一种基于图像识别的选煤机器人及选煤方法技术

本发明专利技术公开了煤矿分拣领域内的一种基于图像识别的选煤机器人及选煤方法，包括光学图像采集模块，用于对输送带上的煤矸石进行光学图像采集；上位机，对光学图像进行识别并处理后输出坐标数据；PLC工控机，根据坐标数据输出动作信号；机械臂，根据动作信号对识别的煤矸石进行抓取选出。本发明专利技术采用图像识别、人工智能与机械选矸的组合形式，获得较高的选矸效率，良好的识别正确率和分拣系统适应各种不同工况的能力。通过反选边缘提取法设计，提高了图像识别和定位的高鲁棒性。利用灰度共生矩阵特征值模型，揭示不同矿石纹理特征之间的关系，为神经网络的输入、分类以及优化提供理论指导。指导。指导。

【技术实现步骤摘要】
一种基于图像识别的选煤机器人及选煤方法


[0001]本专利技术涉及煤矿分拣领域，具体涉及一种基于图像识别的选煤机器人及选煤方法。

技术介绍

[0002]目前大多数选煤厂都采用人工选煤的方式，这样的选煤方式会造成环境的污染，而且选煤效率低下需要有一定的工作经验才能胜任，并且工人的工作条件十分恶劣。人工选煤的方式具有很大的局限性，在经济条件迅速发展的时代机械选矸是必然的趋势。现有的机械选矸技术多采用动态跳筛分选，重介质分选法，X激光射线检测法等，这些煤矸分离技术可以在一定程度上减少人工的使用，但是由于操作方式比较复杂且机械性能不够稳定，并加大了工业排放，进一步恶化工业环境，无法完全的替代人工选煤的工作形式。在机械选矸的基础上发展了配合图像识别进行煤矸石筛选的技术，现有的图像识别选煤技术集中在利用多传感器融合的方式辅助执行，对形状、重量和矿石种类有一定的限制，无法满足对大多数选煤厂都通用的技术，需要针对性的设计，也无法满足选煤机器人设计简单且稳定性高的特点。

