CN111515138A - 基于颗粒形态识别的道砟智能筛分装置 - Google Patents
基于颗粒形态识别的道砟智能筛分装置 Download PDFInfo
- Publication number
- CN111515138A CN111515138A CN202010338297.8A CN202010338297A CN111515138A CN 111515138 A CN111515138 A CN 111515138A CN 202010338297 A CN202010338297 A CN 202010338297A CN 111515138 A CN111515138 A CN 111515138A
- Authority
- CN
- China
- Prior art keywords
- ballast
- aggregate
- particles
- particle
- phi
- 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.)
- Pending
Links
Images
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
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- 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
-
- 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
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
Landscapes
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种基于颗粒形态识别的道砟智能筛分装置,包括骨料仓、传送机构、图像采集与处理***、骨料分拣机构和骨料收集机构,利用图像采集与处理***获取道砟颗粒形态特征参数,由骨料分拣机构将满足要求的颗粒分拣至对应粒径范围的骨料收集机构,混合后得到特定质量、级配、形状要求的道砟样本。本发明通过仪器自动检测道砟颗粒的形状尺寸,能够根据形态参数遴选满足特定要求的道砟颗粒;应用于实验室或铁路现场的道砟筛分,能够实现特定质量、级配要求的道砟样本的自动筛取,并且道砟形态可控,自动化程度与筛分效率均较高。
Description
技术领域
本发明属于铁路工程领域,涉及一种基于颗粒形态识别的道砟智能筛分装置。
背景技术
有砟轨道是我国铁路传统的轨道结构形式,道床作为一种由形状和尺寸各异的道砟颗粒组成的散体材料层,在列车重复荷载作用下,会产生道床颗粒间相互错位和重新排列以及道砟颗粒的破碎和粉化,使其力学性能逐渐退化。
道砟颗粒的形态、尺寸等对颗粒力学行为以及道床的变形和劣化均有重要影响。目前对于铁路道砟集料的获取与几何特征的评估方式普遍采用传统的机械筛分法,根据不同孔径的金属筛中粗粒料的质量筛余率来绘制其级配曲线从而评估颗粒尺寸的分布状况。采用级配曲线量化方法,只是宏观的定量描述,不能准确反映道砟的形态、尺寸等几何形态特征,而这些特征均会影响散粒体道床的力学行为与劣化机理。
目前受限于规准仪测量手段,目前通过采用传统的机械筛分法局部抽样量化道砟集料整体形态特征,测量精度与测量效率均较低,不能准确描述道砟颗粒整体的形态。
基于上述设计领域的空白,本发明从道砟颗粒形态尺寸识别与遴选出发,提出一种基于颗粒形态识别的道砟智能筛分装置。
发明内容
本发明的目的提出一种基于颗粒形态识别的道砟智能筛分装置,基于道砟颗粒形态尺寸的识别与遴选,实现任意质量、满足特定级配、针状指数、片状指数要求的道砟样本的智能筛分。
本发明解决其技术问题所采用的技术方案是:
