CN109692822A - 一种激光物料分选设备及方法 - Google Patents
一种激光物料分选设备及方法 Download PDFInfo
- Publication number
- CN109692822A CN109692822A CN201910186007.XA CN201910186007A CN109692822A CN 109692822 A CN109692822 A CN 109692822A CN 201910186007 A CN201910186007 A CN 201910186007A CN 109692822 A CN109692822 A CN 109692822A
- Authority
- CN
- China
- Prior art keywords
- laser
- visible light
- identification
- camera
- detection zone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 239000000463 material Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000000926 separation method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 238000009434 installation Methods 0.000 claims abstract description 44
- 238000012216 screening Methods 0.000 claims abstract description 43
- 239000012535 impurity Substances 0.000 claims abstract description 18
- 230000000505 pernicious effect Effects 0.000 claims abstract description 16
- 238000005286 illumination Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000002245 particle Substances 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 239000007921 spray Substances 0.000 claims description 11
- 238000002310 reflectometry Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 4
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims description 3
- 229910052738 indium Inorganic materials 0.000 claims description 3
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 230000000747 cardiac effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 14
- 235000013339 cereals Nutrition 0.000 description 10
- 241000209094 Oryza Species 0.000 description 9
- 235000007164 Oryza sativa Nutrition 0.000 description 9
- 235000009566 rice Nutrition 0.000 description 9
- 239000004033 plastic Substances 0.000 description 6
- 229920003023 plastic Polymers 0.000 description 6
- 239000011521 glass Substances 0.000 description 5
- 239000004575 stone Substances 0.000 description 5
