一种智能煤矸石分选机器人控制系统技术方案

本发明专利技术公开了一种智能煤矸石分选机器人控制系统，本发明专利技术涉及煤炭分选技术领域，解决了在现实中，煤矿的分离工艺主要依靠人工挑选，这种方法不仅用工成本高，而且安全系数低；且现有技术大都是对煤矸图进行特征提取，并将提取到的特征向量作为神经网络的输入，但是煤矸的许多特征细节差异性也并不是很大，对神经网络识别率的提高效果也并不是很显著的问题，本发明专利技术通过多组不同角度的摄像头对煤矸石的图像信息进行获取，并在这些图像信息的基础上进行预处理

【技术实现步骤摘要】
一种智能煤矸石分选机器人控制系统


[0001]本专利技术涉及煤炭分选
，具体为一种智能煤矸石分选机器人控制系统
。

技术介绍

[0002]当煤矿开采时，原原矿石中夹杂着矸石，严重影响产出的煤原矿石质量，选煤是煤炭生产过程中必须进行的工艺步骤，而煤矸石分选的方法有很多种，其中干法分选与湿法分选是主要的两种方法，干法分选主要依据煤与矸石物理性质的不同对二者进行分选，所说的物理性质主要指煤矸的密度
、
灰度
、
纹理
、
硬度
、
辐射性
、
导磁性以及摩擦系数等
。
[0003]在现实中，煤矿的分离工艺主要依靠人工挑选，这种方法不仅用工成本高，而且安全系数低
。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种智能煤矸石分选机器人控制系统，解决了在现实中，煤矿的分离工艺主要依靠人工挑选，这种方法不仅用工成本高，而且安全系数低；且现有技术大都是对煤矸图进行特征提取，并将提取到的特征向量作为神经网络的输入，但是煤矸的许多特征细节差异性也并不是很大，对神经网络识别率的提高效果也并不是很显著的问题
。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：一种智能煤矸石分选机器人控制系统，包括：
[0006]图像采集单元，通过在煤矸石运输路径设置有若干个个采集点，每个采集点均单独设置有一个摄像头，从不同的角度对同一批煤矸石进行图像采集，将每个采集点同一批次的图像归类为同一组，并确定每组的平面坐标系；最后将采集到的图像信息及初步坐标信息发送至图像预处理单元；
[0007]图像预处理单元，从图像采集单元接收图像信息和初步坐标信息，并对每组图像信息进行预处理操作，包括图像边缘填充和图像进行的平滑滤波处理，然后通过边缘检测和二值化得到单个煤矸石或原矿石上所有点的坐标集合，记作
j
，确定每组图像中的单个煤矸石或原矿石的坐标集合
fi j
，得到二次坐标信息；最后将预处理图像信息和二次坐标信息传送至特征提取单元；
[0008]特征提取单元，从图像预处理单元处接收预处理图像信息和二次坐标信息，综合每组的图像信息和预处理图像信息，然后通过深度卷积神经网络模型对其进行特征提取，最后将特征参数发送至图像处理单元；
[0009]图像处理单元，从特征提取单元处接收每组图像的特征参数，分别对第一层特征参数和第二层特征参数进行处理，并将处理结果传送至模式识别单元；
[0010]模式识别单元，从图像处理单元处接受纹理特征参数信息，并将其送入分类器中进行训练和学习，再将训练好的分类器投入对模糊集合中的图像信息的识别分类中，并将生成的识别信息发送至机器人分拣单元；
[0011]机器人分拣单元，从图像处理单元和模式识别单元处接收分拣信息，并执行分拣操作
。
[0012]进一步的，图像采集单元平面坐标系的确定步骤如下：
[0013]将每组图像信息依次标记，记作
i
，且将每组中不同角度的图片进行重合比对，生成平面坐标系
fi
＝
(x
，
y)。
[0014]进一步的，图像预处理单元中对每组图像信息进行的预处理步骤为：
[0015]先对煤矸图像进行图像边缘填充，使其分辨率标准化，然后平滑滤波操作采用高斯滤波算法，滤除其中的噪声部分；随后对图像进行二值化处理，并在此基础上进行边缘检测，从而得出单个煤矸石或原矿石的具体的坐标集合
j。
[0016]进一步的，特征提取单元所提取的特征参数有：
[0017]第一层：颜色参数；
[0018]第二层：纹理特征
。
[0019]进一步的，图像处理单元对第一层特征参数的处理步骤为：
[0020]绘制图像的区域颜色梯度分布图，综合上述坐标进行分析，定义点
(x0
，
y0)
为被测点，与该点距离
≤L
的点均为其邻域点，且该点
(x0
，
y0)
及其所有邻域点共同组成等梯度面，记作
k
；
[0021]k
＝
1、2、3、
……
、m
，代表该等梯度面的颜色梯度，等梯度面中占比最大的同一颜色梯度内的点，其所属颜色梯度为该等梯度面的规定颜色梯度；对颜色梯度设置一组阈值组
V
，其中阈值组
V
包括上梯度
V1
和下梯度
V2
；确定每组图像信息中的已定位的煤矸石或原矿石的坐标集合中所包含的等梯度面中，颜色梯度值最大的一个等梯度面，记作有效等梯度面；并将其与阈值组
V
进行比对并记录比对结果，最后将比对结果及特征参数信息发至模式识别单元；其中比对步骤如下：
[0022]若某个煤矸石或原矿石的坐标集合中的有效等梯度面的颜色梯度值＞上梯度
V1
，则记该有效等梯度面所在坐标集合属于煤矸石的坐标集合，并将记录结果送至机器人分拣单元；
[0023]若某个煤矸石或原矿石的坐标集合中的有效等梯度面的颜色梯度值＜下梯度
V2
，则记该有效等梯度面所在坐标集合属于原矿石的坐标集合，并将记录结果送至机器人分拣单元；
[0024]若某个煤矸石或原矿石的坐标集合中的有效等梯度面的颜色梯度值
≥
下梯度
V2
，且
≤
上梯度
V1
，则记该坐标集合为模糊集合，并将其传送至模式识别单元
。
[0025]进一步的，图像处理单元对第二层特征参数的处理步骤为：对纹理参数进行纹理增强，将处理后的纹理特征参数信息传送至模式识别单元
。
[0026]进一步的，所述模式识别单元从图像处理单元处接受纹理特征参数信息，并将其送入分类器中进行训练和学习，再将训练好的分类器投入对模糊集合中的图像信息的识别分类中，并将生成的识别信息发送至机器人分拣单元
。
附图说明
[0027]图1为本专利技术原理框架示意图；
[0028]图2为本专利技术方法流程示意图
。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0030]实施例一
[0031]请参阅图1和图2，本申请提供了一种智能煤矸石分选机器人控制系统，包括图像采集单元
、
图像预处理单元
、
特征提取单元
、
...