技术实现思路

[0003]本专利技术意在提供一种基于图像识别的选煤机器人，针对人工选矸和机械选矸的缺点，利用图像识别和机械臂选矸结合，提高识别准确性，提高捡矸的效率提高经济效益，进一步保障工人的工作环境减少污染排放，满足实时矿石分类，机械抓取的工程需要。
[0004]为达到上述目的，本专利技术的基础技术方案如下：一种基于图像识别的选煤机器人，包括：
[0005]光学图像采集模块，用于对输送带上的煤矸石进行光学图像采集形成光学图像；/>[0006]上位机，对光学图像进行识别并处理后输出坐标数据；
[0007]PLC工控机，根据坐标数据输出动作信号；
[0008]机械臂，根据动作信号对识别的煤矸石进行抓取选出；
[0009]交换机，接收光学图像采集模块采集的图像信息并反馈给上位机，接收上位机输出的坐标数据并反馈给PLC工控机。
[0010]本方案的原理及优点是：实际应用时，通过对输送带进行光学图像采集后进行图像识别，用上位机对图像范围内的煤矸石位置进行确定，并通过PLC工控机控制机械臂对识别的煤矸石进行准确选取，利用图像识别和机械臂选矸结合，一方面提高捡矸的效率，提高经济效益，另一方面进一步保障工人的工作环境，减少污染排放，满足实时矿石分类、机械抓取的工程需要。
[0011]进一步，光学图像采集模块包括光源和相机，光源在相机外侧轴向均布有多个。作为优选这样对输送带上输送的煤料进行图像采集时可保障充足的光线，确保图像采集清晰，有利于后续对图像中煤矸石的准确可靠识别。
[0012]一种基于图像识别的选煤方法，采用上述一种基于图像识别的选煤机器人，其中上位机采用反选边缘的方式对光学图像中的煤矸石图像进行识别分割。这样针对输送带上前景与背景相似的特点，利用纹理特征进行图像分割，能够更好的从黑色的输送带图像中提取处灰度相似的矿石，提高了分拣的鲁棒性。
[0013]进一步，上位机采用MLP多层感知器对识别的光学图像进行数据处理后输出坐标数据。作为优选用MLP多层感知器作为机器学习框架模型，具有结构简单、易于移植、精度高且即时性强的特点。另一方面对框架里面的超参数的调节比较具有较强的可审查性，对于评价选矸正确率有更好的帮助。
[0014]进一步，MLP多层感知器以32位阶梯化的灰度绝对直方图和图像识别提取的特征向量为输入数据。作为优选采用32位阶梯化的灰度绝对直方图更方便进行神经网络的学习，正确率和识别速度相对于其他维度更高，这样能够代表煤矿和矸石的灰度特征和纹理特征，是区分矿石种类的可靠依据，进一步增加了机器学习分类识别的正确率。
[0015]进一步，图像识别提取的特征向量由灰度共生矩阵特征值能量、相关性、同质度和对比度组成。作为优选能量反映图像灰度分布均匀性和纹理厚度，相关性表示空间灰度共生矩阵元素在行或列方向上的相似度，同质度表示图像纹理的局部变化，对比度表示该像素与邻域像素的亮度对比。
[0016]进一步，反选边缘进行煤矸石图像识别分割的过程包括边缘检测、阈值、形态变换、特征选择、消除干扰和目标分割。作为优选在传统的正向图像分割方法中，所选择的区域包括了大部分的背景和矿石边缘，这对于识别网络分类出来的正确率有极大影响，大大降低了系统的鲁棒性。而本方案采用的反选边缘提取法，基于边缘的分割依赖于边缘检测算子发现的图像边缘，边缘检测算子可以指出图像在灰度、颜色、纹理等方面的不连续位置。将边缘合并到边缘链中，得到感兴趣区域。此外，还考虑了形态变换，提取了整个矿石样本的图像区域，有效提高系统的鲁棒性，保证识别的正确率。
[0017]进一步，消除干扰的过程通过比例缩小进行。作为优选这样可有利于消除噪声和输送带背景产生的干扰，提高图像分割的鲁棒性。
[0018]本专利技术的有益效果如下：
[0019](1)采用图像识别、人工智能与机械选矸的组合形式，获得较高的选矸效率，良好的识别正确率和分拣系统适应各种不同工况的能力。
[0020](2)通过反选边缘提取法设计，提高了图像识别和定位的高鲁棒性。
[0021](3)利用灰度共生矩阵特征值模型，揭示不同矿石纹理特征之间的关系，为神经网络的输入、分类以及优化提供理论指导。
附图说明
[0022]图1为本专利技术实施例的结构简图；
[0023]图2为本专利技术实施例的系统流程图；
[0024]图3为本专利技术实施例中的坐标关系图；
[0025]图4为本专利技术实施例中的MLP神经网络模型。
具体实施方式
[0026]下面通过具体实施方式进一步详细说明：
[0027]说明书附图中的附图标记包括：计算机1、照明灯2、工业相机3、电机驱动器4、交换机5、PLC 6、机械臂7。
[0028]实施例基本如附图1、图2所示：
[0029]一种基于图像识别的选煤机器人，包括：
[0030]光学图像采集模块，用于对输送带上的煤矸石进行光学图像采集形成光学图像，光学图像采集模块包括光源和相机，光源在相机外侧轴向均布有四个；
[0031]上位机，对采集的光学图像进行图像处理后输出坐标数据，图像处理包括图像预处理、图像分割、边缘检测、特征提取和去噪，采用反选边缘的方式对光学图像中的煤矸石图像进行识别分割，反选边缘进行煤矸石图像识别分割的过程包括边缘检测、阈值、形态变换、特征选择、消除干扰和目标分割；结合图4所示，采用MLP多层感知器对识别的光学图像进行数据处理后输出坐标数据，MLP多层感知器以32位阶梯化的灰度绝对直方图和能量、相关性、同质度、对比度这四个图像识别提取的特征向量为输入数据；
[0032]PLC工控机，根据坐标数据输出动作信号；
[0033]机械臂，根据动作信号对识别的煤矸石进行抓取选出；
[0034]交换机，接收光学图像采集模块采集的图像信息并反馈给上位机，接收上位机输出的坐标数据并反馈给PLC工控机。
[0035]一种基于图像识别的选煤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的选煤机器人，其特征在于：包括光学图像采集模块，用于对输送带上的煤矸石进行光学图像采集形成光学图像；上位机，对光学图像进行识别并处理后输出坐标数据；PLC工控机，根据坐标数据输出动作信号；机械臂，根据动作信号对识别的煤矸石进行抓取选出；交换机，接收光学图像采集模块采集的图像信息并反馈给上位机，接收上位机输出的坐标数据并反馈给PLC工控机。2.根据权利要求1所述的一种基于图像识别的选煤机器人，其特征在于：所述光学图像采集模块包括光源和相机，光源在相机外侧轴向均布有多个。3.一种基于图像识别的选煤方法，采用权利要求1或2所述一种基于图像识别的选煤机器人，其特征在于：上位机采用反选边缘的方式对光学图像中的煤矸石图像进行识别分割。4.根据权利要求3所述的...

【专利技术属性】
技术研发人员：韩彦峰，蒋俊豪，肖科，
申请(专利权)人：千眼云重庆科技有限公司，
类型：发明
国别省市：