基于图像深度学习的CRT荧光粉智能清理及品质控制方法技术

一种基于图像深度学习的CRT荧光粉智能清扫及品质控制方法，基于3D结构光相机采集的图像信息建立的图像模型，用于识别和定位阴极罩卡扣，并用机械手携带工装接触夹扣、分离阴极罩与屏玻璃；机器视觉测量屏玻璃尺寸并匹配相应的清扫程序；屏玻璃清扫后的实际界面图像信息将被大量采集，用于建立神经网络分类模型；训练成熟的分类模型将被用于在线处理荧光粉清扫过程中实时采集的图像，对其清扫完成度进行评价并输出相应结果，根据判定的分类结果，决定是否重复执行清扫机械装置或完成清扫。本发明专利技术具有高效、智能、可靠性高的特点，适合大规模工业化应用。

【技术实现步骤摘要】
基于图像深度学习的CRT荧光粉智能清理及品质控制方法
本专利技术涉及利用图像深度学习和闭环控制系统实现报废CRT荧光粉智能化清扫及品质监控，是一种环保、高效、智能的CRT荧光粉收集方案。属于环境保护
中的智能精细拆解、资源化领域。
技术介绍
随着科技不断的进步，新的显示技术的不断出现，阴极射线管(CRT)显示器已经在逐步淘汰。据统计，我国每年淘汰的CRT显示器在500万台以上。这些废弃的CRT屏玻璃上残留含稀土的荧光粉，如果不能得到妥善处理，将造成资源浪费和环境污染。当前的CRT电视机拆解仍然依赖于回收厂家进行流水线手工拆解，逐级获取有价材料分销给下游产业链。对于荧光粉的回收利用现阶段仍然存在较多问题，传统的方式如焚烧或填埋会造成严重的环境危害，污染空气、土壤及水。受到环保政策的限制和影响，CRT荧光粉的资源化回收和无害化处理受到了更多的关注。回收工厂由人工将CRT显示屏的屏玻璃与锥玻璃分离开，工人佩戴口罩等防护用具，手持吸取清扫工具在开放环境下手工清理屏玻璃上有荧光粉涂层，以人工经验来判断回收是否彻底，自动化程度低，靠劳动强度来换得回收本文档来自技高网...

【技术保护点】
1.一种基于图像深度学习的CRT荧光粉智能清理及品质监控方法，其特征在于，该方法包括如下步骤：/n①阴极罩智能分离：采集屏玻璃阴极罩图像，识别和定位屏玻璃阴极罩上卡扣的位置，并规划机械手位置，解除卡扣；/n②荧光粉自动化清扫：测量的屏玻璃的尺寸，并通过匹配预设的清扫程序，对屏玻璃内侧和侧壁粘附的荧光粉进行清扫和抽吸；/n③品质监控：在环形光源下采集清扫后的屏玻璃图像信息，基于训练的卷积神经网络算法对屏玻璃内侧及侧壁上荧光粉的颗粒残留量进行评估，划分清扫效果为合格和不合格二类；/n④闭环系统的实时控制：对于分类为不合格的屏玻璃，重复清扫流程，直到清扫后的屏玻璃图像被分至合格类。/n

【技术特征摘要】
1.一种基于图像深度学习的CRT荧光粉智能清理及品质监控方法，其特征在于，该方法包括如下步骤：
①阴极罩智能分离：采集屏玻璃阴极罩图像，识别和定位屏玻璃阴极罩上卡扣的位置，并规划机械手位置，解除卡扣；
②荧光粉自动化清扫：测量的屏玻璃的尺寸，并通过匹配预设的清扫程序，对屏玻璃内侧和侧壁粘附的荧光粉进行清扫和抽吸；
③品质监控：在环形光源下采集清扫后的屏玻璃图像信息，基于训练的卷积神经网络算法对屏玻璃内侧及侧壁上荧光粉的颗粒残留量进行评估，划分清扫效果为合格和不合格二类；
④闭环系统的实时控制：对于分类为不合格的屏玻璃，重复清扫流程，直到清扫后的屏玻璃图像被分至合格类。


2.根据权利要求1所述的基于图像深度学习的CRT荧光粉智能清理及品质监控方法，其特征在于，所述步骤①通过3D结构光和双目GigE视觉相机相结合，采集图像和深度信息，并通过降噪、特征提取处理后将点云信息进行三维重建，由内置的神经网络对三维模型进行分析，计算卡扣的相应位置信息，得到解除卡扣所使用的数据库。


3.根据权利要求2所述的基于图像深度学习的CRT荧光粉智能清理及品质监控方法，其特征在于，根据卡扣槽几何中心位置的空间坐标，通过目标的位置数据，对目标进行坐标标定，根据标定位置与目标位置进行路径规划并发给机械臂，利用机械手携带一字型攻刀插入卡槽，向外侧轻微拨动即可释放约束。


4.根据权利要求3所述的基于图像深度学习的CRT荧光粉智能清理及品质监控方法，其特征在于，所述的卡槽位置容错误差达到±5mm，远高于3D相机定位误差±0.5mm。


5.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：许振明，鲁瑛琦，杨波，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31