CN116984274B - 一种基于5g技术的电炉生产智能控制方法及系统 - Google Patents
一种基于5g技术的电炉生产智能控制方法及系统 Download PDFInfo
- Publication number
- CN116984274B CN116984274B CN202311260294.7A CN202311260294A CN116984274B CN 116984274 B CN116984274 B CN 116984274B CN 202311260294 A CN202311260294 A CN 202311260294A CN 116984274 B CN116984274 B CN 116984274B
- Authority
- CN
- China
- Prior art keywords
- waste
- area
- image
- conveying
- paving
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005516 engineering process Methods 0.000 title claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 35
- 239000002699 waste material Substances 0.000 claims abstract description 311
- 239000002184 metal Substances 0.000 claims description 67
- 229910052751 metal Inorganic materials 0.000 claims description 67
- 238000011156 evaluation Methods 0.000 claims description 49
- 230000003213 activating effect Effects 0.000 claims description 15
- 229910052755 nonmetal Inorganic materials 0.000 claims description 14
- 238000003708 edge detection Methods 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000151 deposition Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 3
- 239000007769 metal material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000010814 metallic waste Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- 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
- B07C5/34—Sorting according to other particular properties
-
- 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
-
- 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
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0054—Sorting of waste or refuse
-
- 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
- Processing Of Solid Wastes (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种基于5G技术的电炉生产智能控制方法及系统,属于智能控制领域,其中方法包括:将电炉加料控制模块通过5G技术与云端数据中心连接,当废料输送带进入预设定位区域时,通过电炉加料控制模块上的图像采集装置采集废料图像,并传输至云端数据中心;云端数据中心进行废料快速识别与分类,指导机械臂准确抓取目标废料;机械臂将识别后的废料进行抓取和铺设,实现废料的分类和送料;当一批废料铺设完成后,继续采集图像并传输至云端数据中心,实现全过程的智能识别控制。本申请解决了现有技术中电炉分选送料效率低下、成本高的技术问题,达到了实现废料的快速筛分,实现效率较高,提高生产效率,降低生产成本的技术效果。
Description
技术领域
本发明涉及智能控制领域,具体涉及一种基于5G技术的电炉生产智能控制方法及系统。
背景技术
电炉生产是钢铁企业的重要生产工序之一。在电炉生产过程中,原料的准备和加料是关键步骤。现有的电炉生产技术通常采用独立的分选工序和送料工序,即先通过分选设备对废钢进行分类分选,再将分类后的废钢通过输送设备送入电炉进行熔炼,导致工艺路程长、生产效率低。
发明内容
本申请通过提供了一种基于5G技术的电炉生产智能控制方法及系统,旨在解决现有技术中电炉分选送料效率低下、成本高的技术问题。
鉴于上述问题,本申请提供了一种基于5G技术的电炉生产智能控制方法及系统。
本申请公开的第一个方面,提供了一种基于5G技术的电炉生产智能控制方法,该方法包括:当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,第一方向垂直于输送废料堆积面,第二方向平行于输送废料堆积面;根据第一图像与第二图像进行重叠识别,获取重叠特征区域;激活电炉加料控制模块的机械臂对重叠特征区域的输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取第一方向的第三图像;将第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域;激活电炉加料控制模块的机械臂将非金属特征区域的输送废料进行抓取,输送至预设回收容器,启动废料输送带为电炉进行加料。