- 239000000919 ceramic Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
Landscapes
- Sorting Of Articles (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种激光物料分选设备及方法,其特征在于:包括激光识别***、可见光识别***和分选执行***;其中,激光识别***包括激光光源与激光相机;滑板及物料分隔板之间为分选设备检测区域;激光光源、LED照明灯对检测区域物料进行照射,激光光源将激光扩束并在分选设备检测区域形成一条长条状光带,激光相机对物料反射、散射的激光进行图像采集及运算处理,可见光识别***通过可见光相机对物料反射、散射的可见光进行图像采集及运算处理,喷气控制***同时接收来自激光识别***及可见光识别***的识别信号进行融合统一处理,并输出打击信号至喷气装置有效剔除小颗粒异物及物料同色、同密度、形状大小都接近的恶性杂质。
Description
技术领域
本发明属于食品加工、工业品加工相关的分选技术领域,具体涉及一种激光物料分选设备及方法。
背景技术
随着科技的不断发展进步,基于光电技术的分选设备被大量应用于粮食、茶叶、蔬菜、坚果等农产品的加工,以及塑料,矿石等工业品的加工,能够快速有效的识别并剔除变质物料及各种异物,显著提高了成品质量,大量节约了劳动力,社会效益明显。
目前,主流的光电分选设备主要基于可见光识别***,包括可见光光源及对应的可见光相机,可以大致满足基本的色选要求,但是对于和物料颜色、密度、颗粒大小等均接近的杂质,传统技术则难以识别,甚至不能识别。
激光作为一种单色性好、方向性强、能量密度集中、可用光谱范围广的新型光源,被逐渐引入分选设备领域。经检索,如美国专利US9296019B2名称为“Method fordiscerning and sorting products whereby the concentration of a component ofthese products is determined”公开了一种分选方法,该方法将激光束对准一个高速旋转的多面反射镜,激光束被反射后在设备的检测区形成一条动态的扫描线。物料在被激光束照亮的同时,其表面的反射光经多面反射镜原路返回,再通过一面中间有孔的反射镜,导入光电倍增管内以获取信号。
中国专利申请CN201010508538公开了一种激光分选物料装置,该装置将多组不同波长激光器输出的激光进行合束后再输出,通过可旋转的多面反射镜在检测区形成扫描线,物料被照射后的散射光经多面镜原路返回,再通过分束装置分别进入对应的光电传感器中。
上述专利公开的分选物料方法,激光在分选领域的应用,主要局限于激光束通过旋转多面反射镜形成扫描线,然后通过光电倍增管采集反射信号的方法,该方法通过光电管成像,因此空间分辨率很低,难以识别并剔除小颗粒物料中的异物,例如难以剔除大米中的霉变粒、深黄粒、浅黄粒等,特别是与大米同色、同密度、形状大小都接近的恶性杂质,比如同色石头、塑料、陶瓷、玻璃等。
而且,由于多面反射镜转速很高,通常在每分钟数万转以上,不仅造价高昂,且存在轴承寿命短,很容易因为磨损造成设备故障等问题。
发明内容
本发明要解决的问题是现有物料分选设备对小颗粒异物的分选难题,特别是大米中的霉变粒、深黄粒、浅黄粒等及与大米同色、同密度、形状大小都接近的恶性杂质难以分选的问题,提供一种激光物料分选设备及方法,通过激光识别***与可见光识别***的双重分选,即有效剔除常规杂质,还可有效剔除其它与物料同色、同密度的恶性杂质,提高设备物料分选选别范围、选别能力。
为解决上述技术问题,本发明采用的技术方案是:一种激光物料分选设备,其特征在于:包括激光识别***、可见光识别***、和分选执行***;
其中,所述激光识别***包括激光光源与激光相机;
所述可见光识别***包括可见光相机、LED照明灯、背景板;
所述分选执行***包括振动喂料器、滑板、喷气装置及喷气控制***、物料分隔板;
所述滑板及物料分隔板之间为分选设备检测区域;所述激光识别***与可见光识别***分别与喷气控制***连接;
所述激光光源包括激光发生器、光纤、透镜;所述激光光源由激光发生器发出激光通过光纤耦合至透镜将激光扩束,在分选设备检测区域形成一条长条状光带。
作为优选,所述激光识别***、可见光识别***可分别设置在分选设备检测区域两侧。
作为优选,所述长条状光带可以为一台或多台激光相机提供照明。
作为优选,所述激光发生器发出激光中心波长为1400nm~1600nm。
作为优选,所述激光相机为对红外波段敏感的铟镓砷(InGaAs)线阵传感器。
