CN117680382A - 智能控制自动识别块状残极多级分拣系统 - Google Patents
智能控制自动识别块状残极多级分拣系统 Download PDFInfo
- Publication number
- CN117680382A CN117680382A CN202311762801.7A CN202311762801A CN117680382A CN 117680382 A CN117680382 A CN 117680382A CN 202311762801 A CN202311762801 A CN 202311762801A CN 117680382 A CN117680382 A CN 117680382A
- Authority
- CN
- China
- Prior art keywords
- anode scrap
- block
- push rod
- anode
- sorting
- 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.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 93
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 90
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 230000007246 mechanism Effects 0.000 claims abstract description 32
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 17
- 239000003792 electrolyte Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 9
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 8
- 238000005868 electrolysis reaction Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 229910052782 aluminium Inorganic materials 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000003610 charcoal Substances 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 230000001629 suppression Effects 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
- B07C5/04—Sorting according to size
- B07C5/10—Sorting according to size measured by light-responsive means
-
- 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
- B07C5/36—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
- B07C5/36—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
Landscapes
- Sorting Of Articles (AREA)
Abstract
本申请实施例公开了一种智能控制自动识别块状残极多级分拣系统,包括:皮带输送机构、图像采集装置、块状残极检测系统、块状残极分拣装置、分拣箱,其中,皮带输送机构包括传送带和驱动电机,皮带输送机构的上方安装有残极推杆固定支架;图像采集装置包括多台摄像机,安装在残极推杆固定支架上,且分别位于皮带输送机构的上方和/或两侧;块状残极检测系统与图像采集装置通信连接,块状残极检测系统采用预先建立并训练好的块状残极检测模型,根据传送带上方多个面的图像进行视觉检测,判断并定位残极炭块位置,以及识别出残极炭块尺寸大小;块状残极分拣装置包括残极推杆,残极推杆的上端与残极推杆固定支架转动连接。
Description
技术领域