本申请公开的另一个方面,提供了一种基于5G技术的电炉生产智能控制系统,该系统包括:废料图像获取模块,用于当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,第一方向垂直于输送废料堆积面,第二方向平行于输送废料堆积面;图像重叠识别模块,用于根据第一图像与第二图像进行重叠识别,获取重叠特征区域;控制抓取铺设模块,用于激活电炉加料控制模块的机械臂对重叠特征区域的输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取第一方向的第三图像;图像金属识别模块,用于将第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域;非金属废料抓取模块,用于激活电炉加料控制模块的机械臂将非金属特征区域的输送废料进行抓取,输送至预设回收容器,启动废料输送带为电炉进行加料。
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:
由于采用了将电炉加料控制模块通过5G技术与云端数据中心连接,当废料输送带进入预设定位区域时,通过电炉加料控制模块上的图像采集装置采集废料图像,并传输至云端数据中心;云端数据中心基于人工智能技术实现废料快速识别与分类,指导电炉加料控制模块的机械臂准确抓取目标废料;机械臂将识别后的废料进行抓取和铺设,实现废料的分类和送料;当一批废料铺设完成后,继续采集图像并传输至云端数据中心,实现全过程的智能识别控制,实现分选与送料工序一体化的技术方案,解决了现有技术中电炉分选送料效率低下、成本高的技术问题,达到了实现废料的快速筛分,实现效率较高,提高生产效率,降低生产成本的技术效果。
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基于5G技术的电炉生产智能控制方法可能的流程示意图;
图2为本申请实施例提供了一种基于5G技术的电炉生产智能控制方法中获取非金属特征区域可能的流程示意图;
图3为本申请实施例提供了一种基于5G技术的电炉生产智能控制方法中获取金属区域识别结果可能的流程示意图;
图4为本申请实施例提供了一种基于5G技术的电炉生产智能控制系统可能的结构示意图。
附图标记说明:废料图像获取模块11,图像重叠识别模块12,控制抓取铺设模块13,图像金属识别模块14,非金属废料抓取模块15。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于5G技术的电炉生产智能控制方法及系统。以5G技术为基础,建立电炉加料控制模块与云端数据中心的连接,并借助云计算和人工智能技术,实现对废料的快速精准识别和抓取分类,将分选工序与送料工序实现一体化,达到简化生产工艺、降低设备依赖、减少工序路径的技术效果。
首先,在废料输送过程中,通过设置在电炉加料控制模块上的图像采集装置采集废料图像,并通过5G网络实时传输至云端数据中心;然后,云端数据中心基于人工智能算法实现对废料图像的快速识别和分类,确定目标废料所在区域;再然后,指导电炉加料控制模块上的机械臂准确抓取识别后的废料进行分类和送料;最后,在一批废料送料完成后,继续采集图像和识别控制,实现全过程的智能化控制。
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基于5G技术的电炉生产智能控制方法,该方法应用于电炉加料控制模块,电炉加料控制模块和云端数据中心基于5G技术通信连接,电炉加料控制模块包括图像采集装置。
具体而言,基于5G技术的电炉生产智能控制方法应用于电炉加料控制模块,电炉加料控制模块用于控制电炉的加料过程,该模块与云端数据中心之间采用5G技术进行高速通信连接,实现电炉加料控制模块与云端数据中心之间海量数据的实时传输,电炉加料控制模块还包括图像采集装置,采用数字相机等光电装置采集电炉加料过程中的图像。
电炉生产智能控制方法包括:
步骤S100:当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,所述第一方向垂直于输送废料堆积面,所述第二方向平行于输送废料堆积面;
具体而言,当废料输送带进入预设的定位区域时,废料输送带停止工作。图像采集装置采集输入电炉的输送废料,获取第一图像和第二图像。其中,第一图像的拍摄方向垂直于输送废料形成的堆积面,从上往下对废料进行拍摄,获得输送废料的顶面信息,包括废料在输送带上的铺设面积、分布情况等;第二图像的拍摄方向平行于输送废料形成的堆积面,从侧面对废料进行拍摄,获得输送废料的侧面信息,包括废料堆积的高度、形状等。第一图像和第二图像均采用数字图像的形式,通过图像采集装置获得。图像采集装置可以是工业数字相机,或其他光学采集设备。
通过获取第一方向与第二方向的图像,获得输送废料的立体信息,为机器视觉模型进行准确识别和机械臂进行抓取铺设过程提供图像基础。当图像信息获取完成后,废料输送带继续运行,输送下一批废料。
步骤S200:根据所述第一图像与所述第二图像进行重叠识别,获取重叠特征区域;
具体而言,第一图像和第二图像通过5G技术实时传输至云端数据中心,云端数据中心针对第一图像和第二图像进行图像识别和特征提取。云端数据中心首先获取破碎的废弃物基本信息,包括的破碎厚度阈值和破碎面积阈值,然后分别判断废料铺设区域的废料铺设面积是否大于破碎面积阈值,以及废料堆放区域的废料堆积高度是否大于破碎厚度阈值,如果同时满足,则将废料铺设区域和废料堆放区域添加至重叠特征区域。其中,废料铺设区域和废料堆放区域是通过对第一图像和第二图像进行边缘检测和堆积定位得到的结果。当废料铺设区域的废料铺设面积和废料堆放区域的废料堆积高度同时大于对应阈值时,说明在第一图像和第二图像中该区域的输送废料存在一定程度的重叠,属于重叠特征区域。
步骤S300:激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取所述第一方向的第三图像;
具体而言,电炉加料控制模块的机械臂对得到的重叠特征区域中的输送废料进行抓取铺设,抓取铺设完成后,图像采集装置再采集第一方向的第三图像。
