作。

综上所述，本申请实施例所提供的一种多维度的振动筛选方法及系统具有如下技术效果：

通过提取并利用目标粒度分布特征，可以获得更全面的粒度尺寸特征均值，并将其映射到对应的目标垃圾组分，这样，能够更准确地描述和控制筛分过程中各个组分的尺寸特征；

通过周期性监测和分析历史筛分数据集，可以获得自动化筛分的稳定性指数，基于该指数，能够判断筛分过程的稳定性是否满足要求，并生成筛分参数调整指令进行自适应调节，这样，能够及时纠正不稳定的筛分过程，提高自动化筛分的稳定性和一致性。

综上所述，该多维度的振动筛选方法在粒度分布特征提取和自动化筛分稳定性方面取得了技术效果，提高了筛分过程的准确性、稳定性和可靠性，进而在提高垃圾筛选分类的精度的同时，间接实现提高垃圾回收有效性。

实施例二

基于与前述实施例中一种多维度的振动筛选方法相同的发明构思，如图2所示，本申请提供了一种多维度的振动筛选系统，所述系统包括：

图像采集模块10，所述图像采集模块10用于对待筛分垃圾进行图像采集，获得目标图像集；

来源信息获取模块20，所述来源信息获取模块20用于交互获得所述待筛分垃圾的目标来源信息，并根据所述目标来源信息确定所述待筛分垃圾的目标组分信息，其中，所述目标组分信息包括M种目标垃圾组分，M为正整数；

采集特征获取模块30，所述采集特征获取模块30用于根据所述目标组分信息预设多维度采集特征；

特征提取分析模块40，所述特征提取分析模块40用于基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征；

控制参数生成模块50，所述控制参数生成模块50用于通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数；

系统激活模块60，所述系统激活模块60用于基于所述振动筛调用层级激活串联振动筛系统；

控制参数调整模块70，所述控制参数调整模块70用于参考所述调用层级筛分参数进行所述串联振动筛系统的控制参数调整，获得目标筛分系统，运行所述目标筛分系统进行所述待筛分垃圾的自动化筛分。