本申请涉及残极炭块分拣技术领域,具体涉及一种智能控制自动识别块状残极多级分拣系统。
背景技术
电解铝是指通过电解的方式提取铝金属的过程。在这个过程中,阳极炭块是一个重要的组成部分,其作用是提供电流和导电功能。然而,在长时间的电解过程中,阳极炭块会逐渐被消耗,形成残极。电解铝阳极炭块残极是电解铝生产过程中的一个不可避免的问题它会降低电解效率,增加操作难度,影响铝金属质量。通过定期更换阳极炭块、优化工艺参数和合理处理残极,可以有效减少残极的生成,提高电解效率和铝金属质量。这对于电解铝工业的可持续发展具有重要意义。
残极经过破碎、筛分,分成不同的粒度,在阳极炭块或阳极糊生产配料时,作为一种骨料加入,残极也可用作冶炼燃料,将残极作为一种生产炭素产品的原料,在一定程度上能提高炭素产品的质量。在电解铝生产过程中,目前行业对阳极残极炭块清理过程中未将掉落阳极托盘中的块状残极炭块进行识别和挑拣,致使阳极托盘中的块状残极炭块随电解质结壳块直接进入破碎系统,块状残极经破碎系统破碎后随破碎料进入电解槽中。由此,一方面直接造成残极销量减少,另一方面间接造成电解槽生产过程炭渣增多,残极还会增加阳极炭块与电解槽之间的接触电阻,进一步降低电解效率。
因此,需要一种能够自动智能控制自动识别块状残极的分拣系统。
发明内容
本申请的目的在于提供一种智能控制自动识别块状残极多级分拣系统,用以解决现有技术中的对阳极残极炭块清理过程中未将掉落阳极托盘中的块状残极炭块进行识别和挑拣,致使阳极托盘中的块状残极炭块随电解质结壳块直接进入破碎系统,块状残极经破碎系统破碎后随破碎料进入电解槽中,一方面直接造成残极销量减少,另一方面间接造成电解槽生产过程炭渣增多、,残极还会增加阳极炭块与电解槽之间的接触电阻,进一步降低电解效率的问题。
为实现上述目的,本申请实施例提供一种智能控制自动识别块状残极多级分拣系统,包括:
皮带输送机构、图像采集装置、块状残极检测系统、块状残极分拣装置、分拣箱,其中,
所述皮带输送机构包括传送带和驱动电机,皮带输送机构的上方安装有残极推杆固定支架;
所述图像采集装置包括多台摄像机,安装在所述残极推杆固定支架上,且分别位于皮带输送机构的上方和/或两侧,朝向所述传送带;
所述块状残极检测系统与所述图像采集装置通信连接,块状残极检测系统采用预先建立并训练好的块状残极检测模型,根据所述传送带上方多个面的图像进行视觉检测,判断并定位残极炭块位置,以及识别出残极炭块尺寸大小;
所述块状残极分拣装置包括残极推杆,所述残极推杆的上端与残极推杆固定支架转动连接,根据块状残极检测系统识别出的残极炭块位置和尺寸大小,控制对应的残极推杆推动须分拣的残极炭块到所述分拣箱内。
可选地,所述块状残极检测系统定位残极炭块位置的方法为:当块状残极检测系统识别到残留残极炭块后,通过转换图像区域与物理区域,获得图像中残留残极炭块的物理坐标。
可选地,所述块状残极分拣装置还包括:
推杆铲,所述推杆铲连接在所述残极推杆的下端。
可选地,所述块状残极分拣装置还包括:
气缸和气动阀门,所述气缸设置在所述残极推杆固定支架上,且位于所述皮带输送机构的一侧,气缸的伸缩杆与残极推杆的中部连接,所述气动阀门与气缸连接,用于控制气缸伸缩杆的伸缩。
可选地,所述残极推杆固定支架还包括:
限位横梁,所述限位横梁的中部设有沿长度方向延伸的通孔,所述残极推杆穿过所述通孔,所述气缸的伸缩杆的延伸方向与所述通孔的长度方向平行,所述通孔的长度方向指向所述分拣箱。
可选地,所述分拣箱位于所述传送带的一侧下方,且与所述气缸的伸缩杆相对设置。
可选地,所述块状残极分拣装置有多套,沿着所述传送带的长度方向依次设置,每套的块状残极分拣装置的所述推杆铲的尺寸大小不同。
本申请实施例具有如下优点:
本申请实施例提供一种智能控制自动识别块状残极多级分拣系统,包括:
皮带输送机构、图像采集装置、块状残极检测系统、块状残极分拣装置、分拣箱,其中,所述皮带输送机构包括传送带和驱动电机,皮带输送机构的上方安装有残极推杆固定支架;所述图像采集装置包括多台摄像机,安装在所述残极推杆固定支架上,且分别位于皮带输送机构的上方和/或两侧,朝向所述传送带;所述块状残极检测系统与所述图像采集装置通信连接,块状残极检测系统采用预先建立并训练好的块状残极检测模型,根据所述传送带上方多个面的图像进行视觉检测,判断并定位残极炭块位置,以及识别出残极炭块尺寸大小;所述块状残极分拣装置包括残极推杆,所述残极推杆的上端与残极推杆固定支架转动连接,根据块状残极检测系统识别出的残极炭块位置和尺寸大小,控制对应的残极推杆推动须分拣的残极炭块到所述分拣箱内。