云端数据中心将重叠特征区域的位置信息反馈至电炉加料控制模块,电炉加料控制模块的机械臂根据位置信息对重叠特征区域中的输送废料进行定位和抓取,并进行铺设。机械臂作为电炉加料控制模块的执行机构,包括机械手,能够完成精准的抓取和移动等运动。在抓取铺设完成后,为了进一步监控加料情况,再次采集输送废料的图像。此时,图像采集装置再次拍摄电炉内第一方向的图像,即从上往下对废料进行拍摄,得到第三图像。第三图像同样通过5G通信技术实时传输至云端数据中心,用于后续的金属识别等过程。
步骤S400:将所述第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域;
具体而言,第三图像经过5G通信技术高速传输至云端数据中心。云端数据中心采用内嵌的机器视觉模型对第三图像进行金属材料识别。模型在接收到第三图像时,自动对图像进行处理和特征提取,并与预先输入的金属模板进行匹配,判断通过机械臂铺设后的废料铺设区域中包含的金属材料,如果不是金属材料,则将其添加至非金属特征区域。在确定非金属特征区域后,云端数据中心将非金属特征区域的位置等信息反馈至电炉加料控制模块。
通过对第三图像的精准金属识别,并得到非金属特征区域的位置等信息,为后续抓取非金属特征区域的输送废料提供了依据,达到自动化加料的目的。
步骤S500:激活电炉加料控制模块的所述机械臂将所述非金属特征区域的所述输送废料进行抓取,输送至预设回收容器,启动所述废料输送带为电炉进行加料。
具体而言,电炉加料控制模块的机械臂对得到的非金属特征区域中的输送废料进行抓取,并将其输送至预设的回收容器中,同时启动废料输送带为电炉进行加料。
首先,云端数据中心将非金属特征区域的位置信息反馈至电炉加料控制模块。然后,电炉加料控制模块的机械臂根据位置信息对非金属特征区域中的输送废料进行定位和抓取,并将其输送至预设的回收容器中储存。机械臂通过精准的控制实现自动化抓取和输送等运动,保证非金属材料被正确回收利用。同时,启动废料输送带将分拣后的金属废料传输至电炉中,同步为电炉提供新一批的输送废料,确保电炉的连续加料。
通过机械臂实现非金属材料的自动回收,并通过启动废料输送带为电炉进行自动加料,大大提高了电炉运行的连续性和效率,实现全自动化和高效的电炉加料控制,达到安全、高效和连续运行的目的。
进一步的,本申请实施例还包括:
步骤S210:获取废料破碎基础信息,其中,所述废料破碎基础信息包括破碎厚度阈值和破碎面积阈值;
步骤S220:根据所述第一图像对所述输送废料进行边缘检测,获取第一废料铺设区域,其中,所述第一废料铺设区域具有废料铺设面积;
步骤S230:基于所述第二图像和所述第一废料铺设区域对所述输送废料进行堆积定位,获取第一废料堆放区域,其中,所述第一废料堆放区域具有废料堆积高度;
步骤S240:当所述废料铺设面积大于或等于所述破碎面积阈值,将所述第一废料铺设区域添加进所述重叠特征区域;
步骤S240:当所述废料堆积高度大于或等于所述破碎厚度阈值,将所述第一废料堆放区域添加进所述重叠特征区域。
具体而言,在将废料放置输送带上进行运输至电炉进行生产前,为了方便对废料进行铺放和送料,将废料进行破碎,得到废料破碎基础信息,废料破碎形状为片状,所有的片状废料厚度大小形状均匀,在输送带上在限定区域内进行摆放,摆放的片状废料的最大厚度为破碎厚度阈值,摆放区域的面积为破碎面积阈值。当输送废料的堆积高度大于破碎厚度阈值时,表明输送废料在垂直方向上有两个以上的片状废料叠放,存在废料重叠特征;当输送废料的铺设面积大于破碎面积阈值,说明输送废料在水平方向上铺设面积较大,存在废料摆放超出限定区域,超出阈值的片状废料与其他片状废料存在部分重叠特征。
第一图像是从上往下拍摄获得的图像,因此可以直接看到长方形片状废料的边缘轮廓,通过Canny边缘检测算法,对第一图像提取所有长方形片状废料的边界。然后对边界进行轮廓检测,连接所有相邻的边界,得到包裹住所有长方形片状废料的轮廓。该轮廓所包裹区域即为第一废料铺设区域。获取所有长方形片状废料的面积,对所有面积进行加和,得到第一废料铺设区域的废料铺设面积。然后,构建一个三维空间,其中xy平面为输送台所在平面,xz平面为第二图像所在平面。根据第一废料铺设区域在xy平面上的位置,可以确定第一废料堆放区域在xz平面上的位置。因为第二图像是从厚度方向拍摄,可直接看到长方形片状废料的高度,对第二图像进行Canny边缘检测,提取长方形片状废料的高度,取最大高度作为第一废料堆放区域的废料堆积高度。
接着,云端数据中心判断第一废料铺设区域的废料铺设面积是否大于或等于破碎面积阈值,如果是,则将第一废料铺设区域添加至重叠特征区域。同时判断第一废料堆放区域的废料堆积高度是否大于或等于破碎厚度阈值,如果是,也将第一废料堆放区域添加至重叠特征区域,为后续机械臂对重叠特征区域的输送废料进行抓取铺设提供信息。
进一步的,本申请实施例还包括:
步骤S221:获取输送台基准像素值、预设像素偏差和尺寸基准线,其中,所述尺寸基准线的尺寸已知;
步骤S222:根据所述输送台基准像素值在所述第一图像随机选取小于所述预设像素偏差的第一像素点,添加进基准像素点;
步骤S223:判断所述基准像素点与相邻像素点的像素值偏差是否小于所述预设像素偏差;
步骤S224:若小于,将所述相邻像素点添加进所述基准像素点;
步骤S225:当所述第一图像的像素点遍历完成时,获取非基准像素区域进行边缘像素点定位,获取所述第一废料铺设区域;
步骤S226:根据所述尺寸基准线,遍历所述第一废料铺设区域进行比例计算,获取所述废料铺设面积。
具体而言,云端数据中心获取输送台基准像素值、预设像素偏差和尺寸基准线。然后在第一图像中随机选取小于预设像素偏差的第一像素点,添加至基准像素点。判断基准像素点与相邻像素点的像素值偏差,如果小于预设像素偏差,也添加至基准像素点。遍历第一图像的所有像素点,得到非基准像素区域,进行边缘像素点定位,提取第一废料铺设区域。最后根据尺寸基准线,遍历第一废料铺设区域,通过比例计算得到废料铺设面积。
首先,输送台基准像素值因输送台本身颜色设置而得,与废料像素值存在较大偏差,为鲜艳或淡的平面,保证废料和输送台之间的像素梯度较大,因此利用该特性进行边缘检测。预设像素偏差是基准像素值与废料平均像素值之间的最小偏差,当第一图像上的某个像素点的像素值和输送台基准像素值小于该偏差时,表明该像素点为基准像素值。尺寸基准线的长度根据输送带摆放区域得知,用于后续面积计算。其次,根据输送台基准像素值与在第一图像中每个像素点的像素值进行差值计算,当所得差值结果小于预设像素偏差时,将该像素点添加至基准像素点中。
