CN115629043A - 锌精矿物料回收取样检测方法及检测*** - Google Patents
锌精矿物料回收取样检测方法及检测*** Download PDFInfo
- Publication number
- CN115629043A CN115629043A CN202211496706.2A CN202211496706A CN115629043A CN 115629043 A CN115629043 A CN 115629043A CN 202211496706 A CN202211496706 A CN 202211496706A CN 115629043 A CN115629043 A CN 115629043A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- zinc concentrate
- preset
- concentrate material
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Studio Devices (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本申请公开了一种锌精矿物料回收取样检测方法及检测***。锌精矿物料回收取样检测方法及检测方法包括:控制摄像机构采集锌精矿物料的图像;当摄像机拍摄的图像满足预设清晰度要求时,通过控制摄像机构拍摄视频流;按照预设时间间隔选取视频流中的图像作为关键帧图像,将各关键帧图像分割出物料成像区;根据物料成像区,采用预设特征区域算法计算出对应的关键帧图像的物料成像角度,根据物料成像角度获取图像景深距离;根据成像角度、图像景深距离和摄像机的当前位置信息,获取摄像机与锌精矿物料在第一方向的第一实际距离,根据第一实际距离确定第二实际距离,控制取样装置移动第二实际距离取出待检测样。本申请的取样检测方法效率高。
Description
技术领域
本申请涉及锌精矿物料取样检测技术领域,尤其涉及一种锌精矿物料回收取样检测方法及检测***。
背景技术
近些年来,随着我国经济的快速发展,对金属锌的需求量较大,锌在我国有色金属消费中的用量仅次于铜和铝,作为全球大的锌生产国和消费国,我国锌行业面临着既要保证市场需求提高产能,又要节能减碳降低污染的双重压力,所以在含锌二次锌精矿物料的处理回收方面已经成为未来的发展趋势。在有色行业整体疲软的市场背景下,迫切需要对含锌精矿物料的二次回收处理。目前,锌冶炼主要有火法和湿法两种工艺。两种工艺在有锌的二次回收处理时,需要在冶炼炉前提取锌精矿物料分析锌精矿物料成分。取样时,提取锌精矿物料不及时、耗时久对锌精矿物料成分分析精准度欠佳,都将影响取样检查结果的有效性,所以,需要研究出重现性好、精度高、可对高低含量元素同时测定的取样检测分析方法。
发明内容
本申请提供一种锌精矿物料回收取样检测方法,能够解决锌精矿物料回收过程中取样检测结果欠佳的问题。
第一方面,本申请提供的一种锌精矿物料回收取样检测方法,包括:
控制输料机构沿预设方向输送锌精矿物料;
控制摄像机构采集所述锌精矿物料的图像;
当所述摄像机构的摄像机拍摄的图像满足预设清晰度要求时,通过控制器控制所述摄像机构拍摄视频流;
通过图像分析模块按照预设时间间隔选取所述视频流中的图像作为关键帧图像,并将各所述关键帧图像分割出物料成像区;
根据所述物料成像区,采用预设特征区域算法计算出对应的所述关键帧图像的物料成像角度,根据所述物料成像角度获取图像景深距离;
根据所述成像角度、所述图像景深距离和所述摄像机的当前位置信息,获取所述摄像机构的摄像机与所述锌精矿物料在第一方向的第一实际距离;所述第一方向垂直于所述预设方向;
所述控制器根据所述第一实际距离确定出第二实际距离,并控制取样装置沿所述第一方向移动所述第二实际距离而从所述锌精矿物料中取出待检测样。
在一些示例性的实施例中,将各所述关键帧图像分割出物料成像区前还包括:
将所述关键帧图像输入锌精矿物料分类模型,所述锌精矿物料分类模型输出足锌精矿物料的所述关键帧图像;