进一步而言，所述系统还包括：

目标属性信息确定模块，用于根据所述目标组分信息确定目标属性信息，其中，所述目标属性信息和所述目标组分信息具有一一映射关系；

目标湿度指数确定模块，用于交互湿度采集装置确定所述待筛分垃圾的目标湿度指数；

组分粘连拟合模块，用于基于所述目标湿度指数和所述目标属性信息进行组分粘连拟合，确定组分粘连系数；

判断模块，用于预设组分粘连阈值，并判断所述组分粘连系数是否满足所述组分粘连阈值；

除湿预处理模块，用于若所述组分粘连系数不满足所述组分粘连阈值，则生成垃圾除湿指令进行所述待筛分垃圾的除湿预处理。

进一步而言，所述系统还包括：

湿度采集模块，用于对除湿预处理后的所述待筛分垃圾进行湿度采集，获得优化湿度指数；

颜色特征确定模块，用于根据所述目标组分信息和所述优化湿度指数拟合确定目标颜色特征集；

特征集确定模块，用于基于所述目标组分信息确定目标纹理特征集和目标形状特征集；

采集特征构建模块，用于所述目标颜色特征集、所述目标纹理特征集和所述目标形状特征集构成所述多维度采集特征。

进一步而言，所述系统还包括：

区块划分模块，用于预设区块划分阈值，并基于区块划分阈值对所述待筛分垃圾进行区块划分，获得目标区块集合，其中，所述目标区块集合中包括K个目标区块，K为正整数；

图像采集模块，用于对所述目标区块集合进行图像采集，获得所述目标图像集，其中，所述目标图像集中包括K个目标图像，所述K个目标图像与所述K个目标区块存在映射关系；

目标图像集遍历模块，用于基于所述多维度采集特征遍历所述目标图像集，获得K组区块粒度分布特征；

均值计算模块，用于对所述K组区块粒度分布特征进行均值计算，生成所述目标粒度分布特征。

进一步而言，所述系统还包括：

第一目标图获取模块，用于基于所述目标图像集提取获得第一目标图像；

第一遍历模块，用于采用所述目标形状特征集遍历所述第一目标图像，获得第一区块粒度区间集合；

第二遍历模块，用于采用所述目标纹理特征集遍历所述第一目标图像，获得第一区块粒度阈值集合；

验证模块，用于基于所述第一区块粒度阈值集合验证所述第一区块粒度区间集合，获得第一区块粒度尺寸特征；

第三遍历模块，用于采用所述目标颜色特征集遍历所述第一目标图像，获得第一区块组分分布特征；

第一分布特征构成模块，用于所述第一区块粒度尺寸特征和所述第一区块组分分布特征构成第一区块粒度分布特征；

分布特征获取模块，用于以此类推，获得所述K组区块粒度分布特征，其中，每组区块粒度分布特征由区块粒度尺寸特征和区块组分分布特征构成；

计算模块，用于对所述K组区块粒度分布特征进行均值计算，生成粒度尺寸特征均值和组分分布特征均值；

第二分布特征构成模块，用于所述粒度尺寸特征均值和所述组分分布特征均值构成所述目标粒度分布特征。

进一步而言，所述系统还包括：

特征提取模块，用于基于所述目标粒度分布特征提取获得所述粒度尺寸特征均值，其中，所述粒度尺寸特征均值包括映射于所述M种目标垃圾组分的M个组分尺寸特征均值；

序列化模块，用于序列化所述M个组分尺寸特征均值获得组分粒度间隔；

层级构建模块，用于基于组分粒度间隔匹配分级数量N，构建所述振动筛调用层级，其中，所述振动筛调用层级包括N级独立振动筛；

均值获取模块，用于基于所述目标粒度分布特征提取获得所述组分分布特征均值，其中，所述组分分布特征均值包括映射于所述M种目标垃圾组分的M个分布特征均值；

参数获取模块，用于根据所述M个分布特征均值和所述振动筛选调用层级匹配获得所述层级筛分参数，其中所述层级筛分参数包括映射于所述N级独立振动筛的N级筛分参数。

进一步而言，所述系统还包括：

周期性监测模块，用于对自动化筛分结果进行周期性监测，获得历史筛分数据集；

精度分析模块，用于基于所述历史筛分数据集进行自动化筛分精度分析，获得自动化筛分稳定性指数；

阈值获取模块，用于预设稳定性指数阈值，并判断所述自动化筛分稳定性指数是否满足所述稳定性指数阈值；

指令生成模块，用于若所述自动化筛分稳定性指数不满足所述稳定性指数阈值，则生成筛分参数调整指令；

适应性调节模块，用于基于所述筛分参数调整指令进行所述层级筛分参数的适应性调节。

本说明书通过前述对一种多维度的振动筛选方法的详细描述，本领域技术人员可以清楚得知道本实施例中一种多维度的振动筛选方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种多维度的振动筛选方法，其特征在于，所述方法包括：

对待筛分垃圾进行图像采集，获得目标图像集；

交互获得所述待筛分垃圾的目标来源信息，并根据所述目标来源信息确定所述待筛分垃圾的目标组分信息，其中，所述目标组分信息包括M种目标垃圾组分，M为正整数；

根据所述目标组分信息预设多维度采集特征；

基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征；

通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数；

基于所述振动筛调用层级激活串联振动筛系统；

参考所述调用层级筛分参数进行所述串联振动筛系统的控制参数调整，获得目标筛分系统，运行所述目标筛分系统进行所述待筛分垃圾的自动化筛分。

2.如权利要求1所述的方法，其特征在于，通过所述目标粒度分布特征生成串联振动筛控制参数，之前，所述方法还包括：

根据所述目标组分信息确定目标属性信息，其中，所述目标属性信息和所述目标组分信息具有一一映射关系；

交互湿度采集装置确定所述待筛分垃圾的目标湿度指数；

基于所述目标湿度指数和所述目标属性信息进行组分粘连拟合，确定组分粘连系数；

预设组分粘连阈值，并判断所述组分粘连系数是否满足所述组分粘连阈值；

若所述组分粘连系数不满足所述组分粘连阈值，则生成垃圾除湿指令进行所述待筛分垃圾的除湿预处理。

3.如权利要求2所述的方法，其特征在于，根据所述目标组分信息预设多维度采集特征，所述方法还包括：

对除湿预处理后的所述待筛分垃圾进行湿度采集，获得优化湿度指数；

根据所述目标组分信息和所述优化湿度指数拟合确定目标颜色特征集；

基于所述目标组分信息确定目标纹理特征集和目标形状特征集；

所述目标颜色特征集、所述目标纹理特征集和所述目标形状特征集构成所述多维度采集特征。

4.如权利要求3所述的方法，其特征在于，基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征，所述方法还包括：