然后,对于第一图像中的每个基准像素点,判断它与这8个相邻像素点的像素值偏差是否小于预设像素偏差,通过基准像素点像素值减去相邻像素点像素值,得到像素点偏差。如果该偏差小于预设像素偏差,则说明相邻像素点与基准像素点的像素值差异较小,属于同一区域。此时需要将该相邻像素点也添加至基准像素点,继续扩充基准像素点区域。反之,如果该偏差大于或等于预设像素偏差,则说明相邻像素点与基准像素点的像素值差异较大,不属于同一区域,此时不需要将其添加至基准像素点,直接进行下一个相邻像素点的判断。
随后,遍历第一废料铺设区域中的每个像素点,判断其是否位于尺寸基准线内,如果是,则统计该像素点,并取得下一个像素点继续判断。当遍历完成后,得到尺寸基准线上像素点的总数量。然后根据图像分辨率中的长度比例关系,计算得到尺寸基准线在图像中的实际长度。尺寸基准线的实际长度已知,利用以下公式计算出第一废料铺设区域的面积:第一废料铺设区域面积=尺寸基准线实际长度/尺寸基准线在图像中的长度*每个像素点代表的实际面积*尺寸基准线上像素点数量,其中,每个像素点代表的实际面积是根据图像分辨率固定的常量。
进一步的,本申请实施例还包括:
步骤S310:获取非重叠特征区域的输送废料定位信息;
步骤S320:遍历所述输送废料定位信息基于第一预设直径,构建第一铺设禁忌窗口;
步骤S330:根据所述第一铺设禁忌窗口,对所述重叠特征区域的所述输送废料进行铺设规划,获取铺设定位结果;
步骤S340:当所述铺设定位结果的铺设距离最小值大于或等于所述第一预设直径,激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设;
步骤S350:当所述铺设定位结果的所述铺设距离最小值小于所述第一预设直径,根据所述第一铺设禁忌窗口,对所述重叠特征区域的所述输送废料进行重复铺设规划。
具体而言,云端数据中心获取非重叠特征区域的输送废料定位信息,并根据第一预设直径构建第一铺设禁忌窗口。然后根据第一铺设禁忌窗口,对重叠特征区域的输送废料进行铺设规划,得到铺设定位结果。如果铺设距离最小值大于第一预设直径,激活机械臂进行抓取铺设;否则进行重复铺设规划。其中,非重叠特征区域是通过图像识别技术对第一图像和第二图像进行重叠识别后不包含重叠特征的输送废料区域;输送废料定位信息是指对非重叠特征区域中每块输送废料的具体位置和方向的描述信息,包括中心坐标、宽度、长度和角度信息,为铺设规划和抓取铺设提供参数;第一预设直径是根据输送废料的平均直径设定的一个直径值,用于限定输送废料周围不可以再进行铺设的范围,以保证输送废料铺设分布的均匀性;第一铺设禁忌窗口是根据非重叠特征区域中的输送废料定位信息和第一预设直径构建的不可以进行铺设的窗口区域,在进行铺设规划时,需要避开该窗口进行输送废料的抓取和放置。
首先,获取非重叠特征区域的输送废料定位信息,遍历非重叠特征区域中的每块输送废料的定位信息,对于每块输送废料,云端数据中心以其中心坐标为圆心,第一预设直径为半径,构建一个圆形窗口。根据其长度和宽度,在该圆形窗口外扩展一个矩形窗口。根据其角度信息,对矩形窗口进行旋转,得到输送废料的第一铺设禁忌窗口。重复处理每个输送废料定位信息,构建全部输送废料的第一铺设禁忌窗口,并将其合并,得到非重叠特征区域的第一铺设禁忌窗口。其中,圆形窗口限定输送废料周围第一预设直径范围内不可以铺设,矩形窗口根据输送废料大小进行扩展,并根据角度信息进行旋转,使窗口与输送废料方向一致,从而避开输送废料进行铺设规划。
接着,云端数据中心在第一铺设禁忌窗口之外的区域,随机选取一块输送废料,规划其在非禁忌窗口中的抓取和放置位置,得到一组铺设定位结果。然后计算该组结果中与周围已有输送废料之间的最小距离。如果最小距离大于第一预设直径,则满足间距要求,可以进行抓取铺设。此时,云端数据中心将铺设定位结果反馈至电炉加料控制模块,指引机械臂对选取的输送废料进行抓取和放置。如果最小距离小于第一预设直径,则不满足间距要求,不能进行抓取铺设。此时,云端数据中心放弃当前的铺设定位结果,重新在第一铺设禁忌窗口之外的区域进行输送废料的选取和铺设规划,直至满足最小距离要求。重复选取非禁忌窗口的输送废料,直至重叠特征区域的所有输送废料均完成抓取铺设。针对不满足最小距离要求的情况,进行重新规划,保证最终的铺设结果达到间距要求,实现输送废料分布的均匀性。
进一步的,如图2所示,本申请实施例还包括:
步骤S410:根据所述第三图像对所述输送废料进行边缘检测,获取第二废料铺设区域;
步骤S420:对所述第二废料铺设区域进行特征提取,获取纹理特征信息和颜色特征信息;
步骤S430:将所述纹理特征信息和所述颜色特征信息输入内嵌于所述云端数据中心的金属识别模型,获取金属区域识别结果;
步骤S440:根据所述金属区域识别结果,确定所述非金属特征区域。
具体而言,第三图像是机械臂完成铺设后从上至下采集的输送废料图像,首先,云端数据中心对第三图像进行图像预处理,包括灰度化、滤波等步骤,以消除噪声和提高图像质量;其次,通过Canny边缘检测算法对第三图像进行边缘检测,得到图像的边缘信息;然后,对边缘信息进行轮廓检测,连接边界,得到输送废料的轮廓;接着,根据轮廓信息直接提取出所有的输送废料区域,作为第二废料铺设区域。
云端数据中心将第二废料铺设区域的图像输入至特征提取模型,得到特征信息。该特征提取模型采用卷积神经网络进行构建。对于纹理特征,模型自动学习图像中的纹理模式,并编码为一个向量,作为纹理特征信息。对于颜色特征,模型统计图像中的各颜色频数,构建一个表示颜色分布的直方图,作为颜色特征信息。将图像输入至特征提取模型后,该模型首先将图像进行处理,提取图像中的低层特征,如边缘、角点等。然后结合卷积操作和池化操作步骤,逐步抽象出图像的高层特征。高层特征经过全连接层进行编码,得到一个固定长度的向量,作为纹理特征信息。模型同时会统计图像中的各颜色频数,构建一个颜色直方图,作为颜色特征信息。
之后,云端数据中心将纹理特征信息和颜色特征信息输入至金属识别模型,得到金属区域识别结果。该金属识别模型是通过大量金属材料样本训练得到的,内嵌在云端数据中心中,该模型可自动完成对特征信息的识别和匹配。将两个特征信息输入至金属识别模型进行识别后,模型会对输入的特征信息与其内部模板的特征信息进行匹配,得到匹配度最高的模板,其对应金属类型即为识别结果,返回最佳匹配模板所对应的金属类型及区域,作为金属区域识别结果,包括金属类型和所在区域。最后,在第二废料铺设区域中找到金属区域识别结果所对应的区域,将这些区域从第二废料铺设区域中剔除,剩余区域即为非金属特征区域。