在一个实施例中,一种基于颗粒形态识别的道砟智能筛分装置,包括:骨料仓、传送机构、骨料收集机构和图像采集与处理***,以及与所述图像采集与处理***连接的骨料分拣机构,所述传送机构包括成像传送带和分拣传送带,所述成像传送带的起始端设置在所述骨料仓的出口下方,通过振动所述骨料仓使道砟颗粒从所述骨料仓的出口逐个落到所述成像传送带上,所述分拣传送带设置在所述成像传送带下方,且所述分拣传送带的起始端与所述成像传送带末端对齐;所述图像采集与处理***用于采集位于所述成像传送带最后一个道砟颗粒的形态特征并分析处理;骨料收集机构包括不同粒径范围对应的收集桶和骨料回收桶,所述骨料回收桶设置于所述分拣传送带末端以用于回收不分拣的道砟颗粒;与所述图像采集与处理***连接的骨料分拣机构,用于根据道砟颗粒的形态特征分拣至特定粒径范围对应的所述收集桶。
在其中一个实施例中,所述图像采集与处理***包括拍摄器和计算机处理***,所述拍摄器布置在所述成像传送带末端,用于采集逐个道砟颗粒轮廓图像;所述计算机处理***用于接收道砟样本目标参数的设定并作为信息处理中心。
在其中一个实施例中,所述拍摄器包括俯视图成像相机、正视图成像相机和侧视图成像相机。
在其中一个实施例中,所述计算机处理***的输入端与所述拍摄器连接以接收采集图像,通过图像分析得到颗粒形态特征参数,并计算道砟颗粒质量;所述计算机处理***的输出端与所述骨料分拣机构通讯连接以用于发出分拣信号。
在其中一个实施例中,所述计算机处理***对图像分析处理得到道砟颗粒的长轴Φ1、中轴Φ2、短轴Φ3,通过Φ1、Φ2、Φ3中两指标间的相互比例关系,得到针对道砟颗粒的针状系数Φ1/Φ2和片状系数Φ3/Φ2;
其中,长轴Φ1定义为采集图像中的最长轴,短轴Φ3定义为采集图像的最短轴,中轴Φ2定义为长轴所在的图像中与长轴垂直的最长轴。
在其中一个实施例中,所述骨料分拣机构根据中轴Φ2尺寸将道砟颗粒推入对应粒径的颗粒收集桶,当一所述收集桶中道砟针状系数Φ1/Φ2>1.8的颗粒和片状系数Φ3/Φ2<0.6的颗粒质量占比超过目标设定值,所述骨料分拣机构不再将道砟针状系数Φ1/Φ2>1.8的颗粒和片状系数Φ3/Φ2<0.6的颗粒分拣至该收集桶中。当各粒径范围对应收集桶中的道砟质量达到设定值时,骨料分拣机构停止向该收集桶中继续添加道砟颗粒,该道砟颗粒落入位于传送带末端的所述骨料回收桶内。
在其中一个实施例中,所述骨料分拣机构为分拣器。
与现有技术相比,本发明的有益效果是:
(1)通过仪器自动检测道砟颗粒的形状和尺寸,能够根据形态参数遴选满足特定要求的道砟颗粒;
(2)装置能够自动筛取特定质量、级配要求的道砟样本,并且道砟形态可控,自动化程度高;
(3)装置基于计算机图像处理技术,实现了道砟智能筛分,降低了人工劳动强度,在保证颗粒形态要求的情况下提高了实验室或铁路现场的道砟筛分效率。
附图说明
图1为本发明基于颗粒形态识别的道砟智能筛分装置的侧视图;
图2为本发明基于颗粒形态识别的道砟智能筛分装置的俯视图;
图3为本发明基于颗粒形态识别的道砟智能筛分流程图;
图4为本发明筛分道砟目标级配曲线。
附图标号说明:
1-骨料仓,
2-传送机构,
21-成像传送带,
22-分拣传送带,
3-拍摄器,
31-俯视图成像相机,
32-正视图成像相机,
33-侧视图成像相机,
34-计算机处理***,
4-骨料分拣机构,
41-0~16mm粒径颗粒分拣器,
42-16~25mm粒径颗粒分拣器,
43-25~35.5mm粒径颗粒分拣器,
44-35.5~45mm粒径颗粒分拣器,
45-45~56mm粒径颗粒分拣器,
46-56~63mm粒径颗粒分拣器,
5-骨料收集机构,
51-0~16mm粒径颗粒收集桶,
52-16~25mm粒径颗粒收集桶,
53-25~35.5mm粒径颗粒收集桶,
54-35.5~45mm粒径颗粒收集桶,
55-45~56mm粒径颗粒收集桶,
56-56~63mm粒径颗粒收集桶,
57-骨料回收桶,
6-道砟颗粒。
具体实施方式
下面结合附图1~4和实施例对本发明作进一步详细说明。
请参阅图1和图2,在一个实施例中,一种基于颗粒形态识别的道砟智能筛分装置,包括:骨料仓、传送机构、骨料收集机构和图像采集与处理***,以及与所述图像采集与处理***连接的骨料分拣机构,所述传送机构包括成像传送带和分拣传送带,所述成像传送带的起始端设置在所述骨料仓的出口下方,通过振动所述骨料仓使道砟颗粒从所述骨料仓的出口逐个落到所述成像传送带上,所述分拣传送带设置在所述成像传送带下方,且所述分拣传送带的起始端与所述成像传送带末端对齐。