作为优选,所述喷气控制***与喷气装置连接,所述喷气装置包括电磁喷阀、喷嘴。
作为优选,所述激光识别***、可见光识别***及执行***可横向并列放置多组。
一种激光物料分选方法,其特征在于:在上述激光物料分选设备内,
1)分选执行***由滑板与物料分隔板构成分选设备检测区域,振动喂料器将被选物料在滑板上均匀铺开,形成单层物料通过分选设备检测区域;
2)激光识别***通过激光光源、LED照明灯对检测区域物料进行照射,激光光源将激光扩束并在分选设备检测区域形成一条长条状光带,激光相机对物料反射、散射的激光进行图像采集及运算处理,激光相机根据物料对激光的反射率差异区分出异物,并将识别信号传输至喷气控制***;
3)可见光识别***通过可见光相机对物料反射、散射的可见光进行图像采集及运算处理,背景板为可见光相机提供了成像背景,可见光相机根据物料对可见光的反射率差异区分出异物,并将识别信号传输至喷气控制***;
4)上述激光识别***、可见光识别***同时对物料进行双重识别分选,并将识别信号传输至喷气控制***,喷气控制***同时接收来自激光识别***及可见光识别***的识别信号进行融合统一处理,并输出打击信号至喷气装置;
5)上述喷气装置的电磁喷阀接收打击信号喷射出高压气体脉冲,在分选设备检测区域,喷嘴剔除小颗粒异物及物料同色、同密度、形状大小都接近的恶性杂质。
本发明具有的优点和积极效果是:
1、本发明激光物料分选设备通过激光识别***与可见光识别***的紧密结合进行双重识别分选,具有分选范围广、分辨率高的特点,不仅可以有效剔除常规异物,还可以进一步剔除传统方法难以识别的小颗粒异物,在应用于大米分选时,不仅可以有效剔除大米中的霉变粒、深黄粒、浅黄粒等,还可以剔除与大米同色、同密度、形状大小都接近的恶性杂质,比如同色石头、塑料、陶瓷、玻璃等,极大保障了食品加工安全。
2、本发明激光物料分选设备由于采用激光识别***、可见光识别***,通过激光光源、LED照明灯对检测区域物料进行照射,激光光源将激光扩束形成一条长条状光带,激光相机对物料反射、散射的激光进行图像采集及运算处理,可见光相机对物料反射、散射的可见光进行图像采集及运算处理,激光识别***、可见光识别***分别根据物料对可见光的反射率差异区分出异物,喷气控制***同时接收来自激光识别***及可见光识别***的识别信号进行融合统一处理,并输出打击信号,对物料进行双重识别分选,可见光识别***识别分选常规异物,激光识别***剔除难以识别的小颗粒异物,分辨效率高,分选性能及效果好,解决了现有分选设备分辨率低,难以剔除传统方法难以识别的小颗粒异物问题。
3、本发明激光物料分选设备采用的激光发生器发出激光中心波长很窄,通过光纤耦合至透镜将激光扩束,在分选设备检测区域形成一条长条状光带,长条状光带可为一台或多台激光相机提供照明,同时可以避免安装激光相机内的窄通滤镜,不仅降低成本,也增强了图像亮度;由于激光识别***与可见光识别***采用的光谱差异很大,相互之间没有干扰,有效避免了开启激光识别***后影响常规识别性能的问题。
4、本发明激光物料分选设备采用的激光发生器发出的激光中心波长1450nm是水分在短波红外波段附近的一个强烈吸收峰,物料中含有的水分会强烈吸收这一波段的光。在食品加工领域,被选物料都含有一定水分,而与物料颜色、密度接近的恶性杂质如石头、塑料、陶瓷、玻璃等通常都不含水分。利用这一特性,恶性杂质反射的激光信号强度会明显较大,再通过激光相机接收该信号并成像,通过专业的图像处理算法,可以很好的识别并剔除这些恶性杂质。
5、本发明激光物料分选设备由于激光光源、LED照明灯,激光光源通过光纤耦合至透镜将激光扩束形成一条长条状光带,激光相机、可见光相机分别对物料反射、散射的激光进行图像采集及运算处理,输出识别信号,避免现有分选设备使用机械旋转式多面反射镜产生激光束较粗,分辨率低问题,解决了现有设备仅适合于识别分选大颗粒物料的问题,喷气控制***同时接收来自激光识别***及可见光识别***的识别信号进行融合统一处理,并输出打击信号至喷气装置,同时喷嘴剔除小颗粒异物及物料同色、同密度、形状大小都接近的恶性杂质,设备具有结构简单,稳定性高,分辨率高等优点,非常适合工业化大批量生产。
附图说明
图1是本发明一种激光物料分选设备的实施例一结构示意图;
图2是本发明一种激光物料分选设备的激光光源内部结构的示意图;
图3是本发明一种激光物料分选设备的实施例二结构示意图;
