基于卷积神经网络与深度学习的视觉识别分选物料系统技术方案

本发明专利技术公开了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，物料分级筛位于第一输送带的首端，第一输送带上沿物料传送的方向依次设置分料器、视觉识别装置，动作执行装置设置在第一输送带的尾端；视觉识别装置通过GPU与控制装置相连，视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，控制装置与动作执行装置相连，控制所述动作执行装置动作。本发明专利技术通过卷积神经网络与深度学习加视觉识别分选物料，整体效率高，智能化程度高。

【技术实现步骤摘要】
基于卷积神经网络与深度学习的视觉识别分选物料系统
本专利技术属于物料分选
，更具体的说是涉及一种基于卷积神经网络与深度学习的视觉识别分选物料系统。
技术介绍
在农业、工业、环保物质回收等领域，都涉及到分选流程。农业方面，随着人们生活水平的提高，消费者对生鲜农产品的关注从数量转向质量，进而出现了对生鲜农产品的品质检测、质量分级，根据生鲜农产品大小、重量、颜色、破损度、形状与纹理、表面缺陷等方面进行分选，然后分类处理、售卖，提高了消费者福利，同时也激励了农业生产者优化资源配置。工业方面，工业原材料品质的检测、工业成品的检测都是一个分选过程，根据特定的标准，分选出残次品并剔除掉，留下合格品进入下一个生产环节或直接进入市场流通使用；环保物质回收方面，如现下的垃圾分类，将生活垃圾通过分选，分类回收、处理，就能变废为宝更好提升回收物的价值，更好的缓解我们的环保压力。目前，主要有人工分选、常规机械分选、射线识别分选等。人工只适合分拣较小粒径物料，且由于人的主观感觉不稳定，所以人工分选的均一性比较差、人工劳动强度大、工作效率低，现在人工费也贵，所以人工分选的成本也在不断的增高；常规机械分选，就是通过机械设备，按照物料质量、密度等单一物理分级指标进行分选，虽具有效率高、劳动强度低等优点，但对颜色、形状纹理、表面特征等无法有效识别，分选指标太单一，应用范围狭窄，总体分选效果不好，误分拣率高，且由于机械设备自身尺寸限制，无法分选大粒径物料；射线识别模式的分选设备，则因为射线存在放射性，因此存在需办理射线产品使用证及公安局备案、需设置专人负责射线产品管理维护、有穿透性局限、有使用范围局限、成本高、较大粒径物料无法识别等缺陷。因此，如何提供一种基于卷积神经网络与深度学习的视觉识别分选物料系统是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，通过卷积神经网络与深度学习加视觉识别分选物料，通过卷积神经网络与深度学习算法对采集到的被分选物料提取多维度特征信息，再通过视觉识别装置对运输皮带上经过的物料进行识别、判断，得到准确的物料分选结果和物料的大小、形状、方位等信息后，进行分选操作，整体效率高，智能化程度高。为了实现上述目的，本专利技术采用如下技术方案：一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，其中，所述物料分级筛位于所述第一输送带的首端，所述第一输送带上沿物料传送的方向依次设置所述分料器、所述视觉识别装置，所述动作执行装置设置在所述第一输送带的尾端；所述视觉识别装置通过所述GPU与所述控制装置相连，所述视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，GPU服务器包含卷积神经网络和深度学习算法，对物料的特征信息和空间位置信息进行计算分析并得出结果，并将所得结果传送至控制装置；所述控制装置与所述动作执行装置相连，控制所述动作执行装置动作，将粒径大小不同的物料分开。优选的，所述物料分级筛上安装有振动电机，且所述物料分级筛包括上层大孔径筛网和下层小孔径筛网，所述下层小孔径筛网安装在所述上层大孔径筛网的下方。通过上层大孔径筛网与下层小孔径筛网可根据物料颗粒大小对物料进行初步筛分。优选的，所述分料器与所述视觉识别装置间设置有除铁器，通过除铁器可除去物料中含有的铁物质，避免了对物料的影响。优选的，所述视觉识别装置包括外壳、高清工业摄像机和四边形漫射无影补光源，所述外壳安装在所述第一输送带的上方，且外壳底部设置有开口，高清工业摄像机和四边形漫射无影补光源均安装在所述外壳内，实现了对处于第一输送带上随机摆放的运输状态下的物料进行特征信息和空间位置信息进行快速采集。优选的，所述动作执行装置包括空气压缩机、储气罐和喷气阀，所述空气压缩机通过管路与所述储气罐相连，所述喷气阀安装在所述第一输送带的尾端，且通过管路与所述储气罐相连通。开启对应位置的喷气阀，根据颗粒大小不同的物料给出相应力度高压气体，从而将被识别出大小不同粒径的特定物料吹出，其他未被选定击发的物料则顺着运输皮带惯性自由向下抛落。优选的，所述控制装置包括上位机和可编程逻辑控制器PLC，上位机和可编程逻辑控制器PLC与所述动作执行装置相连，控制着空气压缩机开启给储气罐供气以及控制喷气阀的启闭。优选的，所述物料分级筛与所述第一输送带间设置有破碎装置，所述上层大孔径筛网上的物料进入破碎装置，经破碎装置破碎后的物料进入第一输送带。通过破碎装置可实现物料的破碎，从而提高了物料的分选效率。优选的，所述破碎装置包括破碎壳体、转动电机、转动刀、挡板和弹簧机构，所述转动电机安装在所述破碎壳体外部的中间位置，所述转动电机的输出轴伸入所述破碎壳体内，并与所述转动刀传动连接；所述挡板安装在所述破碎壳体入料口的一侧，所述弹簧机构安装在所述破碎壳体上，输出杆抵在所述挡板上。弹簧机构的设置使得挡板可沿输出杆的方向进行一定距离的移动调节，避免大块物料或难以破碎的物料进入时产生堵塞的问题；挡板的设置能够将大块物料限制在转动刀触及的区域内，再利用转动刀将大块物料粉碎，有利于提高设备的破碎效率。优选的，所述第一输送带的尾端下方设置有筛料机，所述筛料机的下方设置有第二输送带，所述筛料机的首端设置有第三输送带，所述第三输送带将物料输送至所述物料分级筛。通过筛料机可将破碎后的物料进行筛选，筛选出小颗粒物料，大颗粒物料经第三输送带输送回物料分级筛重新筛分。优选的，所述筛料机包括筛料壳体、筛料电机和筛料网板，所述筛料网板安装在所述筛料壳体顶端，且呈首端低尾端高的倾斜设置；所述筛料电机固定在所述筛料壳体的一侧。在筛料电机的振动下，经筛料网板筛选出的小颗粒物料落入第二输送带运走，大颗粒物随倾斜的筛料网板落入第三输送带上。本专利技术的有益效果在于：本专利技术通过卷积神经网络与深度学习加视觉识别分选物料，通过卷积神经网络与深度学习算法对采集到的被分选物料提取多维度特征信息，再进行相关特征信息的学习、建模、存储，进而掌握这些信息特征，通过视觉识别装置对运输皮带上经过的物料进行识别、判断，得到准确的物料分选结果和物料的大小、形状、方位等信息，控制装置接收信息进而给动作执行装置发出运行指令，进行分选操作，整体效率高、智能化程度高，具有很好的市场发展前景。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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本专利技术的实施例，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获得其他的附图。图1附图为本专利技术的一种实施例的结构示意图。图2附图为本专利技术的整体架构框图。图3附图为本专利技术的控制装置的结构框图。图4附图为本专利技术的分级筛的结构图。图5附图为本专利技术的另一种实施例的结构示意图。本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，其中，所述物料分级筛位于所述第一输送带的首端，所述第一输送带上沿物料传送的方向依次设置所述分料器、所述视觉识别装置，所述动作执行装置设置在所述第一输送带的尾端；所述视觉识别装置通过所述GPU与所述控制装置相连，所述视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，GPU服务器包含卷积神经网络和深度学习算法，对物料的特征信息和空间位置信息进行计算分析并得出结果，并将所得结果传送至控制装置；所述控制装置与所述动作执行装置相连，控制所述动作执行装置动作，将粒径大小不同的物料分开。/n