所述图像采集与处理***用于采集位于所述成像传送带最后一个道砟颗粒的形态特征并分析处理;骨料收集机构包括不同粒径范围对应的收集桶和骨料回收桶,所述骨料回收桶设置于所述分拣传送带末端以用于回收不分拣的道砟颗粒;与所述图像采集与处理***连接的骨料分拣机构,用于根据道砟颗粒的形态特征分拣至特定粒径范围对应的所述收集桶。
在其中一个实施例中,所述图像采集与处理***包括拍摄器和计算机处理***,所述拍摄器布置在所述成像传送带末端,用于采集逐个道砟颗粒轮廓图像;所述计算机处理***用于接收道砟样本参数的设定并作为信息处理中心。例如,所述拍摄器为三维实体扫描仪,道砟颗粒从成像传送带掉落在分拣传动带上时,三维实体扫描仪捕捉道砟颗粒的三维结构,从而获得道砟颗粒的形态参数。
在另一个实施例中,所述拍摄器包括俯视图成像相机、正视图成像相机和侧视图成像相机。所述俯视图成像相机设置于成像传送带的上方,所述正视图成像相机设置于成像传动带末端的后方,侧视图成像相机设置于成像传动带的左或右侧,通过拍摄位置的不同,获取道砟颗粒的三视图(主视图、侧视图和俯视图),从而获得道砟颗粒的形态参数。
在其中一个实施例中,所述计算机处理***对图像分析处理得到道砟颗粒的长轴Φ1、中轴Φ2、短轴Φ3,通过Φ1、Φ2、Φ3中两指标间的相互比例关系,得到针对道砟颗粒的针状系数Φ1/Φ2和片状系数Φ3/Φ2;其中,长轴Φ1定义为三张二维视图中的最长轴,短轴Φ3定义为三张二维视图中的最短轴,中轴Φ2定义为长轴所在的视图中与长轴垂直的最长轴。
在其中一个实施例中,所述骨料分拣机构根据中轴Φ2尺寸将道砟颗粒推入对应粒径的颗粒收集桶,当一所述收集桶中道砟针状系数Φ1/Φ2>1.8的颗粒和片状系数Φ3/Φ2<0.6的颗粒质量占比超过目标设定值,所述骨料分拣机构不再将道砟针状系数Φ1/Φ2>1.8的颗粒和片状系数Φ3/Φ2<0.6的颗粒分拣至该收集桶中。当各粒径范围对应收集桶中的道砟质量达到设定值时,骨料分拣机构停止向该收集桶中继续添加道砟颗粒,不分拣的道砟颗粒落入位于传送带末端的所述骨料回收桶内。
在其中一个实施例中,所述计算机处理***的输入端与所述拍摄器连接以接收采集图像,通过图像分析得到颗粒形态特征参数,并计算道砟颗粒质量;所述计算机处理***的输出端与所述骨料分拣机构通讯连接以用于发出分拣信号。例如,计算机处理***根据道砟颗粒的形态特征计算道砟颗粒的针状系数和片状系数,根据预定筛取条件分别计算道砟在各粒径范围针状系数Φ1/Φ2>1.8的道砟颗粒和片状系数Φ3/Φ2<0.6的的道砟颗粒质量,将以此作为分拣判别条件。
在其中一个实施例中,根据现行《铁路碎石道砟》中道砟级配规定,设置6个道砟收集桶,分别用以收集0~16mm、16~25mm、25~35.5mm、35.5~45mm、45~56mm和56~63mm粒径范围的道砟颗粒。所述骨料分拣机构为分拣器,由分拣器将道砟颗粒推入对应粒径的颗粒收集桶。当道砟颗粒传送至分拣传送带上,所述骨料分拣机构根据所述道砟颗粒形态特征信息将道砟颗粒运送至与其道砟粒径信息相对应的收集桶。当各粒径范围对应收集桶中的道砟质量达到设定值时,骨料分拣机构停止向该收集桶中继续添加颗粒,不分拣的道砟颗粒落入分拣传送带末端的骨料回收桶。
进一步地,级配粒径或形状不满足要求,或者对应粒径范围的收集桶中道砟质量超过上限值的道砟颗粒,分拣***不进行分拣收集,道砟颗粒滚落至分拣传送带末端的骨料回收桶。当所有粒径范围对应的收集桶中的颗粒质量均达到设定质量时,停止整个***。将各收集桶中的道砟混合,即得到特定质量、级配、形状要求的道砟样本。
需要说明的是该装置是基于目前形态筛分规则下设置的参数。后续有基于颗粒形状而提出的筛分规则,都可以用这套装置实现。
下面是对基于颗粒形态识别的道砟智能筛分装置的应用过程的描述:
请参阅图3,一种基于颗粒形态识别的道砟智能筛分装置的使用方法,包括以下步骤:
步骤1:设定目标道砟样本参数:
设定拟筛取道砟质量M与道砟级配、针状指数值a1和片状指数值a2;
具体的,在计算机处理***中设定拟筛取道砟质量M与道砟级配,设定针状指数上限值a1和片状指数上限值a2。级配、针状指数、片状指数应满足《铁路碎石道砟》(TBT2140-2008)规定。将以上相关参数输入计算机处理***,作为道砟颗粒分拣判别条件,其中,针状指数值a1和片状指数值a2均不大于20%。