1—物料,2—滑板,3—振动喂料器,4—激光相机,5—激光光源,6—可见光相机,7—背景板,8—LED照明灯,9—物料分隔板,10-喷气装置,11—喷气控制***,12-电磁喷阀,13-喷嘴,14—激光发生器,15—光纤,16—透镜,17—长条状光带,18—激光相机实际检测线。
具体实施方式
为了更好的理解本发明,下面结合具体实施例和附图对本发明进行进一步的描述。
如图1、2、3所示,本发明提供一种激光物料分选设备及方法,该分选设备内主要包括激光识别***、可见光识别***和分选执行***,激光识别***与可见光识别***分别与分选执行***连接。
激光识别***由激光光源5与激光相机4构成;可见光识别***由可见光相机6、LED照明灯8、背景板7构成;分选执行***由振动喂料器3、滑板2、喷气装置10、物料分隔板9构成。激光相机4、可见光相机6分别与喷气控制***11连接。振动喂料器3设置在滑板2上方,滑板2下方设置物料分隔板9,滑板2与物料分隔板9之间为分选设备检测区域。
实施例一
如图1,在滑板2与物料分隔板9之间的分选设备检测区域前侧,一套激光识别***和可见光识别***分别对着分选设备检测区域,振动喂料器3及滑板2将物料1均匀铺开,形成单层物料通过分选设备检测区域。
分选设备检测区域前侧,激光光源5及LED照明灯8对检测区域的物料1进行照射,激光光源5将激光扩束并在分选设备检测区域形成一条长条状光带17,激光相机4对物料1反射、散射的激光进行图像采集及运算处理,激光相机4根据物料1对激光的反射率、透射率差异区分出异物,并将识别信号传输至喷气控制***11;同理,可见光识别***通过可见光相机6对物料1反射、散射的可见光进行图像采集及运算处理,背景板7为可见光相机6提供了成像背景,可见光相机6根据物料1对可见光的反射率、透射率差异区分出异物,并将识别信号传输至喷气控制***11。
激光识别***、可见光识别***同时对物料1进行双重识别分选,并将识别信号传输至喷气控制***11,喷气控制***11同时接收来自激光识别***及可见光识别***的识别信号进行融合统一处理,并对该信号进行延时时间调整,以保证能恰好击打异物中心以提高选净率,输出打击信号至喷气装置10,喷气装置10的电磁喷阀12接收打击信号喷射出高压气体脉冲,在分选设备检测区域,喷嘴13剔除常规小颗粒异物及物料1同色、同密度、形状大小都接近的恶性杂质。如剔除大米中的霉变粒、深黄粒、浅黄粒以及同色石头、塑料、陶瓷、玻璃等。
如图2,激光发生器14产生激光,光纤15耦合至透镜16或透镜16组将激光扩束,在分选设备检测区域形成一条长条状光带17为两台激光相机提供激光照明。
激光光源5选取的激光中心波长为1450nm或1550nm。激光中心波长1450nm和1550nm是水分在短波红外波段附近的两个强烈吸收峰,物料1中含有的水分会强烈吸收这一波段的光。在食品加工领域,被选物料1都含有一定水分,而与物料1颜色、密度接近的恶性杂质如石头、塑料、陶瓷、玻璃等通常都不含水分。利用这一特性,恶性杂质反射的激光信号强度会明显较大,再通过激光相机4接收该信号并成像,通过专业的图像处理算法,可较好地识别并剔除这些恶性杂质。
激光光源5内部的透镜16或透镜16组可以采用鲍威尔透镜16或透镜16组,以达到更均匀的扩束效果。激光扩束后在检测区域形成的长条状光带17,宽度采取10-30mm,长度可根据不同结构要求,采取250~750mm。采用专用靶纸可以把该光带在检测区域呈现出来。激光发生器14的功率在0~1.5W范围内可调。
激光相机4采用对红外波段敏感的铟镓砷(InGaAs)线阵传感器,该传感器的敏感波段在900~1700nm,由于其对可见光波段不敏感,因此与可见光识别***可以同时工作,相互之间不受干扰。
激光相机4采用3~6kHz的行扫采样频率,由于物料1在检测区域下滑速度通常为4m/s,对应的垂直方向分辨率约为0.7~1.3mm,可以有效识别出与米粒接近的恶性杂质。
激光相机4采用分辨率为512或256像素的线阵传感器,激光相机实际检测线18的宽度选取为300mm,则对应的水平方向分辨率约为0.6~1.2mm。
LED照明灯8采取的发光类型为白光、蓝光、红外光的组合。
可见光相机6选择光电耦合(CCD)线阵传感器或互补金属氧化物半导体(CMOS)线阵传感器,再根据被选物料1要求,可以选择黑白单色传感器,或彩色传感器。
激光相机4、可见光相机6可采用自制。自制激光相机4、自制可见光相机6内部集成高速、大规模FPGA可编程逻辑门阵列芯片,以便满足图像处理算法对实时性的要求。并且,该FPGA芯片还可以利用片内剩余资源,为线阵传感器及相机AD转换芯片提供驱动时序信号。