进一步的,如图3所示,本申请实施例还包括:
步骤S431:获取金属模板特征信息,其中,所述金属模板特征信息包括模板纹理特征和模板颜色特征;
步骤S432:对所述模板纹理特征和所述纹理特征信息进行相似度评估,获取纹理相似度评估结果;
步骤S433:对所述模板颜色特征和所述颜色特征信息进行相似度评估,获取颜色相似度评估结果;
步骤S434:当所述纹理相似度评估结果满足纹理相似度阈值,且所述颜色相似度评估结果满足颜色相似度阈值,将所述第二废料铺设区域添加进所述金属区域识别结果。
具体而言,金属模板特征信息是金属识别模型训练过程中输入的特征模板,对应不同的金属类型,用于与特征信息进行匹配。每个模板都包括模板纹理特征和模板颜色特征,分别用于纹理相似度评估和颜色相似度评估。在获得纹理特征信息和颜色特征信息后,云端数据中心获取金属识别模型中所有模板的特征信息,作为金属模板特征信息;然后对纹理特征信息和每个模板的模板纹理特征进行相似度评估,得到多个纹理相似度评估结果,选择最高的一个结果作为最终的纹理相似度评估结果;同时对颜色特征信息和每个模板的模板颜色特征进行相似度评估,得到多个颜色相似度评估结果,选择最高的一个结果作为最终的颜色相似度评估结果。如果最终的纹理相似度评估结果满足预设的纹理相似度阈值,且最终的颜色相似度评估结果满足预设的颜色相似度阈值,则将第二废料铺设区域对应添加至金属区域识别结果。否则,返回“未知”为金属区域识别结果,用于根据金属区域识别结果确定非金属特征区域。
进一步的,本申请实施例还包括:
步骤S451:构建相似度评估公式:
,
其中,S表征任意一个铺设区域与金属模板的纹理相似度或颜色相似度,表征金属模板纹理特征或颜色特征的第i维度特征值,/>表征任意一个铺设区域纹理特征或颜色特征的第i维度特征值,n表征纹理特征或颜色特征的维度总数,/>表征纹理特征或颜色特征的第i维度特征值最大容错偏差;
步骤S452:根据所述相似度评估公式,获取所述纹理相似度评估结果和所述颜色相似度评估结果。
具体而言,构建相似度评估公式,用于计算任意一个铺设区域与金属模板之间的纹理相似度或颜色相似度。然后根据该公式,获取纹理相似度评估结果和颜色相似度评估结果。
其中,相似度评估公式采用欧氏距离计算两个向量之间的距离,衡量其相似度。其中,S表征任意一个铺设区域与金属模板的纹理相似度或颜色相似度,表征金属模板纹理特征或颜色特征的第i维度特征值,/>表征任意一个铺设区域纹理特征或颜色特征的第i维度特征值,n表征纹理特征或颜色特征的维度总数,/>表征纹理特征或颜色特征的第i维度特征值最大容错偏差。
在计算相似度时间,首先,获取金属模板的纹理特征或颜色特征,以及输入的铺设区域的纹理特征或颜色特征;遍历特征的每一维,计算与/>的差值。如果差值大于/>,则相似度S=0;否则,将差值代入公式计算相似度S。遍历所有维度后,得到最终的相似度S,作为纹理相似度评估结果或颜色相似度评估结果,返回纹理相似度评估结果和颜色相似度评估结果。
通过构建相似度评估公式,实现对特征信息之间相似度的量化评估,有效刻画特征信息之间的相似程度,准确得到纹理相似度评估结果和颜色相似度评估结果,为金属识别提供准确的判断参数,实现对输送废料的高精度识别。
综上所述,本申请实施例所提供的一种基于5G技术的电炉生产智能控制方法具有如下技术效果:
当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,第一方向垂直于输送废料堆积面,第二方向平行于输送废料堆积面,通过采集废料的二维图像,为后续的图像识别提供数据输入;根据第一图像与第二图像进行重叠识别,获取重叠特征区域,通过识别出废料中目标特征区域,为机械臂的抓取控制提供依据;激活电炉加料控制模块的机械臂对重叠特征区域的输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取第一方向的第三图像,实现机械臂对目标废料进行抓取和分类,并在完成一批废料的抓取后采集新的图像;将第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域,继续利用云计算实现对新的废料图像的识别,确定下一批目标废料;激活电炉加料控制模块的机械臂将非金属特征区域的输送废料进行抓取,输送至预设回收容器,启动废料输送带为电炉进行加料,根据图像识别的结果,抓取非金属废料并分类回收,并启动输送带将剩余的金属废料送入电炉,达到了实现废料的快速筛分,实现效率较高,提高生产效率,降低生产成本的技术效果。
实施例二
基于与前述实施例中一种基于5G技术的电炉生产智能控制方法相同的发明构思,如图4所示,本申请实施例提供了一种基于5G技术的电炉生产智能控制系统,应用于电炉加料控制模块,电炉加料控制模块和云端数据中心基于5G技术通信连接,电炉加料控制模块包括图像采集装置,该系统包括:
废料图像获取模块11,用于当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,所述第一方向垂直于输送废料堆积面,所述第二方向平行于输送废料堆积面;
图像重叠识别模块12,用于根据所述第一图像与所述第二图像进行重叠识别,获取重叠特征区域;
控制抓取铺设模块13,用于激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取所述第一方向的第三图像;
图像金属识别模块14,用于将所述第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域;
非金属废料抓取模块15,用于激活电炉加料控制模块的所述机械臂将所述非金属特征区域的所述输送废料进行抓取,输送至预设回收容器,启动所述废料输送带为电炉进行加料。
进一步的,图像重叠识别模块12包括以下执行步骤:
获取废料破碎基础信息,其中,所述废料破碎基础信息包括破碎厚度阈值和破碎面积阈值;
根据所述第一图像对所述输送废料进行边缘检测,获取第一废料铺设区域,其中,所述第一废料铺设区域具有废料铺设面积;
基于所述第二图像和所述第一废料铺设区域对所述输送废料进行堆积定位,获取第一废料堆放区域,其中,所述第一废料堆放区域具有废料堆积高度;
