一种物料筛选装置及其筛选方法制造方法及图纸

本发明专利技术公开了一种物料筛选装置及其筛选方法

【技术实现步骤摘要】
一种物料筛选装置及其筛选方法


[0001]本专利技术涉及物料筛选领域，特别是一种物料筛选装置及其筛选方法
。

技术介绍

[0002]市面上的筛选装置应用于多方面，不仅涉及到第一产业，也涉及到第二产业，比如说大米
、
水果
、
茶叶等农副业，也有最近兴起的矿石等采掘业
。
各行各业对筛选装置的精度要求
、
速率要求各有不同，但是现有的筛选机却比较单一，精度较低，虽说可以满足一定的农副业生产，但是不能满足要求更高的工业领域
。
[0003]市场上的筛选装置大多是基于颜色阈值或者光谱特征等物理外在性质的简单筛选手段，遇到复杂的对象时其筛选精度低，处理速率慢，所以说现有的筛选装置已经不能满足日益增长的筛选需求
。
而且对硬件的要求越来越高，造成的筛选装置的成本也越来越高
。
[0004]随着
FPGA
和
GPU
等硬件的发展，也随着私有服务器的日益普及，不少高校
、
企业
、
实验室都普遍拥有一个或多个大型或小型的服务器，为数据处理提供了很大的支持
。
如上所述的
FPGA、GPU、
服务器等硬件成本越来越低，但是处理效率却越来越高，已经可以成熟应用于工业生产领域
。