激光相机4采用线阵传感器,通过镜头成像,每次曝光能够采集到物料1在检测区域固定位置的一根单行图像。激光相机4通过连续不断的高频次曝光,通常可达每秒数千次,可以源源不断地采集到分选设备检测区域的一行行图像。利用图像处理算法,将获取的单行图像存储在运算处理芯片的内存中,当图像达到需要的大小后,每次采集到的最新一行图像数据会替换掉最旧的一行数据,从而始终在内存中维持一幅大小恒定的当前有效图像,为下一步的分析处理提供数据基础。
激光物料分选方法,是通过激光相机4、可见光相机6采用专用的图像处理算法,首先根据用户输入的参数,结合大量实验数据分析得到的物料1反射、透射特性,生成数个大小为M×N的标准图像模板,进一步地,将此模板与相机采集的图像进行逐像素比较,如果与模板匹配度超过50%则在程序中设置“1”,否则设置“0”,由此可以得到一副“0”、“1”点阵化的识别信号阵列,再将该识别信号传输至喷气控制***11。
激光物料分选的工作原理,激光识别***可以根据图像得到同色、同密度异物的识别信号。通过类似的方法,可见光识别***可以得到常规异物的识别信号。喷气控制***11同时接收来自激光识别***及可见光识别***的识别信号,喷气控制***11的软件操作将两种识别信号融合成统一的识别信号,喷气控制***11的软件对该信号进行延时时间调整,以确保能恰好打击异物中心,再进一步对该打击信号进行放大,并输出至喷气装置10,喷气装置10的电磁喷阀12开启,喷嘴13将小颗粒异物剔除。
为达到更好的选别效果,对激光相机4获取的图像进行处理,首先进行归一化算法,以消除激光线阵传感器、镜头、光路等引入的***性图像偏差。
在设备每次开机时,通过程序自动控制振动喂料器3停止工作,等待数秒,待设备稳定后,程序自动控制激光相机4连续曝光,采集到多根单行数据,再通过软件在内存中拼接为一副静态图像,假定该图像横向分辨率用N表示,图像行数目用J表示,则该幅图像可以表示为,其中U为图像中每个像元的亮度值,j为行号,n为列号。优选地,N取值为512像素,J取值为5000行。
然后,对图像中每一列数据求平均值,可以得到一组行数据,即为***的本底亮度值:
然后,程序自动保存该本底亮度值,并打开振动喂料器3进入正常工作状态。此后,对于激光相机4采集到的每一行新的数据做如下运算,得到结果:
其中为对求平均得到的平均值。
最后通过将与用户给定的灵敏度阈值做比较,进一步得到识别信号。
经过归一化算法得到的单行数据,消除了大部分由设备造成的***性偏差,使得图像一致性大大提高。优选地,再进一步使用最新的32行该单行数据,拼接成一幅横向分辨率为512像素,纵向分辨率为32像素的图像。当新的一行数据到达后,程序会自动替换掉图像中最旧的一行数据,再生成一副新的图像。
由于激光相机4每两行数据之间的时间间隔很短,大约为数十至数百微秒,因此本设备在激光相机4内采用高速FPGA(可编程逻辑门阵列)芯片来实现图像处理算法,以满足算法的实时性要求。
实施例二
如图3,在分选设备内,分选设备检测区域前侧,一套激光识别***和可见光识别***分别对着分选设备检测区域,分选设备检测区域后侧,增设一套激光识别***和可见光识别***分别对着分选设备检测区域。
分选设备检测区域前侧与后侧,激光光源5及LED照明灯8对检测区域物料1进行照射,激光光源5将激光扩束并在分选设备检测区域形成一条长条状光带17,激光相机4对物料1反射、散射的激光进行图像采集及运算处理,激光相机4根据物料1对激光的反射率、透射率差异区分出异物,并将识别信号传输至喷气控制***11;可见光识别***通过可见光相机6对物料1反射、散射的可见光进行图像采集及运算处理,背景板7为可见光相机6提供了成像背景,可见光相机6根据物料1对可见光的反射率、透射率差异区分出异物,并将识别信号传输至喷气控制***11。
喷气控制***11同时接收来自分选设备检测区域前、后侧两套激光识别***及可见光识别***的识别信号进行融合统一处理,即分选设备检测区域前、后两侧的2个激光相机和2个可见光相机分别图像采集及运算处理得到的识别信号进行融合统一处理,并对该信号进行延时时间调整,确保能击打异物中心提高选净率,输出打击信号至喷气装置10,喷气装置10的电磁喷阀12接收打击信号喷射出高压气体脉冲,在分选设备检测区域,喷嘴13剔除常规小颗粒异物及物料1同色、同密度、形状大小都接近的恶性杂质。
在实际操作中针对不同的物料,也可以仅增加多个激光光源5,不增加激光相机4,以提升识别效果。可见光识别***中的背景板7,通常具备专用的背景板7照明灯,分选执行***中的物料分隔板9,通常属于分选设备接料斗部装的一部分,不能以本专利中未详细阐述接料斗的结构,而理解为对本专利保护范围的限制。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (8)