通过上述系统,采用预先建立并训练好的块状残极检测模型可以实现对传送带上包括电解质结壳块和残极炭块的物料中的残极炭块进行检测、定位,并识别出大小尺寸,利用块状残极分拣装置推动须分拣的残极炭块到所述分拣箱内,从而解决了现有技术中的对阳极残极炭块清理过程中未将掉落阳极托盘中的块状残极炭块进行识别和挑拣,致使阳极托盘中的块状残极炭块随电解质结壳块直接进入破碎系统,块状残极经破碎系统破碎后随破碎料进入电解槽中,一方面直接造成残极销量减少,另一方面间接造成电解槽生产过程炭渣增多,残极还会增加阳极炭块与电解槽之间的接触电阻,进一步降低电解效率的问题。
进一步,本申请提供的一种智能控制自动识别块状残极多级分拣系统,通过块状残极检测系统对皮带输送机构上的检块状残极自动传输并进行视觉检测,在经过残极分拣装置自动推动分拣,实现了块状残极从视觉检测到分拣过程的自动化过程,对块状残极进行回收,这样既可以减少资源的浪费,又可以降低生产成本。
进一步,本申请提供的一种智能控制自动识别块状残极多级分拣系统,采用图像采集装置(摄像机)和块状残极检测系统对块状残极多个面进行大小形状检测,取代传统人工观察,具有检测快速、准确和可持续性等优点,减少了人工成本。
附图说明
为了更清楚地说明本申请的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
图1为本申请实施例提供的一种智能控制自动识别块状残极多级分拣系统的结构图。
图中,1-皮带输送机构、2-图像采集装置、3-块状残极检测系统、4-块状残极分拣装置、5-分拣箱、6-残极推杆固定支架、41-残极推杆、42-推杆铲、43-气缸、61-限位横梁。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
除非另有明确的规定和限定,术语“设置”“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
此外,下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
图1为本申请实施例提供的一种智能控制自动识别块状残极多级分拣系统的结构图。该系统包括:皮带输送机构1、图像采集装置2、块状残极检测系统3、块状残极分拣装置4和分拣箱5。
皮带输送机构1包括传送带和驱动电机,皮带输送机构1的上方安装有残极推杆固定支架6。
具体地,皮带输送机构1用于输送块状残极及电解质结壳块,具体而言,可通过皮带输送机构1的传送带将电解质结壳块及残极炭块向块状残极分拣装置4方向运输,皮带输送机构1不断带动其向前移动,以通过块状残极分拣装置4将其中的残极炭块分拣到分拣箱5内。
图像采集装置2包括多台摄像机,安装在所述残极推杆固定支架6上,且分别位于皮带输送机构1的上方或两侧,朝向传送带,可采集所述传送带上方多个面的图像。
块状残极检测系统3与图像采集装置2通信连接,图像采集装置2可将采集的图像传输给块状残极检测系统3,由块状残极检测系统3识别和定位残极炭块位置,并判断出残极炭块的尺寸大小。
具体地,块状残极检测系统采用预先建立并训练好的块状残极检测模型,根据所述传送带上方多个面的图像进行视觉检测,判断并定位残极炭块位置。具体实现方法可以参考下述的块状残极检测模型构建方法实施例,应当理解的是,块状残极检测模型可以基于预先建立并训练好的yolov5网络模型进行构建,也可以是基于改进后的yolov5网络模型进行构建,或者基于现有技术中其他能够实现对采集的包括电解质结壳块及残极炭块的传送带图像进行检测并识别、定位出需要分拣的残极炭块以及判断出残极炭块的尺寸大小的算法或者模型,例如神经网络模型等,本申请对此不做限制。
在一些实施例中,块状残极检测系统3定位残极炭块位置的方法为,当块状残极检测系统3识别到残留残极炭块后,通过转换图像区域与物理区域,获得图像中残留残极炭块的物理坐标(中心点的坐标)。
块状残极分拣装置4包括残极推杆41,残极推杆41的上端与残极推杆固定支架6转动连接,根据块状残极检测系统3识别出的残极炭块位置和尺寸大小,控制对应的残极推杆41对残极炭块进行依次分拣,具体分拣方式为推动须分拣的残极炭块到所述分拣箱5内。
在一些实施例中,块状残极分拣装置4还包括:
推杆铲42,所述推杆铲连接在所述残极推杆的下端。
在一些实施例中,块状残极分拣装置4还包括:
气缸43和气动阀门,所述气缸设置在残极推杆固定支架6上,且位于所述皮带输送机构1的一侧,气缸的伸缩杆与残极推杆的中部连接,所述气动阀门与气缸连接,用于控制气缸伸缩杆的伸缩。