步骤2:计算道砟在各粒径范围的针状系数和片状系数的颗粒质量;
根据设定的道砟质量M与级配曲线,确定各粒径范围对应的质量M1,M2,···,Mn,根据针状指数值a1和片状指数值a2,获得每个粒径范围内道砟针状系数Φ1/Φ2>1.8的颗粒的质量分别为M1a1,M2a1,···,Mna1,片状系数Φ3/Φ2<0.6的颗粒的质量分别为M1a2,M2a2,···,Mna2;
步骤3:道砟颗粒形态轮廓采集与处理。
逐个对道砟颗粒形态轮廓进行图像采集,图像作为输入数据传输到计算机处理***中,计算机处理***分析得到道砟颗粒形态特征参数,并计算道砟颗粒质量;
步骤4:骨料分拣与收集
道砟颗粒根据形态特征参数分拣至特定粒径范围,根据中轴Φ2尺寸决定分拣至特定粒径范围对应的收集桶;当中轴Φ2尺寸超过所有粒径范围粒径,将其剔除。
当每个粒径范围的收集桶内道砟针状系数Φ1/Φ2>1.8的道砟颗粒和片状系数Φ3/Φ2<0.6的道砟颗粒的质量分别到达设定值时,后续不再分拣针状系数Φ1/Φ2>1.8的道砟颗粒和片状系数Φ3/Φ2<0.6的道砟颗粒;
当所有粒径范围的颗粒质量均达各粒径范围对应的质量M1,M2,···,Mn时,分拣系机构停止向该收集桶中继续添加颗粒,不分拣的道砟颗粒落入传送带末端的骨料回收桶。将各粒径范围的道砟混合,得到特定质量M、级配、形状要求的道砟样本。
实施例1:
为了开展道砟颗粒室内直剪试验,拟针对新建铁路一级碎石道砟,筛取50kg道砟样本用于试验,并要求道砟样本级配、针状指数、片状指数均满足规范要求。
《铁路碎石道砟》(TB/T 2140-2008)规定新建铁路用一级碎石道砟粒径级配应满足表1要求。
表1新建铁路一级碎石道砟粒径级配
此外,《铁路碎石道砟》(TB/T 2140-2008)还对道砟的针状指数和片状指数的最大含量进行了规定,要求道砟的针状指数不大于20%,片状指数不大于20%。其中,针状指数定义为长度(最大尺寸)大于平均粒径1.8倍的颗粒所占的质量百分率,片状指数定义为厚度(最小尺寸)小于平均粒径0.6倍的颗粒所占的质量百分率。
本专利结合图像采集与处理***,计算得到道砟颗粒的长轴Φ1、中轴Φ2、短轴Φ3,利用Φ1、Φ2、Φ3中两指标间的相互比例关系,能够得到针对道砟颗粒的针状系数Φ1/Φ2和片状系数Φ3/Φ2,从而将针对集料整体针状指数和片状指数的分析转化为针对单一颗粒针状系数Φ1/Φ2和片状系数Φ3/Φ2的分析。
下面阐述基于颗粒形态识别的道砟智能筛分流程,如图2所示,过程步骤如下所述:
步骤1:设置要求参数
设定道砟质量m=50kg,道砟级配如图4所示,针状指数和片状指数均不大于20%。
将相关参数输入计算机处理***。
步骤2:确定各粒径范围对应道砟质量与形状要求
首先确定各粒径范围对应道砟质量:根据图4所示级配曲线确定各粒径范围内所需道砟质量,如表2所示。然后确定各粒径范围道砟形状要求:如果每个粒径范围内对应的收集桶中道砟针状系数Φ1/Φ2>1.8的道砟颗粒和片状系数Φ3/Φ2<0.6的道砟颗粒质量占比均小于20%,则整体道砟样本的针状指数和片状指数均能满足要求,将其作为道砟颗粒分拣判别条件。各粒径范围内超限颗累积质量上限如表2所示。
表2 50kg道砟样本中不同级配所需道砟质量
步骤3:道砟颗粒形态轮廓采集与处理
从骨料仓入口倒入道砟集料,振动骨料仓,使道砟颗粒从出口逐个落到成像传送带上。
道砟颗粒到达成像传送带末端时,通过俯视图成像相机、正视图成像相机、侧视图成像相机进行成像,得到道砟颗粒的三维视图(正视图、侧视图、俯视图)。图像传输到计算机处理***中,作为输入数据。计算机处理***计算得到道砟颗粒的长轴Φ1、中轴Φ2、短轴Φ3。其中长轴Φ1定义为三张二维视图中的最长轴;短轴Φ3定义为三张二维视图中的最短轴;中轴Φ2定义为长轴所在的二维视图中与长轴垂直的最长轴,Φ2值本质上反映了道砟颗粒的过筛粒径。道砟颗粒i的质量通过下式计算:
mi=BρV=B×ρ×Φ1,i×Φ2,i×Φ3,i
式中,mi表示道砟颗粒i的质量;B为质量系数,此系数为修正道砟质量系数,通过实验数据获得B取0.407,ρ表示道砟密度;V表示颗粒体积;Φ1,i、Φ2,i、Φ3,i分表示道砟颗粒i的长轴、中轴、短轴。