将各所述关键帧图像分割出物料成像区为:对输出的足锌精矿物料的各所述关键帧图像分割出物料成像区。
在一些示例性的实施例中,所述预设特征区域算法为caddy特征区域算法;采用所述caddy特征区域算法计算出对应的所述关键帧图像的物料成像角度包括:
采用特征区域SIFT检测算法获取所述物料成像区的特征区域信息;
根据所述特征区域信息,采用特征区域匹配算法,将与所述物料成像区的所述特征区域信息匹配的图像的成像角度,作为对应所述关键帧图像的物料成像角度。
在一些示例性的实施例中,所述摄像机构采集所述锌精矿物料的图像包括:采用摄像机云台带动双目摄像机沿所述预设方向和第二方向中的至少一个方向移动,以使所述双目摄像机的预设拍摄区域覆盖所述锌精矿物料,以采集所述锌精矿物料的图像;所述第一方向、所述第二方向和所述预设方向两两垂直。
在一些示例性的实施例中,获取所述摄像机构的摄像机与所述锌精矿物料在第一方向的第一实际距离包括:采用三维点云重建算法基于OpenCV的空间映射,将所述图像景深距离进行坐标转换,获得所述摄像机构的摄像机与所述锌精矿物料在第一方向的第一实际距离。
在一些示例性的实施例中,当所述第一实际距离大于预设取样距离时,所述图像分析模块判定当前所述锌精矿物料在所述第一方向的厚度过薄或无物料,则所述控制器的控制模块控制所述取样装置不进行取样;或,当所述第一实际距离小于预设取样距离时,所述图像分析模块判定当前所述锌精矿物料在所述第一方向的厚度过厚,则所述控制器的控制模块控制所述取样装置不进行取样。
在一些示例性的实施例中,所述控制器在控制所述摄像机拍摄图像前,还包括获取所述摄像机的初始位置信息;所述摄像机在拍摄图像时,获取所述摄像机的移动距离信息,所述摄像机的当前位置信息根据所述初始位置信息和所述移动距离信息获取。
在一些示例性的实施例中,所述控制器的控制模块控制所述摄像机拍摄图像,所述控制器的图像分析模块根据所述摄像机拍摄的图像判断图像满足预设清晰度时,所述控制模块控制所述摄像机拍摄所述视频流;
所述图像分析模块根据所述摄像机拍摄的图像判断图像满足预设清晰度的方法包括:获取所述摄像机拍摄图像的灰度图,并获取所述灰度图边缘的连通度,当所述灰度图边缘的连通度大于预设连通度时,判断对应的图像满足预设清晰度。
在一些示例性的实施例中,当所述摄像机构的摄像机拍摄的图像满足预设清晰度时,所述控制器的控制模块控制所述摄像机的位置,且在预设时间后控制所述摄像机拍摄所述视频流。
第二方面,本申请提供的一种锌精矿物料回收取样检测***,包括:
输料机构,用于承载锌精矿物料并用于沿预设方向输送所述锌精矿物料;
摄像机构,包括摄像机,所述摄像机用于采集所述锌精矿物料的图像;
控制器,包括控制模块和图像分析模块,所述图像分析模块用于根据获取的摄像机拍摄的图像的边缘连通度判断成像清晰度;
其中,当所述图像分析模块分析所述摄像机拍摄的图像满足预设清晰度要求时,所述控制模块控制所述摄像机拍摄视频流;
所述图像分析模块按照预设时间间隔选取视频流中的图像作为关键帧图像,并将各所述关键帧图像分割出物料成像区;根据所述物料成像区,采用预设特征区域算法计算出对应的所述关键帧图像的物料成像角度,根据所述物料成像角度获取图像景深距离;根据所述成像角度、所述图像景深距离和所述摄像机的当前位置信息,获取所述摄像机与所述锌精矿物料在第一方向的第一实际距离;所述第一方向垂直于预设方向;
所述图像分析模块根据所述第一实际距离确定出第二实际距离,所述控制模块控制取样装置沿所述第一方向移动所述第二实际距离而所述从锌精矿物料中取出待检测样。
本申请提供的锌精矿物料回收取样检测方法及检测***,通过获取关键帧图像的物料成像区,根据物料成像区获取对应的关键帧图像的成像角度,并根据成像角度得到图像景深距离,以及根据成像角度、图像景深距离和摄像机的当前位置信息,获取摄像机与锌精矿物料之间的第一实际距离,本申请的方法对第一实际距离的判断更精细准确,以便取样装置移动第二实际距离更准确地抓取预设用量的待检测样。在根据关键帧图像分割出物料成像区的过程中,还能够获取物料特征,以判断当前经过摄像机拍摄区域的锌精矿物料是否存在异常,以用于判断是否进行取样操作。另外,在获取第一实际距离过程中所获取的相关数据能够被存储于控制的存储模块中,以用于实时在线优化获取第一实际距离的相关参数,不断提高对锌精矿物料识别结果的精度与识别速度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一种实施例的锌精矿物料回收取样检测方法流程示意图;