在一些实施例中,残极推杆固定支架6还包括:限位横梁61,所述限位横梁61的中部设有沿长度方向延伸的通孔,所述残极推杆穿过所述通孔,所述气缸的伸缩杆的延伸方向与所述通孔的长度方向平行,所述通孔的长度方向指向所述分拣箱5。
在一些实施例中,所述分拣箱5位于所述传送带的一侧下方,且与所述气缸的伸缩杆相对设置。
在一些实施例中,所述块状残极分拣装置4有多套,沿着所述传送带的长度方向依次设置,每套的块状残极分拣装置4的推杆铲42的尺寸大小不同,以便于推动须分拣的不同尺寸大小的残极炭块。
上述智能控制自动识别块状残极多级分拣系统的工作原理如下:
通过皮带输送机将分拣后电解质结壳块及残极炭块运输至皮带输送机构1的上部,皮带输送机构1不断带动其向前移动。
图像采集装置2采集传送带上输送的物料的图像,并传输给块状残极检测系统3,由其识别出残极炭块位置和分类。
当皮带输送机构1将残极炭块输送至块状残极分拣装置4工位处时,在确定残极炭块位置同时,块状残极分拣装置4根据块状残极检测系统3传递的电信号打开气缸43的气动阀门,同时气缸伸缩杆推动残极推杆41,使残极推杆41下端的推杆铲42将残极炭块铲出皮带进入下料口后滑落至分拣箱5内。
此外,根据块状残极检测系统3识别出的残极炭块的位置和大小分类,控制连接有不同大小推杆铲42的残极推杆41对出现在传送带上不同分类的残极炭块进行依次分拣。
在以下实施例中,提供一种能够为块状残极检测系统3所采用的自动识别块状残极的块状残极检测模型的构建方法,包括:
在步骤1)处,采集传送带上包括残极炭块的图像,得到样本数据集。
在步骤2)处,对所述样本数据集进行预处理。
具体地,有色金属冶炼领域中,环境复杂,图像采集带来的噪声更多,采集后的图像对识别工作造成了不小的挑战。厂区采集图像主要不利因素包括光线暗,噪声多。因此在一些实施例中,在模型训练前,采用了直方图均衡算法对样本数据集中的图像进行提亮处理,再用引导滤波去除噪声影响,保持细节。
在步骤3)处,基于预处理后的样本数据集,利用图像标注工具对其图像中的残极炭块进行定位和尺寸大小分类标注,利用得到的标注文件及原始样本数据集构成模型训练所需的残极炭块定位和分类数据集。
具体地,在一些实施例中,采用LableImg进行图像标注,将样本数据集图像中的残极炭块按照尺寸大小分类标注为大、中、小块形状。在生产中,残极炭块在通过甩链清理后已去除大部分,留下残极炭块的分为大、中、小块,大块的大小直径为10cm-15cm范围内,中块为5cm-10cm,小块为0cm-5cm,据此进行标记分类后,便于后续的残极推杆41清理,例如使用所连接的不同大小的推杆铲42分拣不同大小的残极炭块。由于残极炭块大小表现形式为颜色(黑褐色),因此识别的电解质结壳块为白色和灰色,在一些实施例中,将灰度值为180-255的白色区域,以及灰度值为100-180的灰色区域识别为电解质结壳块,将灰度值为0-100的黑灰色区域识别定位为残极炭块。
在步骤4)处,在原始yolov5网络模型的特征融合网络中增加小目标检测层,用于识别小范围内图像特征,得到改进yolov5网络模型。
具体地,Yolov5中通过5次下采样,输出的特征图大小为20*20,40*40,80*80,其中80*80的特征图对应到640*640的原始图像中,对应的感受野大小为640/80=8*8。训练很难得到小目标特征图。因此在原有yolov5训练模型中增加小目标检测层,需要将残极炭块表面图像切割成3*3,9个小图进行重新标记,以获得小目标特征图并对小目标检测层进行训练。
在一些实施例中,切割时在两个相邻小图之间设置overlap重叠区域;将小图跑模型推理,得到推理结果pred;对pred的结果中boxes位置进行坐标转换,转换为对应于原残极炭块表面图像中的位置;把各个小图推理的结果用torch.cat来进行合并;使用nms非极大值抑制过滤掉重复的框。从而既可以得到小目标特征图,又不会重复、或者遗漏裁剪处小目标的检测。
此外,在实际项目中,由于采集的图像长宽比不同,YOLOv5通过缩放和填充的方式将图片大小修改为必要尺寸。然而,这种方法可能会导致填充过多,产生信息冗余,进而造成数据污染。为了解决这个问题,在一些实施例中,可以采用自适应图缩放的方法,对letterbox函数进行修改,对标注图像进行自适应添加黑边。这样可以使图像处理更加准确和有效,减少数据污染的可能性。
在步骤5)处,利用所述残极炭块定位和分类数据集对改进yolov5网络模型进行训练,得到所述块状残极检测模型。