利用Φ1、Φ2、Φ3中两指标间的相互比例关系,计算得到单一颗粒的针状系数(Φ1/Φ2)和片状系数(Φ3/Φ2)。计算机处理***计算道砟颗粒的质量,即计算每一收集桶的道砟总质量和收集桶中道砟针状系数Φ1/Φ2>1.8的道砟颗粒和片状系数Φ3/Φ2<0.6的道砟颗粒质量占比。
计算机处理***的输出数据为道砟颗粒的Φ2、Φ1/Φ2、Φ3/Φ2、m。
步骤4:骨料分拣与收集
计算机处理***输出端连接骨料分拣***,由分拣器将道砟颗粒推入对应粒径范围的颗粒收集桶。
是否推入有三个判别条件:①颗粒所处粒径范围:根据中轴Φ2尺寸决定分拣至特定粒径范围对应的收集桶;②道砟形状要求:当每个收集桶中道砟针状系数超过规范要求(Φ1/Φ2>1.8)的颗粒质量占比超过设定值时,后续仍超过规范要求的颗粒不再进行分拣;其片状系数超过规范要求(Φ3/Φ2<0.6)的颗粒超过设定值,也同样不再对该颗粒进行分拣;③当各粒径范围对应收集桶中的道砟质量达到设定值时,分拣***停止向该收集桶中继续添加颗粒,不分拣的道砟颗粒落入传送带末端的骨料回收桶。
由于目标级配曲线中没有级配粒径范围0~16mm的颗粒要求,所以该粒径范围的颗粒滚落至分拣传送带末端的骨料回收桶57;
级配粒径范围16~25mm且形状满足要求(Φ1/Φ2>1.8,Φ3/Φ2<0.6的颗粒质量占比小于0.5kg)、该级配质量未超上限值(2.5kg)的道砟颗粒,由16~25mm粒径颗粒分拣器42推入16~25mm粒径颗粒收集桶52;
级配粒径范围25~35.5mm且形状满足要求(Φ1/Φ2>1.8,Φ3/Φ2<0.6的颗粒质量占比小于2.3kg)、该级配质量未超上限值(11.5kg)的道砟颗粒,由25~35.5mm粒径颗粒分拣器43推入25~35.5mm粒径颗粒收集桶53;
级配粒径范围35.5~45mm且形状满足要求(Φ1/Φ2>1.8,Φ3/Φ2<0.6的颗粒质量占比小于3.5kg)、该级配质量未超上限值(17.5kg)的道砟颗粒,由35.5~45mm粒径颗粒分拣器44推入35.5~45mm粒径颗粒收集桶54;
级配粒径范围45~56mm且形状满足要求(Φ1/Φ2>1.8,Φ3/Φ2<0.6的颗粒质量占比小于3.3kg)、该级配质量未超上限值(16.5kg)的道砟颗粒,由45~56mm粒径颗粒分拣器45推入45~56mm粒径颗粒收集桶55;
级配粒径范围56~63mm且形状满足要求(Φ1/Φ2>1.8,Φ3/Φ2<0.6的颗粒质量占比小于0.4kg)、该级配质量未超上限值(2kg)的道砟颗粒,由56~63m粒径颗粒分拣器46推入56~63mm粒径颗粒收集桶56。
级配粒径或形状不满足要求,或者对应粒径范围的收集桶中道砟质量超过上限值的道砟颗粒,分拣***不进行分拣收集,道砟颗粒滚落至分拣传送带末端的骨料回收桶57。
步骤5:骨料混合
当所有粒径范围对应的收集桶中的颗粒质量均达到设定质量时,停止整个***。将各粒径范围对应的收集桶中的道砟混合,即得到特定质量、级配、形状要求的道砟样本。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明技术实质所作的等效变换,直接或间接运用在其他相关的技术领域,均包括在本发明的专利保护范围内。
Claims (7)
1.一种基于颗粒形态识别的道砟智能筛分装置,其特征在于,包括:
骨料仓;
传送机构,所述传送机构包括成像传送带和分拣传送带,所述成像传送带的起始端设置在所述骨料仓的出口下方,通过振动骨料仓使道砟颗粒从所述骨料仓的出口逐个落到所述成像传送带上,所述分拣传送带设置在所述成像传送带下方,且所述分拣传送带的起始端与所述成像传送带末端对齐;
图像采集与处理***,用于采集位于所述成像传送带最后一个道砟颗粒的形态特征并分析处理;
骨料收集机构,包括不同粒径范围对应的收集桶和骨料回收桶,所述骨料回收桶设置于所述分拣传送带末端以用于回收不分拣的道砟颗粒;
与所述图像采集与处理***连接的骨料分拣机构,用于根据道砟颗粒的形态特征分拣至特定粒径范围对应的所述收集桶。
2.根据权利要求1所述基于颗粒形态识别的道砟智能筛分装置,其特征在于,所述图像采集与处理***包括拍摄器和计算机处理***,所述拍摄器布置在所述成像传送带末端,用于采集逐个道砟颗粒轮廓图像;所述计算机处理***用于接收道砟样本目标参数的设定并作为信息处理中心。