1.一种激光物料分选设备,其特征在于:包括激光识别***、可见光识别***、和分选执行***;
其中,所述激光识别***包括激光光源与激光相机;
所述可见光识别***包括可见光相机、LED照明灯、背景板;
所述分选执行***包括振动喂料器、滑板、喷气装置及喷气控制***、物料分隔板;
所述滑板及物料分隔板之间为分选设备检测区域;所述激光识别***与可见光识别***分别与喷气控制***连接;
所述激光光源包括激光发生器、光纤、透镜;所述激光光源由激光发生器发出激光通过光纤耦合至透镜将激光扩束,在分选设备检测区域形成一条长条状光带。
2.根据权利要求1所述的激光物料分选设备,其特征在于:所述激光识别***、可见光识别***可分别设置在分选设备检测区域两侧。
3.根据权利要求1所述的激光物料分选设备,其特征在于:所述长条状光带可以为一台或多台激光相机提供照明。
4.根据权利要求1所述的激光物料分选设备,其特征在于:所述激光发生器发出激光中心波长为1400nm~1600nm。
5.根据权利要求1所述的激光物料分选设备,其特征在于:所述激光相机为对红外波段敏感的铟镓砷(InGaAs)线阵传感器。
6.根据权利要求1所述的激光物料分选设备,其特征在于:所述喷气控制***与喷气装置连接,所述喷气装置包括电磁喷阀、喷嘴。
7.根据权利要求1所述的激光物料分选设备,其特征在于:所述激光识别***、可见光识别***及执行***可横向并列放置多组。
8.一种激光物料分选方法,其特征在于:在上述激光物料分选设备内,
1)分选执行***由滑板与物料分隔板构成分选设备检测区域,振动喂料器将被选物料在滑板上均匀铺开,形成单层物料通过分选设备检测区域;
2)激光识别***通过激光光源、LED照明灯对检测区域物料进行照射,激光光源将激光扩束并在分选设备检测区域形成一条长条状光带,激光相机对物料反射、散射的激光进行图像采集及运算处理,激光相机根据物料对激光的反射率差异区分出异物,并将识别信号传输至喷气控制***;
3)可见光识别***通过可见光相机对物料反射、散射的可见光进行图像采集及运算处理,背景板为可见光相机提供了成像背景,可见光相机根据物料对可见光的反射率差异区分出异物,并将识别信号传输至喷气控制***;
4)上述激光识别***、可见光识别***同时对物料进行双重识别分选,并将识别信号传输至喷气控制***,喷气控制***同时接收来自激光识别***及可见光识别***的识别信号进行融合统一处理,并输出打击信号至喷气装置;
5)上述喷气装置的电磁喷阀接收打击信号喷射出高压气体脉冲,在分选设备检测区域,喷嘴剔除小颗粒异物及物料同色、同密度、形状大小都接近的恶性杂质2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910186007.XA CN109692822A (zh) | 2019-03-12 | 2019-03-12 | 一种激光物料分选设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910186007.XA CN109692822A (zh) | 2019-03-12 | 2019-03-12 | 一种激光物料分选设备及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109692822A true CN109692822A (zh) | 2019-04-30 |
Family
ID=66233932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910186007.XA Withdrawn CN109692822A (zh) | 2019-03-12 | 2019-03-12 | 一种激光物料分选设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109692822A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110201910A (zh) * | 2019-07-03 | 2019-09-06 | 合肥泰禾光电科技股份有限公司 | 一种色选机 |
CN110449361A (zh) * | 2019-09-06 | 2019-11-15 | 中国农业大学 | 一种油茶果壳籽精准光电分选机 |