当所述废料铺设面积大于或等于所述破碎面积阈值,将所述第一废料铺设区域添加进所述重叠特征区域;
当所述废料堆积高度大于或等于所述破碎厚度阈值,将所述第一废料堆放区域添加进所述重叠特征区域。
进一步的,图像重叠识别模块12还包括以下执行步骤:
获取输送台基准像素值、预设像素偏差和尺寸基准线,其中,所述尺寸基准线的尺寸已知;
根据所述输送台基准像素值在所述第一图像随机选取小于所述预设像素偏差的第一像素点,添加进基准像素点;
判断所述基准像素点与相邻像素点的像素值偏差是否小于所述预设像素偏差;
若小于,将所述相邻像素点添加进所述基准像素点;
当所述第一图像的像素点遍历完成时,获取非基准像素区域进行边缘像素点定位,获取所述第一废料铺设区域;
根据所述尺寸基准线,遍历所述第一废料铺设区域进行比例计算,获取所述废料铺设面积。
进一步的,控制抓取铺设模块13包括以下执行步骤:
获取非重叠特征区域的输送废料定位信息;
遍历所述输送废料定位信息基于第一预设直径,构建第一铺设禁忌窗口;
根据所述第一铺设禁忌窗口,对所述重叠特征区域的所述输送废料进行铺设规划,获取铺设定位结果;
当所述铺设定位结果的铺设距离最小值大于或等于所述第一预设直径,激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设;
当所述铺设定位结果的所述铺设距离最小值小于所述第一预设直径,根据所述第一铺设禁忌窗口,对所述重叠特征区域的所述输送废料进行重复铺设规划。
进一步的,图像金属识别模块14包括以下执行步骤:
根据所述第三图像对所述输送废料进行边缘检测,获取第二废料铺设区域;
对所述第二废料铺设区域进行特征提取,获取纹理特征信息和颜色特征信息;
将所述纹理特征信息和所述颜色特征信息输入内嵌于所述云端数据中心的金属识别模型,获取金属区域识别结果;
根据所述金属区域识别结果,确定所述非金属特征区域。
进一步的,图像金属识别模块14还包括以下执行步骤:
获取金属模板特征信息,其中,所述金属模板特征信息包括模板纹理特征和模板颜色特征;
对所述模板纹理特征和所述纹理特征信息进行相似度评估,获取纹理相似度评估结果;
对所述模板颜色特征和所述颜色特征信息进行相似度评估,获取颜色相似度评估结果;
当所述纹理相似度评估结果满足纹理相似度阈值,且所述颜色相似度评估结果满足颜色相似度阈值,将所述第二废料铺设区域添加进所述金属区域识别结果。
进一步的,图像金属识别模块14还包括以下执行步骤:
构建相似度评估公式:
,
其中,S表征任意一个铺设区域与金属模板的纹理相似度或颜色相似度,表征金属模板纹理特征或颜色特征的第i维度特征值,/>表征任意一个铺设区域纹理特征或颜色特征的第i维度特征值,n表征纹理特征或颜色特征的维度总数,/>表征纹理特征或颜色特征的第i维度特征值最大容错偏差;
根据所述相似度评估公式,获取所述纹理相似度评估结果和所述颜色相似度评估结果。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种基于5G技术的电炉生产智能控制方法,其特征在于,应用于电炉加料控制模块,所述电炉加料控制模块和云端数据中心基于5G技术通信连接,所述电炉加料控制模块包括图像采集装置,包括:
当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,所述第一方向垂直于输送废料堆积面,所述第二方向平行于输送废料堆积面;
根据所述第一图像与所述第二图像进行重叠识别,获取重叠特征区域,包括:
获取废料破碎基础信息,其中,所述废料破碎基础信息包括破碎厚度阈值和破碎面积阈值;
根据所述第一图像对所述输送废料进行边缘检测,获取第一废料铺设区域,其中,所述第一废料铺设区域具有废料铺设面积;
基于所述第二图像和所述第一废料铺设区域对所述输送废料进行堆积定位,获取第一废料堆放区域,其中,所述第一废料堆放区域具有废料堆积高度;
当所述废料铺设面积大于或等于所述破碎面积阈值,将所述第一废料铺设区域添加进所述重叠特征区域;
当所述废料堆积高度大于或等于所述破碎厚度阈值,将所述第一废料堆放区域添加进所述重叠特征区域;
激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取所述第一方向的第三图像;
将所述第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域;
激活电炉加料控制模块的所述机械臂将所述非金属特征区域的所述输送废料进行抓取,输送至预设回收容器,启动所述废料输送带为电炉进行加料。
2.如权利要求1所述的方法,其特征在于,根据所述第一图像对所述输送废料进行边缘检测,获取第一废料铺设区域,其中,所述第一废料铺设区域具有废料铺设面积,包括:
获取输送台基准像素值、预设像素偏差和尺寸基准线,其中,所述尺寸基准线的尺寸已知;
根据所述输送台基准像素值在所述第一图像随机选取小于所述预设像素偏差的第一像素点,添加进基准像素点;
判断所述基准像素点与相邻像素点的像素值偏差是否小于所述预设像素偏差;
若小于,将所述相邻像素点添加进所述基准像素点;
当所述第一图像的像素点遍历完成时,获取非基准像素区域进行边缘像素点定位,获取所述第一废料铺设区域;
根据所述尺寸基准线,遍历所述第一废料铺设区域进行比例计算,获取所述废料铺设面积。
3.如权利要求1所述的方法,其特征在于,激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设,包括:
获取非重叠特征区域的输送废料定位信息;
遍历所述输送废料定位信息基于第一预设直径,构建第一铺设禁忌窗口;
根据所述第一铺设禁忌窗口,对所述重叠特征区域的所述输送废料进行铺设规划,获取铺设定位结果;
当所述铺设定位结果的铺设距离最小值大于或等于所述第一预设直径,激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设;
当所述铺设定位结果的所述铺设距离最小值小于所述第一预设直径,根据所述第一铺设禁忌窗口,对所述重叠特征区域的所述输送废料进行重复铺设规划。
4.如权利要求1所述的方法,其特征在于,将所述第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域,包括:
根据所述第三图像对所述输送废料进行边缘检测,获取第二废料铺设区域;
对所述第二废料铺设区域进行特征提取,获取纹理特征信息和颜色特征信息;
将所述纹理特征信息和所述颜色特征信息输入内嵌于所述云端数据中心的金属识别模型,获取金属区域识别结果;
根据所述金属区域识别结果,确定所述非金属特征区域。
5.如权利要求4所述的方法,其特征在于,将所述纹理特征信息和所述颜色特征信息输入内嵌于所述云端数据中心的金属识别模型,获取金属区域识别结果,包括:
获取金属模板特征信息,其中,所述金属模板特征信息包括模板纹理特征和模板颜色特征;
对所述模板纹理特征和所述纹理特征信息进行相似度评估,获取纹理相似度评估结果;
对所述模板颜色特征和所述颜色特征信息进行相似度评估,获取颜色相似度评估结果;
当所述纹理相似度评估结果满足纹理相似度阈值,且所述颜色相似度评估结果满足颜色相似度阈值,将所述第二废料铺设区域添加进所述金属区域识别结果。
6.如权利要求5所述的方法,其特征在于,还包括:
构建相似度评估公式:
,
其中,S表征任意一个铺设区域与金属模板的纹理相似度或颜色相似度,表征金属模板纹理特征或颜色特征的第i维度特征值,/>表征任意一个铺设区域纹理特征或颜色特征的第i维度特征值,n表征纹理特征或颜色特征的维度总数,/>表征纹理特征或颜色特征的第i维度特征值最大容错偏差;
根据所述相似度评估公式,获取所述纹理相似度评估结果和所述颜色相似度评估结果。
7.一种基于5G技术的电炉生产智能控制系统,其特征在于,用于实施权利要求1-6任意一项所述的一种基于5G技术的电炉生产智能控制方法,应用于电炉加料控制模块,所述电炉加料控制模块和云端数据中心基于5G技术通信连接,所述电炉加料控制模块包括图像采集装置,包括:
废料图像获取模块,所述废料图像获取模块用于当废料输送带进入预设定位区域时停止,通过图像采集装置对输送废料进行图像采集,获取第一方向的第一图像与第二方向的第二图像,其中,所述第一方向垂直于输送废料堆积面,所述第二方向平行于输送废料堆积面;
图像重叠识别模块,所述图像重叠识别模块用于根据所述第一图像与所述第二图像进行重叠识别,获取重叠特征区域;
控制抓取铺设模块,所述控制抓取铺设模块用于激活电炉加料控制模块的机械臂对所述重叠特征区域的所述输送废料进行抓取铺设,当抓取铺设完成时,通过图像采集装置获取所述第一方向的第三图像;
图像金属识别模块,所述图像金属识别模块用于将所述第三图像基于5G技术传输至云端数据中心进行金属识别,获取非金属特征区域;
非金属废料抓取模块,所述非金属废料抓取模块用于激活电炉加料控制模块的所述机械臂将所述非金属特征区域的所述输送废料进行抓取,输送至预设回收容器,启动所述废料输送带为电炉进行加料;
图像重叠识别模块还包括以下执行步骤:
获取废料破碎基础信息,其中,所述废料破碎基础信息包括破碎厚度阈值和破碎面积阈值;
根据所述第一图像对所述输送废料进行边缘检测,获取第一废料铺设区域,其中,所述第一废料铺设区域具有废料铺设面积;
基于所述第二图像和所述第一废料铺设区域对所述输送废料进行堆积定位,获取第一废料堆放区域,其中,所述第一废料堆放区域具有废料堆积高度;
当所述废料铺设面积大于或等于所述破碎面积阈值,将所述第一废料铺设区域添加进所述重叠特征区域;
当所述废料堆积高度大于或等于所述破碎厚度阈值,将所述第一废料堆放区域添加进所述重叠特征区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311260294.7A CN116984274B (zh) | 2023-09-27 | 2023-09-27 | 一种基于5g技术的电炉生产智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311260294.7A CN116984274B (zh) | 2023-09-27 | 2023-09-27 | 一种基于5g技术的电炉生产智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116984274A CN116984274A (zh) | 2023-11-03 |
CN116984274B true CN116984274B (zh) | 2023-12-12 |
Family
ID=88534223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311260294.7A Active CN116984274B (zh) | 2023-09-27 | 2023-09-27 | 一种基于5g技术的电炉生产智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116984274B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004323873A (ja) * | 2003-04-22 | 2004-11-18 | Nippon Steel Corp | 電気炉への可燃性廃棄物の投入方法および装置 |
WO2013110993A1 (en) * | 2012-01-23 | 2013-08-01 | Danieli Automation Spa | Method for managing the charge in a melting furnace and corresponding loading apparatus |
KR102225816B1 (ko) * | 2019-11-26 | 2021-03-10 | 동국제강주식회사 | 스크랩 용해율과 잔탕량을 측정하는 전기로 제강 조업 장치 및 이를 이용한 제강 조업 방법 |
KR102234533B1 (ko) * | 2020-05-11 | 2021-03-31 | 주식회사 보고넷 | 전기로 전력 투입제어를 위한 인공지능 장입 고철 분류를 이용한 인공지능 원재료 분석 서비스 제공 방법 |
CN112866675A (zh) * | 2019-11-12 | 2021-05-28 | Oppo广东移动通信有限公司 | 深度图生成方法和装置、电子设备、计算机可读存储介质 |