【技术保护点】

【技术特征摘要】
1.
一种智能煤矸石分选机器人控制系统，其特征在于，包括：图像采集单元，通过在煤矸石运输路径设置有若干个个采集点，每个采集点均单独设置有一个摄像头，从不同的角度对同一批煤矸石进行图像采集，将每个采集点同一批次的图像归类为同一组，并确定每组的平面坐标系；最后将采集到的图像信息及初步坐标信息发送至图像预处理单元；图像预处理单元，从图像采集单元接收图像信息和初步坐标信息，并对每组图像信息进行预处理操作，包括图像边缘填充和图像进行的平滑滤波处理，然后通过边缘检测和二值化得到单个煤矸石或原矿石上所有点的坐标集合，记作
j
，确定每组图像中的单个煤矸石或原矿石的坐标集合
fij
，得到二次坐标信息；最后将预处理图像信息和二次坐标信息传送至特征提取单元；特征提取单元，从图像预处理单元处接收预处理图像信息和二次坐标信息，综合每组的图像信息和预处理图像信息，然后通过深度卷积神经网络模型对其进行特征提取，最后将特征参数发送至图像处理单元；图像处理单元，从特征提取单元处接收每组图像的特征参数，分别对第一层特征参数和第二层特征参数进行处理，并将处理结果传送至模式识别单元；模式识别单元，从图像处理单元处接受纹理特征参数信息，并将其送入分类器中进行训练和学习，再将训练好的分类器投入对模糊集合中的图像信息的识别分类中，并将生成的识别信息发送至机器人分拣单元；机器人分拣单元，从图像处理单元和模式识别单元处接收分拣信息，并执行分拣操作
。2.
根据权利要求1所述的一种智能煤矸石分选机器人控制系统，其特征在于，所述图像采集单元平面坐标系的确定步骤如下：将每组图像信息依次标记，记作
i
，且将每组中不同角度的图片进行重合比对，生成平面坐标系
fi
＝
(x
，
y)。3.
根据权利要求1所述的一种智能煤矸石分选机器人控制系统，其特征在于，所述图像预处理单元中对每组图像信息进行的预处理步骤为：先对煤矸图像进行图像边缘填充，使其分辨率标准化，然后平滑滤波操作采用高斯滤波算法，滤除其中的噪声部分；随后对图像进行二值化处理，并在此基础上进行边缘检测，从而得出单个煤矸石或原矿石的具体的坐标集合
j。4.
根据权利要求1所述的一种智能煤矸石分选机器人控制系统，其特征在于，所述特征提取单元所提取的特征参数有：第一层：颜色参数；第二层：纹理特征
。5.
根据权利要求1所述的一种智能煤矸石分选机器人控制系统，其特征在于，所述图像处理单元对第一层特征参数的处理步骤为：绘制图像的区域颜色梯...

【专利技术属性】
技术研发人员：蔡长辉，蔡晨曦，郭东英，
申请(专利权)人：合肥市光感芯科技有限公司，
类型：发明
国别省市：