3.根据权利要求2所述基于颗粒形态识别的道砟智能筛分装置,其特征在于,所述拍摄器包括俯视图成像相机、正视图成像相机和侧视图成像相机。
4.根据权利要求2所述基于颗粒形态识别的道砟智能筛分装置,其特征在于,所述计算机处理***的输入端与所述拍摄器连接以接收采集图像,通过图像分析得到颗粒形态特征参数,并计算道砟颗粒质量;所述计算机处理***的输出端与所述骨料分拣机构通讯连接以用于发出分拣信号。
5.根据权利要求4所述基于颗粒形态识别的道砟智能筛分装置,其特征在于,所述计算机处理***对图像分析处理得到道砟颗粒的长轴Φ1、中轴Φ2、短轴Φ3,通过Φ1、Φ2、Φ3中两指标间的相互比例关系,得到针对道砟颗粒的针状系数Φ1/Φ2和片状系数Φ3/Φ2;
其中,长轴Φ1定义为采集图像中的最长轴,短轴Φ3定义为采集图像的最短轴,中轴Φ2定义为长轴所在的图像中与长轴垂直的最长轴。
6.根据权利要求5所述基于颗粒形态识别的道砟智能筛分装置,其特征在于,所述骨料分拣机构根据中轴Φ2尺寸将道砟颗粒推入对应粒径的颗粒收集桶,当一所述收集桶中道砟针状系数Φ1/Φ2>1.8的颗粒和片状系数Φ3/Φ2<0.6的颗粒质量占比超过其设定值,所述骨料分拣机构不再将道砟针状系数Φ1/Φ2>1.8的颗粒和片状系数Φ3/Φ2<0.6的颗粒分拣至该收集桶中。
7.根据权利要求1所述基于颗粒形态识别的道砟智能筛分装置,其特征在于,所述骨料分拣机构为分拣器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338297.8A CN111515138A (zh) | 2020-04-26 | 2020-04-26 | 基于颗粒形态识别的道砟智能筛分装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338297.8A CN111515138A (zh) | 2020-04-26 | 2020-04-26 | 基于颗粒形态识别的道砟智能筛分装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111515138A true CN111515138A (zh) | 2020-08-11 |
Family
ID=71904677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010338297.8A Pending CN111515138A (zh) | 2020-04-26 | 2020-04-26 | 基于颗粒形态识别的道砟智能筛分装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111515138A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112756250A (zh) * | 2020-12-21 | 2021-05-07 | 中国水利水电科学研究院 | 一种胶结砂砾石颗粒料在线识别与级配优化装置 |
CN112945808A (zh) * | 2021-01-26 | 2021-06-11 | 中铁南方投资集团有限公司 | 一种渣土多级分离后骨料粒径的分析方法及*** |
CN112986069A (zh) * | 2021-02-26 | 2021-06-18 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种道砟颗粒劣化指数分析仪及分析方法 |
CN113442301A (zh) * | 2021-06-25 | 2021-09-28 | 湖南科技大学 | 一种基于图像识别的自动化骨料级配*** |
CN115106304A (zh) * | 2021-03-22 | 2022-09-27 | 南京工业大学 | 不同形态粗集料颗粒智能化筛分*** |
CN115193872A (zh) * | 2022-08-01 | 2022-10-18 | 武汉理工大学 | 一种再利用道砟在有砟轨道养护中的应用 |