图2为本申请一种实施例的锌精矿物料回收取样检测***结构示意图;
图3为本申请一种实施例的流程框图;
图4为本申请一种实施例的锌精矿物料回收取样检测***的电路结构示意图。
附图标记:
10、锌精矿物料回收取样检测***;20、锌精矿物料;
100、输料机构;110、传送带;
200、摄像机构;210、摄像机;220、云台。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
锌冶炼工艺流程较长,需要在锌精矿焙烧前对进入焙烧炉前的锌精矿成分进行测定,实现对锌冶炼最终产量的预估计。基于此,本申请提供一种锌精矿物料回收取样检测方法。如图1所示,为本申请一种实施例的锌精矿物料回收取样检测方法的流程图,本申请的锌精矿物料回收取样检测方法可采用如图2所示的锌精矿物料回收取样检测***10进行锌精矿物料20的取样。具体地,锌精矿物料回收取样检测方法包括:
步骤S110、控制输料机构100沿预设方向输送锌精矿物料20。
步骤S120、控制摄像机构200采集锌精矿物料20的图像。
步骤S130、当摄像机构200的摄像机210拍摄的图像满足预设清晰度要求时,通过控制器的控制模块控制摄像机构200拍摄视频流。
步骤S140、通过控制器的图像分析模块按照预设时间间隔选取视频流中的图像作为关键帧图像,并将各关键帧图像分割出物料成像区。
步骤S150、通过控制器的图像分析模块根据物料成像区,采用预设特征区域算法计算出对应的关键帧图像的锌精矿物料20的成像角度,根据物料成像角度得到图像景深距离。
步骤S160、通过控制器的图像分析模块根据成像角度、图像景深距离和摄像机210的当前位置信息,获取摄像机构200的摄像机210与锌精矿物料20在第一方向的第一实际距离。
步骤S170、通过控制器的图像分析模块根据第一实际距离确定出第二实际距离,通过控制器的控制模块控制取样装置沿第一方向移动第二实际距离,取样装置从输送机构100上的锌精矿物料20中取出待检测样。
本申请的锌精矿物料回收取样检测方法,通过获取关键帧图像的物料成像区,根据物料成像区获取对应的关键帧图像的成像角度,并根据成像角度得到图像景深距离,以及根据成像角度、图像景深距离和摄像机210的当前位置信息,获取摄像机210与锌精矿物料20之间的第一实际距离,本申请的方法对第一实际距离的判断更精细准确,以便取样装置移动第二实际距离更准确地抓取预设用量的待检测样。在根据关键帧图像分割出物料成像区的过程中,还能够获取物料特征,以判断当前经过摄像机210拍摄区域的锌精矿物料20是否存在异常,以用于判断是否进行取样操作。另外,在获取第一实际距离过程中所获取的相关数据能够被存储于控制的存储模块中,以用于实时在线优化获取第一实际距离的相关参数,不断提高对锌精矿物料20识别结果的精度与识别速度。
在一些示例性的实施例中,如图3所示,通过图像分析模块将各关键帧图像分割出物料成像区前还包括:将各关键帧图像输入锌精矿物料分类模型,对各关键帧图像进行分类,分类的类型包括:足物料关键帧图像、无物料关键帧图像、欠物料关键帧图像和过量物料关键帧图像,根据各关键帧图像判断当前物料状态。通过图像分析模块根据无物料关键帧图像和欠物料关键帧图像判断,对应的物料由于欠缺不予以进行取样。通过图像分析模块根据过量物料关键帧图像判断,对应的物料过量容易与摄像机210接触,同样不予以进行取样。通过图像分析模块根据足物料关键帧图像判断,对应的物料过量合适,能够进行取样。
锌精矿物料分类模型已由目标跟踪检测算法用20000张锌精矿物料20图像进行了预训练,训练后的模型精度为96.5%。20000张锌精矿物料20图像包括足物料、无物料、欠物料、过量物料、多种粒度的物料、多个种类的物料、含杂物料等多种状态的物料的图像。目标跟踪检测算法包括paddle算法。目标跟踪检测算法基于PADDLE神经网络深度学习平台进行搭建。