通过上述系统,采用预先建立并训练好的块状残极检测模型可以实现对传送带上包括电解质结壳块和残极炭块的物料中的残极炭块进行检测、定位,并识别出大小尺寸,利用块状残极分拣装置推动须分拣的残极炭块到所述分拣箱内,从而解决了现有技术中的对阳极残极炭块清理过程中未将掉落阳极托盘中的块状残极炭块进行识别和挑拣,致使阳极托盘中的块状残极炭块随电解质结壳块直接进入破碎系统,块状残极经破碎系统破碎后随破碎料进入电解槽中,一方面直接造成残极销量减少,另一方面间接造成电解槽生产过程炭渣增多,残极还会增加阳极炭块与电解槽之间的接触电阻,进一步降低电解效率的问题。
进一步,本申请提供的一种智能控制自动识别块状残极多级分拣系统,通过块状残极检测系统对皮带输送机构上的检块状残极自动传输并进行视觉检测,在经过残极分拣装置自动推动分拣,实现了块状残极从视觉检测到分拣过程的自动化过程,对块状残极进行回收,这样既可以减少资源的浪费,又可以降低生产成本。
进一步,本申请提供的一种智能控制自动识别块状残极多级分拣系统,采用图像采集装置(摄像机)和块状残极检测系统对块状残极多个面进行大小形状检测,取代传统人工观察,具有检测快速、准确和可持续性等优点,减少了人工成本。
注意,除非另有直接说明,否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此,除非另有明确说明,否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下,进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头,该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
虽然,上文中已经用一般性说明及具体实施例对本申请作了详尽的描述,但在本申请基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本申请精神的基础上所做的这些修改或改进,均属于本申请要求保护的范围。
Claims (7)
1.一种智能控制自动识别块状残极多级分拣系统,其特征在于,包括:皮带输送机构、图像采集装置、块状残极检测系统、块状残极分拣装置、分拣箱,其中,
所述皮带输送机构包括传送带和驱动电机,皮带输送机构的上方安装有残极推杆固定支架;
所述图像采集装置包括多台摄像机,安装在所述残极推杆固定支架上,且分别位于皮带输送机构的上方和/或两侧,朝向所述传送带;
所述块状残极检测系统与所述图像采集装置通信连接,块状残极检测系统采用预先建立并训练好的块状残极检测模型,根据所述传送带上方多个面的图像进行视觉检测,判断并定位残极炭块位置,以及识别出残极炭块尺寸大小;
所述块状残极分拣装置包括残极推杆,所述残极推杆的上端与残极推杆固定支架转动连接,根据块状残极检测系统识别出的残极炭块位置和尺寸大小,控制对应的残极推杆推动分拣的残极炭块到所述分拣箱内。
2.根据权利要求1所述的智能控制自动识别块状残极多级分拣系统,其特征在于,
所述块状残极检测系统定位残极炭块位置的方法为:当块状残极检测系统识别到残留残极炭块后,通过转换图像区域与物理区域,获得图像中残留残极炭块的物理坐标。
3.根据权利要求1所述的智能控制自动识别块状残极多级分拣系统,其特征在于,所述块状残极分拣装置还包括:
推杆铲,所述推杆铲连接在所述残极推杆的下端。
4.根据权利要求3所述的智能控制自动识别块状残极多级分拣系统,其特征在于,所述块状残极分拣装置还包括:
气缸和气动阀门,所述气缸设置在所述残极推杆固定支架上,且位于所述皮带输送机构的一侧,气缸的伸缩杆与残极推杆的中部连接,所述气动阀门与气缸连接,用于控制气缸伸缩杆的伸缩。
5.根据权利要求1所述的智能控制自动识别块状残极多级分拣系统,其特征在于,所述残极推杆固定支架还包括:
限位横梁,所述限位横梁的中部设有沿长度方向延伸的通孔,所述残极推杆穿过所述通孔,所述气缸的伸缩杆的延伸方向与所述通孔的长度方向平行,所述通孔的长度方向指向所述分拣箱。
6.根据权利要求1所述的智能控制自动识别块状残极多级分拣系统,其特征在于,
所述分拣箱位于所述传送带的一侧下方,且与所述气缸的伸缩杆相对设置。
7.根据权利要求4所述的智能控制自动识别块状残极多级分拣系统,其特征在于,