【技术特征摘要】
1.一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，其中，所述物料分级筛位于所述第一输送带的首端，所述第一输送带上沿物料传送的方向依次设置所述分料器、所述视觉识别装置，所述动作执行装置设置在所述第一输送带的尾端；所述视觉识别装置通过所述GPU与所述控制装置相连，所述视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，GPU服务器包含卷积神经网络和深度学习算法，对物料的特征信息和空间位置信息进行计算分析并得出结果，并将所得结果传送至控制装置；所述控制装置与所述动作执行装置相连，控制所述动作执行装置动作，将粒径大小不同的物料分开。


2.根据权利要求1所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述物料分级筛上安装有，且所述物料分级筛包括上层大孔径筛网和下层小孔径筛网，所述下层小孔径筛网安装在所述上层大孔径筛网的下方。


3.根据权利要求1或2所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述分料器与所述视觉识别装置间设置有除铁器。


4.根据权利要求3所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述视觉识别装置包括外壳、高清工业摄像机和四边形漫射无影补光源，所述外壳安装在所述第一输送带的上方，且外壳底部设置有开口，高清工业摄像机和四边形漫射无影补光源均安装在所述外壳内。


5.根据权利要求2或4所述的一种基于卷积神经网络与深度学习的视觉识别分选物料系统，其特征在于，所述动作执行装置包括空气压缩机、储气罐和...

【专利技术属性】
技术研发人员：唐小青，
申请(专利权)人：唐小青，
类型：发明
国别省市：北京;11