CN110560379A (zh) * | 2019-09-17 | 2019-12-13 | 安徽捷迅光电技术有限公司 | 一种谷糙分离色选*** |
CN112222015A (zh) * | 2020-10-23 | 2021-01-15 | 安徽理工大学 | 一种双视角成像的原煤预排矸装置及方法 |
CN112620160A (zh) * | 2019-09-24 | 2021-04-09 | 合肥美亚光电技术股份有限公司 | 大米物料的检测***、方法及色选机 |
CN114047200A (zh) * | 2021-11-24 | 2022-02-15 | 北京中创科仪科技有限公司 | 一种高速自动识别及剔除颗粒物中异色杂质的设备 |
CN114405858A (zh) * | 2021-12-27 | 2022-04-29 | 安徽中科光电色选机械有限公司 | 一种宽粒级煤矸分选***及方法 |
CN114798496A (zh) * | 2021-12-02 | 2022-07-29 | 安徽中科光电色选机械有限公司 | 一种基于平面物料的激光分选机及其方法 |
US20220297162A1 (en) * | 2019-08-27 | 2022-09-22 | Satake Corporation | Optical granular matter sorter |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103221151A (zh) * | 2010-11-25 | 2013-07-24 | 斯戴纳特电磁制造有限公司 | 用于对来自松散物料的物体进行单粒分选的方法和装置 |
CN104117489A (zh) * | 2014-07-09 | 2014-10-29 | 成都信泰科技有限公司 | 气流式光谱异物剔除方法及设备 |
CN104138851A (zh) * | 2014-06-25 | 2014-11-12 | 山东大学 | 基于振动给料与成像识别的大颗粒物料分选***及方法 |
CN209792036U (zh) * | 2019-03-12 | 2019-12-17 | 湖北中武电技术有限公司 | 一种激光物料分选设备 |
-
2019
- 2019-03-12 CN CN201910186007.XA patent/CN109692822A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103221151A (zh) * | 2010-11-25 | 2013-07-24 | 斯戴纳特电磁制造有限公司 | 用于对来自松散物料的物体进行单粒分选的方法和装置 |
CN104138851A (zh) * | 2014-06-25 | 2014-11-12 | 山东大学 | 基于振动给料与成像识别的大颗粒物料分选***及方法 |
CN104117489A (zh) * | 2014-07-09 | 2014-10-29 | 成都信泰科技有限公司 | 气流式光谱异物剔除方法及设备 |
CN209792036U (zh) * | 2019-03-12 | 2019-12-17 | 湖北中武电技术有限公司 | 一种激光物料分选设备 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110201910A (zh) * | 2019-07-03 | 2019-09-06 | 合肥泰禾光电科技股份有限公司 | 一种色选机 |
CN110201910B (zh) * | 2019-07-03 | 2024-02-09 | 合肥泰禾光电科技股份有限公司 | 一种色选机 |
US20220297162A1 (en) * | 2019-08-27 | 2022-09-22 | Satake Corporation | Optical granular matter sorter |
US11858007B2 (en) * | 2019-08-27 | 2024-01-02 | Satake Corporation | Optical granular matter sorter |
CN110449361A (zh) * | 2019-09-06 | 2019-11-15 | 中国农业大学 | 一种油茶果壳籽精准光电分选机 |
CN110560379A (zh) * | 2019-09-17 | 2019-12-13 | 安徽捷迅光电技术有限公司 | 一种谷糙分离色选*** |