所述块状残极分拣装置有多套,沿着所述传送带的长度方向依次设置,每套的块状残极分拣装置的所述推杆铲的尺寸大小不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311762801.7A CN117680382A (zh) | 2023-12-20 | 2023-12-20 | 智能控制自动识别块状残极多级分拣系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311762801.7A CN117680382A (zh) | 2023-12-20 | 2023-12-20 | 智能控制自动识别块状残极多级分拣系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117680382A true CN117680382A (zh) | 2024-03-12 |
Family
ID=90130005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311762801.7A Pending CN117680382A (zh) | 2023-12-20 | 2023-12-20 | 智能控制自动识别块状残极多级分拣系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117680382A (zh) |
-
2023
- 2023-12-20 CN CN202311762801.7A patent/CN117680382A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516570B (zh) | 一种基于视觉的垃圾分类识别方法和装置 | |
CN106238342A (zh) | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 | |
CN105044122A (zh) | 一种基于半监督学习模型的铜件表面缺陷视觉检测系统及检测方法 | |
CN111366584B (zh) | 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备 | |
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 | |
CN212442146U (zh) | 一种生活垃圾识别系统 | |
WO2023134286A1 (zh) | 一种阴极铜在线质量自动检测分类方法 | |
CN105678749A (zh) | 一种基于视觉的鲜鱼方向判别方法 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
CN113771052B (zh) | 一种镍板智能剪切机组 | |
CN114723668A (zh) | 一种基于面阵相机的阴极铜质量检测方法及系统 | |
CN108669600B (zh) | 一种全自动香菇分离装置 | |
CN117680382A (zh) | 智能控制自动识别块状残极多级分拣系统 | |
CN214682976U (zh) | 一种垃圾识别和自动分选装置 | |
CN105954288B (zh) | 电解锰阴极板剥离后空板检测与分拣系统及检测方法 | |
CN117671458B (zh) | 自动识别块状残极的块状残极检测模型构建方法及应用 | |
CN206139529U (zh) | 透明滚轴机构 | |
CN107121063A (zh) | 检测工件的方法 | |
CN113965164B (zh) | 一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法 | |
CN111723861B (zh) | 一种用于煤矿控制挡板的煤矸石百分比识别方法 | |
CN215145590U (zh) | 一种轨道车辆铝合金型材检验试样制备系统 | |
CN214865320U (zh) | 一种质控流程卡自动检测回收装置 | |
CN105970251B (zh) | 一种阵列式电解锰阴极板剥离装置及方法 | |
CN205763475U (zh) | 一种冲压线线尾零件自动化装箱系统 | |
CN115026015A (zh) | 一种基于图像处理的地面垃圾检测系统 |
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 |