CN116427221A (zh) * | 2023-05-11 | 2023-07-14 | 武汉大学 | 一种道床劣化状态的快速无损检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2392414A1 (de) * | 2010-06-02 | 2011-12-07 | OptoSort GmbH | Verfahren und Vorrichtung zum Erkennen eines ein Zielmineral enthaltenden Objektes |
CN103047942A (zh) * | 2012-12-26 | 2013-04-17 | 浙江大学 | 铁路公路基床级配碎石几何特征可视化采集***及方法 |
CN207742057U (zh) * | 2017-10-16 | 2018-08-17 | 华侨大学 | 一种骨料在线监测装置 |
CN106096135B (zh) * | 2016-06-12 | 2019-03-19 | 东南大学 | 一种基于aims设备的级配颗粒库文件数值生成方法 |
CN110632946A (zh) * | 2019-10-18 | 2019-12-31 | 昆明理工大学 | 一种道砟形态特征的提取装置 |
CN110681610A (zh) * | 2019-10-30 | 2020-01-14 | 唐小青 | 基于卷积神经网络与深度学习的视觉识别分选物料*** |
-
2020
- 2020-04-26 CN CN202010338297.8A patent/CN111515138A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2392414A1 (de) * | 2010-06-02 | 2011-12-07 | OptoSort GmbH | Verfahren und Vorrichtung zum Erkennen eines ein Zielmineral enthaltenden Objektes |
CN103047942A (zh) * | 2012-12-26 | 2013-04-17 | 浙江大学 | 铁路公路基床级配碎石几何特征可视化采集***及方法 |
CN106096135B (zh) * | 2016-06-12 | 2019-03-19 | 东南大学 | 一种基于aims设备的级配颗粒库文件数值生成方法 |
CN207742057U (zh) * | 2017-10-16 | 2018-08-17 | 华侨大学 | 一种骨料在线监测装置 |
CN110632946A (zh) * | 2019-10-18 | 2019-12-31 | 昆明理工大学 | 一种道砟形态特征的提取装置 |
CN110681610A (zh) * | 2019-10-30 | 2020-01-14 | 唐小青 | 基于卷积神经网络与深度学习的视觉识别分选物料*** |
Non-Patent Citations (1)
Title |
---|
中国铁道科学研究院: "《铁路碎石道砟TB/T2140-2008》", 14 November 2008, 中华人民共和国铁道部 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112756250A (zh) * | 2020-12-21 | 2021-05-07 | 中国水利水电科学研究院 | 一种胶结砂砾石颗粒料在线识别与级配优化装置 |
CN112945808A (zh) * | 2021-01-26 | 2021-06-11 | 中铁南方投资集团有限公司 | 一种渣土多级分离后骨料粒径的分析方法及*** |
CN112986069A (zh) * | 2021-02-26 | 2021-06-18 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种道砟颗粒劣化指数分析仪及分析方法 |
CN112986069B (zh) * | 2021-02-26 | 2023-01-17 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种道砟颗粒劣化指数分析仪 |