CN112620160A (zh) * | 2019-09-24 | 2021-04-09 | 合肥美亚光电技术股份有限公司 | 大米物料的检测***、方法及色选机 |
CN112222015A (zh) * | 2020-10-23 | 2021-01-15 | 安徽理工大学 | 一种双视角成像的原煤预排矸装置及方法 |
CN114047200A (zh) * | 2021-11-24 | 2022-02-15 | 北京中创科仪科技有限公司 | 一种高速自动识别及剔除颗粒物中异色杂质的设备 |
CN114798496A (zh) * | 2021-12-02 | 2022-07-29 | 安徽中科光电色选机械有限公司 | 一种基于平面物料的激光分选机及其方法 |
CN114405858A (zh) * | 2021-12-27 | 2022-04-29 | 安徽中科光电色选机械有限公司 | 一种宽粒级煤矸分选***及方法 |
CN114405858B (zh) * | 2021-12-27 | 2024-05-28 | 安徽中科光电色选机械有限公司 | 一种宽粒级煤矸分选***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109692822A (zh) | 一种激光物料分选设备及方法 | |
US7480038B2 (en) | Illumination device for product examination via pulsed illumination | |
CN103501924B (zh) | 分类设备 | |
US9795996B2 (en) | Method and apparatus for sorting | |
JP4063885B2 (ja) | 分類装置 | |
US5471311A (en) | Information system for monitoring products in sorting apparatus | |
JP6084214B2 (ja) | 交互側方照明型検査装置 | |
US10363582B2 (en) | Method and apparatus for sorting | |
JP2010042326A (ja) | 光学式穀粒選別装置 | |
US20110317001A1 (en) | Multisensor array for the optical inspection and sorting of bulk materials | |
US10596603B2 (en) | Method of producing gluten free oats | |
KR101060589B1 (ko) | 광분배장치를 이용한 실시간 폐플라스틱의 성분 및 색상 선별장치 | |
AU2019236717B2 (en) | A method and system for detecting a diamond signature | |
CN101786084A (zh) | 双ccd物料色选方法及色选机 | |
CN204699963U (zh) | 一种具有黄曲霉素检测功能的农产品智能分选机 | |
CN106269570A (zh) | 物料的分选装置和分选方法 | |
CN204746903U (zh) | 一种物料的分选装置 | |
CN108339763A (zh) | 色选装置及具有其的色选机和基于其的色选方法 | |
CN209792036U (zh) | 一种激光物料分选设备 | |
CN102788806A (zh) | 基于类球形亮度变换的水果表面缺陷检测方法 | |
CN204486324U (zh) | 一种彩色双ccd脱绒棉种色选*** | |
CN205940772U (zh) | 一种原棉异性纤维剔除用双通道短波红外成像*** | |
CN109670464A (zh) | 一种可自动调节光强度的视觉检测*** | |
CN103028555A (zh) | 基于hsi颜色特征的葡萄干色选检测方法 | |
CN203578239U (zh) | 油葵籽色选分选机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190430 |
|
WW01 | Invention patent application withdrawn after publication |