-
题名煤矸分选机器人图像识别方法和系统
被引量：44
- 1
-
-
作者
李曼
段雍
曹现刚
刘长岳
孙凯凯
刘浩
-
机构
西安科技大学机械工程学院
陕西煤化韩城矿业有限公司
-
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2020年第10期3636-3644,共9页
-
基金
国家自然科学基金重点资助项目(51834006)
陕西省重点研发计划资助项目(2018GY-039)
陕西省教育厅科学研究计划资助项目(18JC022)。
-
文摘
现有煤矸分选主要有人工分选和机械分选,这些方式存在劳动强度大、能耗高、易造成环境污染等问题。对煤矸分选机器人而言,煤矸的准确识别是一个关键且具有较大难度的问题。研究了基于图像的煤矸识别方法,并在此基础上开发了识别系统。介绍了煤矸分选机器人中图像识别系统的硬件组成,研究了实际工况条件下各部件的选择和安装方式;在实验室搭建图像采集系统,选取韩城矿区的煤和矸石为样本,由所搭建的系统获取样本图像,建立了样本图像库;对样本图像采用3种不同的滤波器进行降噪处理,对比分析得出非线性低通滤波处理效果最佳;基于煤和矸石表面物理特性在灰度和纹理两方面有一定的区别,分别对煤和矸石样本图像的4个灰度参数和5个纹理参数进行分析对比,得出在灰度方面灰度均值和最大频数对应的灰度值2个参数区分度更高,在纹理方面纹理对比度和熵2个参数区分度更高;选用最小二乘支持向量机(LS-SVM)为煤和矸石图像识别分类器,以灰度均值和最大频数对应的灰度值组成的灰度特征、纹理对比度和熵组成的纹理特征、最大频数对应的灰度值和纹理对比度组成的联合特征作为分类器的输入向量分别对分类器进行训练和对比验证,得到以联合特征进行训练的分类器识别效果更好;以LABVIEW为平台开发了包括图像采集、图像滤波、联合特征向量的提取、样本分类等程序。在煤矸分选机器人实验平台上搭建了识别系统,随机选取实际工况下的煤和矸石样本,对识别系统分类性能进行测试,系统图像降噪采用非线性低通滤波器,分类采用联合特征训练的分类器。测试结果显示煤和矸石分类准确率分别为90.3%和83.0%,平均识别时间为0.153 s。
-
关键词
煤矸识别
灰度
纹理
最小二乘支持向量机
LABVIEW
-
Keywords
identification of coal and gangue
grayscale
texture
LS-SVM
LABVIEW
-
分类号
TD94
[矿业工程—选矿]
-
-
题名智能选矸机器人关键技术研究
被引量：16
- 2
-
-
作者
张袁浩
潘祥生
陈晓晶
霍振龙
任书文
季亮
-
机构
中煤科工集团常州研究院有限公司
天地(常州)自动化股份有限公司
-
出处
《工矿自动化》
北大核心
2022年第6期69-76,111,共9页
-
基金
天地科技股份有限公司科技创新创业资金专项项目(2020-TD-ZD010)。
-
文摘
介绍了智能选矸机器人应用与研究现状,指出目前智能选矸机器人主要基于X射线和图像识别原理,利用高压气动分拣和桁架机器人抓取进行煤矸分离;智能选矸机器人分拣执行机构主要有桁架式、并联式、串联式等类型,响应速度快,常常以“拨”和“抓”的形式分离矸石;在胶带运输过程中,智能选矸机器人“拨”需要考虑不同矸石尺寸的兼容性及运动路径的优化,“抓”需考虑机械手的作业空间及机器人的承载能力。分析了智能选矸机器人在现场复杂环境中有效实现矸石分拣的基于深度学习的煤矸识别、面向非结构多约束环境的选矸机械臂运动规划、基于力反馈的机械臂主动柔顺控制、多臂协作分拣任务分配策略及控制等关键技术,并指出基于深度学习的煤矸识别技术作为选矸机器人的关键技术之一,仍需在煤矸数据集高效构建方法、煤矸识别算法的泛化性提升及实时性优化等方面进行进一步研究。结合现场应用和机器人智能化发展需求,指出了智能选矸机器人今后的研究方向:针对现场复杂环境进行技术改进,提高煤矸识别算法的鲁棒性和自适应性;适应复杂环境的智能感知和控制技术及矸石高精度三维位姿估算技术的研究;基于力位混合控制的选矸机器人智能拣矸技术研发;智能选矸机器人井下选矸技术探究。
-
关键词
智能选矸机器人
矸石分拣
图像识别
煤矸识别
机械臂
运动规划
智能感知和控制
任务分配策略
-
Keywords
intelligent gangue sorting robot
gangue sorting
image identification
identification of coal gangue
mechanical arm
motion planning
intelligent perception and control
task allocation policy
-
分类号
TD67
[矿业工程—矿山机电]
TD948.9
-
-
题名微波照射-红外探测主动式煤矸识别方法
被引量：2
- 3
-
-
作者
刘闯
李化敏
常发展
鲁智豪
刘超月
-
机构
河南工程学院资源与安全工程学院
河南理工大学能源科学与工程学院
-
出处
《矿业研究与开发》
CAS
北大核心
2023年第2期184-188,共5页
-
基金
河南省科技攻关项目(222102220062)
河南省高等学校重点科研项目(22A440001)
+2 种基金
河南工程学院博士基金项目(DKJ2019001)
2021年河南省国家级大学生创新创业训练计划项目(202111517007)
河南省高校科技创新团队计划资助项目(22IRTSTHN009)。
-
文摘
煤矸石的自动识别一直制约着综放面的智能化开采。基于煤、矸石在物理、化学属性上的差异,提出一种微波照射-红外探测主动式煤矸识别方法,该方法利用微波照射的方式增大煤与矸石之间的外在热敏差异,再利用红外探测技术获取该差异,从而对煤矸进行识别和判断。在实验室条件下,运用该方法对同忻煤矿的煤、矸石样品进行微波照射试验,试验结果表明,煤、矸石在相同的微波照射条件下,按照颗粒尺寸从小到大的顺序,煤颗粒微波照射前后温度升高量分别为矸石的1.3倍、1.7倍、2.0倍和2.3倍,验证了该煤矸识别方法的可行性,为综放面智能放煤过程中煤矸自动识别提供了技术借鉴。
-
关键词
综放工作面
煤矸识别
微波照射
红外探测
-
Keywords
mechanized caving working face
identification of coal and gangue
Microwave irradiation
Infrared detection
-
分类号
TD849.5
[矿业工程—煤矿开采]
-