CN115106304A (zh) * | 2021-03-22 | 2022-09-27 | 南京工业大学 | 不同形态粗集料颗粒智能化筛分*** |
CN113442301A (zh) * | 2021-06-25 | 2021-09-28 | 湖南科技大学 | 一种基于图像识别的自动化骨料级配*** |
CN113442301B (zh) * | 2021-06-25 | 2022-11-29 | 湖南科技大学 | 一种基于图像识别的自动化骨料级配*** |
CN115193872A (zh) * | 2022-08-01 | 2022-10-18 | 武汉理工大学 | 一种再利用道砟在有砟轨道养护中的应用 |
CN116427221A (zh) * | 2023-05-11 | 2023-07-14 | 武汉大学 | 一种道床劣化状态的快速无损检测方法 |
CN116427221B (zh) * | 2023-05-11 | 2024-05-10 | 武汉大学 | 一种道床劣化状态的快速无损检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111515138A (zh) | 基于颗粒形态识别的道砟智能筛分装置 | |
CN110118775A (zh) | 厂拌水泥稳定碎石骨料组成快速检测方法 | |
US9908807B2 (en) | System for and method of mixed-color cullet characterization and certification, and providing contaminant-free, uniformly colored mixed-color cullet | |
WO2023280299A1 (zh) | 一种基于阈值的动态调整进行智能分选的方法及*** | |
CN113117857B (zh) | 一种连续级配再生骨料智能破碎集成*** | |
CN110458975B (zh) | 一种沥青混合料拌和过程监测***及方法 | |
CN113442301B (zh) | 一种基于图像识别的自动化骨料级配*** | |
CN111582164A (zh) | 一种基于断口特征判据的矿物解离方法 | |
CN111582162B (zh) | 一种基于颗粒断口特征的矿物解离度获取方法 | |
CN113552028B (zh) | 混合料视觉分析装置、混合料粒度组成检测方法及*** | |
CN218223572U (zh) | 一种用于识别与筛分不同形态特征集料颗粒的模块化设备 | |
CN115532649A (zh) | 一种煤矸智能分选*** | |
CN112345387B (zh) | 基于图像分析的测量煤样坚固性的方法及*** | |
CN111507980B (zh) | 动态图像法检测矿石碎磨产品粒度分布的校正方法 | |
CN111582161B (zh) | 一种基于断口特征判据的矿物解离*** | |
CN114563300B (zh) | 一种圆筒混合机制粒效果在线检测方法 | |
CN114563315A (zh) | 一种圆筒混合机制粒效果在线检测方法 | |
CN112791992B (zh) | 一种用于红枣分选生产线的自动控制*** | |
CN113121165A (zh) | 一种全再生混凝土及其制备方法 | |
CN111079548A (zh) | 基于目标高度信息和色彩信息的固废在线识别方法 | |
CN114932095A (zh) | 一种用于识别与筛分不同形态特征集料颗粒的模块化设备 | |
CN217069177U (zh) | 一种双主机智能化环保制砂楼 | |
CN112434977B (zh) | 智能分选设备除杂效果评测方法、装置和终端设备 | |
CN117299564A (zh) | 工程塑料的智能分筛控制方法及*** | |
CN117862045A (zh) | 一种超细颗粒连续分选的控制*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200811 |