CN114029237A (zh) * | 2021-11-08 | 2022-02-11 | 上海电机学院 | 一种铝型材表面缺陷实时分拣系统及方法 |
KR102446930B1 (ko) * | 2021-11-15 | 2022-09-23 | 주식회사 지이에스이엔지 | 영상을 이용한 로봇 자동 파지 방법 |
WO2023076186A1 (en) * | 2021-10-29 | 2023-05-04 | Sortera Alloys, Inc. | Metal separation in a scrap yard |
CN116625134A (zh) * | 2023-07-24 | 2023-08-22 | 苏州弘皓光电科技有限公司 | 基于5g技术的电炉温度监测控制方法及系统 |
-
2023
- 2023-09-27 CN CN202311260294.7A patent/CN116984274B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004323873A (ja) * | 2003-04-22 | 2004-11-18 | Nippon Steel Corp | 電気炉への可燃性廃棄物の投入方法および装置 |
WO2013110993A1 (en) * | 2012-01-23 | 2013-08-01 | Danieli Automation Spa | Method for managing the charge in a melting furnace and corresponding loading apparatus |
CN112866675A (zh) * | 2019-11-12 | 2021-05-28 | Oppo广东移动通信有限公司 | 深度图生成方法和装置、电子设备、计算机可读存储介质 |
KR102225816B1 (ko) * | 2019-11-26 | 2021-03-10 | 동국제강주식회사 | 스크랩 용해율과 잔탕량을 측정하는 전기로 제강 조업 장치 및 이를 이용한 제강 조업 방법 |
KR102234533B1 (ko) * | 2020-05-11 | 2021-03-31 | 주식회사 보고넷 | 전기로 전력 투입제어를 위한 인공지능 장입 고철 분류를 이용한 인공지능 원재료 분석 서비스 제공 방법 |
WO2023076186A1 (en) * | 2021-10-29 | 2023-05-04 | Sortera Alloys, Inc. | Metal separation in a scrap yard |
CN114029237A (zh) * | 2021-11-08 | 2022-02-11 | 上海电机学院 | 一种铝型材表面缺陷实时分拣系统及方法 |
KR102446930B1 (ko) * | 2021-11-15 | 2022-09-23 | 주식회사 지이에스이엔지 | 영상을 이용한 로봇 자동 파지 방법 |
CN116625134A (zh) * | 2023-07-24 | 2023-08-22 | 苏州弘皓光电科技有限公司 | 基于5g技术的电炉温度监测控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116984274A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108971190B (zh) | 一种基于机器视觉的生活垃圾分拣方法 | |
CN110516570B (zh) | 一种基于视觉的垃圾分类识别方法和装置 | |
CN109272523B (zh) | 基于改进cvfh和crh特征的随机堆放活塞位姿估计方法 | |
CN104156726B (zh) | 一种基于几何形状特征的工件识别方法及装置 | |
CN112318485B (zh) | 物体分选系统及其图像处理方法、装置 | |
CN109675827B (zh) | 一种建筑垃圾识别分拣设备、识别方法及其抓取方法 | |
CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
CN112011750B (zh) | 基于机器视觉的捞渣方法及机器人系统 | |
CN106269548A (zh) | 一种物体自动分拣方法及其装置 | |
CN113666028B (zh) | 一种基于激光雷达和相机融合的垃圾桶检测抓取方法 | |
CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN107016391A (zh) | 一种复杂场景工件识别方法 | |
CN110763700A (zh) | 一种半导体元器件缺陷检测方法和设备 | |
CN115321090B (zh) | 机场行李自动接取方法、装置、设备、系统及介质 | |
CN107153067A (zh) | 一种基于matlab的零件表面缺陷检测方法 | |
CN106067031A (zh) | 基于人工纠错机制与深度学习网络协作机器视觉识别系统 | |
CN116277025A (zh) | 一种智能制造用机器人的物件分拣控制方法及系统 | |
CN114029943A (zh) | 一种基于图像数据处理的目标抓取定位方法及系统 | |
CN112881412A (zh) | 一种废钢产品中非金属异物检测方法 | |
CN116984274B (zh) | 一种基于5g技术的电炉生产智能控制方法及系统 | |
Zhang et al. | Vision-based robot sorting system | |
CN112338898B (zh) | 物体分选系统的图像处理方法、装置及物体分选系统 | |
CN111036576A (zh) | 基于无矸图像过滤和blob分析的煤矸石识别分拣法 | |
CN208059993U (zh) | 一种螃蟹多指标分级装置 | |
CN115187969B (zh) | 一种基于视觉识别的铅酸电池回收系统和方法 |
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 |