预设区块划分阈值，并基于区块划分阈值对所述待筛分垃圾进行区块划分，获得目标区块集合，其中，所述目标区块集合中包括K个目标区块，K为正整数；

对所述目标区块集合进行图像采集，获得所述目标图像集，其中，所述目标图像集中包括K个目标图像，所述K个目标图像与所述K个目标区块存在映射关系；

基于所述多维度采集特征遍历所述目标图像集，获得K组区块粒度分布特征；

对所述K组区块粒度分布特征进行均值计算，生成所述目标粒度分布特征。

5.如权利要求4所述的方法，其特征在于，基于所述多维度采集特征遍历所述目标图像集，获得K组区块粒度分布特征，所述方法还包括：

基于所述目标图像集提取获得第一目标图像；

采用所述目标形状特征集遍历所述第一目标图像，获得第一区块粒度区间集合；

采用所述目标纹理特征集遍历所述第一目标图像，获得第一区块粒度阈值集合；

基于所述第一区块粒度阈值集合验证所述第一区块粒度区间集合，获得第一区块粒度尺寸特征；

采用所述目标颜色特征集遍历所述第一目标图像，获得第一区块组分分布特征；

所述第一区块粒度尺寸特征和所述第一区块组分分布特征构成第一区块粒度分布特征；

以此类推，获得所述K组区块粒度分布特征，其中，每组区块粒度分布特征由区块粒度尺寸特征和区块组分分布特征构成；

对所述K组区块粒度分布特征进行均值计算，生成粒度尺寸特征均值和组分分布特征均值；

所述粒度尺寸特征均值和所述组分分布特征均值构成所述目标粒度分布特征。

6.如权利要求5所述的方法，其特征在于，通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数，所述方法还包括：

基于所述目标粒度分布特征提取获得所述粒度尺寸特征均值，其中，所述粒度尺寸特征均值包括映射于所述M种目标垃圾组分的M个组分尺寸特征均值；

序列化所述M个组分尺寸特征均值获得组分粒度间隔；

基于组分粒度间隔匹配分级数量N，构建所述振动筛调用层级，其中，所述振动筛调用层级包括N级独立振动筛；

基于所述目标粒度分布特征提取获得所述组分分布特征均值，其中，所述组分分布特征均值包括映射于所述M种目标垃圾组分的M个分布特征均值；

根据所述M个分布特征均值和所述振动筛选调用层级匹配获得所述层级筛分参数，其中所述层级筛分参数包括映射于所述N级独立振动筛的N级筛分参数。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

对自动化筛分结果进行周期性监测，获得历史筛分数据集；

基于所述历史筛分数据集进行自动化筛分精度分析，获得自动化筛分稳定性指数；

预设稳定性指数阈值，并判断所述自动化筛分稳定性指数是否满足所述稳定性指数阈值；

若所述自动化筛分稳定性指数不满足所述稳定性指数阈值，则生成筛分参数调整指令；

基于所述筛分参数调整指令进行所述层级筛分参数的适应性调节。

8.一种多维度的振动筛选系统，其特征在于，用于实施权利要求1-7任一项所述的一种多维度的振动筛选方法，包括：

图像采集模块，所述图像采集模块用于对待筛分垃圾进行图像采集，获得目标图像集；

来源信息获取模块，所述来源信息获取模块用于交互获得所述待筛分垃圾的目标来源信息，并根据所述目标来源信息确定所述待筛分垃圾的目标组分信息，其中，所述目标组分信息包括M种目标垃圾组分，M为正整数；

采集特征获取模块，所述采集特征获取模块用于根据所述目标组分信息预设多维度采集特征；

特征提取分析模块，所述特征提取分析模块用于基于所述多维度采集特征对所述目标图像集进行多维度特征提取分析，确定目标粒度分布特征；

控制参数生成模块，所述控制参数生成模块用于通过所述目标粒度分布特征生成串联振动筛控制参数，其中，所述串联振动筛控制参数包括振动筛调用层级和调用层级筛分参数；

系统激活模块，所述系统激活模块用于基于所述振动筛调用层级激活串联振动筛系统；

控制参数调整模块，所述控制参数调整模块用于参考所述调用层级筛分参数进行所述串联振动筛系统的控制参数调整，获得目标筛分系统，运行所述目标筛分系统进行所述待筛分垃圾的自动化筛分。