技术实现思路

[0005]针对现如今市场上的筛选装置成本高
、
精度低，不能应用到更多
、/>更复杂的生活领域，本专利技术的目的在于设计出一种物料筛选装置及其筛选方法，其筛选精度高
、
成本低，不仅可以替代原有的农副业的筛选装置，也可以运用到精度要求更高
、
筛选对象更复杂的领域
。
[0006]为实现以上目的，本专利技术采用的技术方案为：
[0007]本专利技术提出的一种物料筛选装置，其特征在于，该装置由传送装置
、
筛选装置
、
分离装置和收集装置四部分组成
。
[0008]所述传输装置由给料槽
、
溜槽
、
传送带组成
。
所述给料槽内部有一个自动搅拌装置，底部有一个漏网
。
所述溜槽为顶部窄，底部宽的梯形，在距入槽口一段距离处设有多个挡板，挡板之间的呈现均匀角度，将溜槽分为多个区域；所述区域在距离挡板顶部一定距离处又设有一片挡板，将区域分为两个子区域；所述子区域在距离挡板顶部一定距离处又设有一片挡板，将子区域再分为两个子区域；如此反复，可有多次嵌套结构
。
所述传送带的履带上布满筛孔，筛孔形状为等边三角形，其边长为漏网的大小
。
[0009]所述筛选装置由照明设备
、
拍摄装置和处理器组成
。
所述照明设备有多个光源并排组成，布置在传送带上方
、
拍摄装置前方；所述拍摄装置为多个高速彩色相机并排放置，尾部有数据传输线连接着处理器；所述处理器由一片或多片
FPGA
组成，或者由服务器组成，一片
FPGA
连接着一台或者多台相机，服务器连接着所有相机
。
[0010]所述的拍摄系统
(5)
会按所设定的时间间隔拍摄固定区域的数据，并将采集到的数据实时传输给处理器
(6)。
[0011]所述分离装置为分离装置为一个喷气阀组，包含若干个喷气阀，放置在距离履带尾部一定位置的上方
。
每一个喷气阀对应着每一列物料
。
喷气阀从处理器处接受信号，并根据信号喷出气体，使物料进入第一个成品收集装置，喷气阀的喷口则正对着第一个成品收集装置
。
[0012]所述收集装置由两个成品收集装置组成
。
第一个成品收集装置位于喷气阀的下方，另一个成品收集装置紧贴着第一个成品收集装置，开口大小由传输装置的速度大小而定
。
[0013]本专利技术提出的一种物料筛选方法，其特征在于，使用了深度学习的方法
。
通过预先训练，将训练好的参数写到处理器中
。
本专利技术的物料筛选装置工作时，将拍摄装置采集到的数据送到处理器中进行计算，再将计算得到的结果传输至喷气阀进行筛选
。
[0014]所述处理器在接收来自于拍摄装置传输来的数据后，首先会定位至数据上的固定区域
。
所述固定区域取决于溜槽输出的原料在传输带上排列的位置与拍摄装置间的相对位置
。
处理器再对固定区域内的数据采用深度学习方法进行计算，所述的深度学习方法为卷积神经网络，包含多个卷积层
、
池化层
、
全连接层
、
激励函数
。
[0015]本专利技术提出的装置和方法成本较低，筛选出的精度较高，能够较好地应用于各种生产过程与现有的装置和技术相比，本专利技术显著优势在于：
[0016](1)
本专利技术设计的传输装置通过给料槽
、
溜槽和传送带，可以将倒入的原物料稳定地输出为几列，减少了深度学习时图像检测所需要的时间
。
[0017](2)
本专利技术设计的给料槽内部装有搅拌器，可以防止原料堆积在给料槽内从而不能从底部输出
。
[0018](3)
本专利技术设计的给料槽底部可装有滤网，可以简易地过滤掉一些杂质
。
[0019](3)
本专利技术设计的溜槽为可震动溜槽，可防止内部堵塞
。
[0020](4)
本专利技术设计的溜槽内部设有多个挡板，可以将无序的原料输出为整齐的几列
。
[0021](5)
本专利技术设计的溜槽内部渐进式增设挡板的方法，可以减少堵塞的可能性，并且可以避免原料集中在中间挡板区域内输出
。
[0022](6)
本专利技术设计的传送带履带上布满等边三角形筛孔，可以比较稳定地固定住溜槽输出的原料，也可以在传输速度较快时固定住原料
。
[0023](7)
本专利技术设计的传输装置输出在传送带上的位置为固定的位置，可以将相机架设在这些输出位置的上方，代替了现有筛选装置紧密式布局的方法，从而可以降低成本
。
[0024](8)
本专利技术采用深度学习中的卷积神经网络代替原有的物理属性方法，准确率得到了很大的提升
。
[0025](9)
本专利技术提出的卷积神经网络筛选方法，可提前训练好相关参数，并根据所需筛选出的要求，快速便捷地转换
。
附图说明
[0026]图1是本专利技术装置的结构示意图；
[0027]图2是给料槽结构示意图；
[0028]图3是溜槽结构示意图；
[0029]图4是传送带筛网示意图；
[0030]附图中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种物料筛选装置，其特征在于，该装置由传送装置
、
筛选装置
、
分离装置和收集装置四部分组成
。2.
根据权利要求书1所述的一种物料筛选装置，其特征在于传输装置由给料槽
(1)、
溜槽
(2)、
传送带
(3)
组成，所述给料槽
(1)
内部有一个自动搅拌装置
(11)
，底部有一个漏网
(12)
，所述溜槽为顶部窄，底部宽的梯形，在距入槽口一段距离处设有多个挡板
(21)
，挡板之间的呈现均匀角度，将溜槽分为多个区域
(22)
；所述区域
(22)
在距离挡板
(21)
顶部一定距离处又设有一片挡板
(23)
，将区域
(22)
分为两个子区域
(24)
；所述子区域
(24)
在距离挡板
(23)
顶部一定距离处又设有一片挡板
(25)
，将子区域
(24)
分为两个子区域
(26)
；如此反复，可有多次嵌套结构
。
所述溜槽
(2)
为可震动的溜槽，所述传送带
(3)
的履带
(31)
上布满筛孔，筛孔形状为等边三角形，其边长为漏网
(12)
的大小
。3.
根据权利要求书1所述的一种物料筛选装置，其特征在于筛选装置由照明设备
(4)、
拍摄装置
(5)
和处理器
(6)
组成，所述照明设备
(4)
有多个光源并排组成，布置在传送带
(3)
上方
、
拍摄装置
(5)
前方；所述拍摄装置
(5)
为多个高速彩色相机并排放置，尾部有数据传输线连接着处理器
(6)
；所述处理器由...

【专利技术属性】
技术研发人员：吴耐尘，葛云，陈颖，黄晓林，
申请(专利权)人：南京大学，
类型：发明
国别省市：