在一些示例性的实施例中,锌精矿物料分类模型对各关键帧图像进行分类,输出足锌精矿物料的关键帧图像,对输出的足锌精矿物料的各关键帧图像分割出物料成像区。可选地,锌精矿物料分类模型在输出足锌精矿物料20的关键帧图像时,还包括加入定位锚点,通过定位锚点对各关键帧图像进行区域分割,分割出物料成像区。例如,定位锚点出锌精矿物料20边缘区域的轮廓等。
在一些示例性的实施例中,预设特征区域算法为caddy特征区域算法。
在一些示例性的实施例中,采用caddy特征区域算法计算出对应的关键帧图像的物料成像角度包括:采用特征区域SIFT检测算法获取物料成像区的特征区域信息。根据特征区域信息,采用特征区域匹配算法,将与物料成像区的特征区域信息匹配的图像的成像角度,作为对应的关键帧图像的物料成像角度。例如,物料成像区的特征区域可为边缘区域,特征区域信息包括边缘区域的轮廓信息、尺寸信息等。
根据物料成像角度和图像景深距离算法得到图像景深距离。可选地,摄像机构200采用双目摄像机拍摄图像,图像景深距离算法为双目景深距离算法。
在一些示例性的实施例中,获取摄像机构200的摄像机210与锌精矿物料20在第一方向的第一实际距离包括:采用三维点云重建算法基于OpenCV的空间映射,将图像景深距离进行坐标转换,获得摄像机构200的摄像机210与锌精矿物料20在第一方向的第一实际距离。
根据第一实际距离可判断锌精矿物料20的厚度。当第一实际距离大于预设取样距离时,图像分析模块判定当前锌精矿物料20在第一方向的厚度过薄或无物料,则控制器的控制模块控制取样装置不进行取样。或者,当第一实际距离小于预设取样距离时,图像分析模块判定当前锌精矿物料20在第一方向的厚度过厚,则控制器的控制模块控制取样装置不进行取样。再或者,当锌精矿物料20在第一方向的厚度过厚时,锌精矿物料20将与摄像机210碰撞,导致图像全黑无法采集图像,此时,控制器的控制模块控制输料机构100停止输送锌精矿物料20,控制器并向限制装置发送报警信号以提示进样异常。在第一方向,摄像机210与锌精矿物料20之间的距离满足预设取样距离时,取样装置进行取样操作。
锌精矿物料20可为粉状、颗粒状或块状锌精矿物料20,控制器的控制模块通过控制取样装置在第一方向移动第二实际距离,从输料机构100上的锌精矿物料20中取出预设量的待检测样。
在一些示例性的实施例中,摄像机构200采集锌精矿物料20的图像包括:采用摄像机云台220带动双目摄像机沿第二方向和预设方向中的至少一个方向移动,以使双目摄像机的预设拍摄区域覆盖锌精矿物料20,以采集锌精矿物料20的图像;第一方向、第二方向和预设方向两两垂直,例如,第一方向为竖直方向。
在一些示例性的实施例中,通过控制器的图像分析模块控制摄像机210拍摄图像前,还包括通过控制器的图像分析模块获取摄像机210的初始位置信息,摄像机210在拍摄图像时,通过图像分析模块获取摄像机210的移动距离信息,图像分析模块根据初始位置信息和移动距离信息获取摄像机210的当前位置信息。移动距离信息包括摄像机210自初始位置在第二方向移动的距离信息,以及包括摄像机210自初始位置在预设方向移动的距离信息。
在一些示例性的实施例中,控制器的控制模块控制摄像机210拍摄图像,当图像分析模块根据摄像机210拍摄的图像判断图像满足预设清晰度时,控制器的控制模块控制摄像机210拍摄视频流。
图像分析模块根据摄像机210拍摄的图像判断图像满足预设清晰度的方法包括:通过图像分析模块获取摄像机210拍摄图像的灰度图,并获取灰度图边缘的连通度,可选地,对灰度图进行降噪后获取降噪后的灰度图边缘的连通度。当灰度图边缘的连通度大于预设连通度时,图像分析模块判断对应的图像满足预设清晰度。连通度以灰度图边缘的欧式距离进行统计。
当摄像机构200的摄像机210拍摄的图像满足预设清晰度时,控制模块控制摄像机210的位置不变,且在预设时间后控制摄像机210拍摄视频流。预设时间范围为大于等于30s且小于等于40s。待摄像机210成像稳定后,控制模块控制摄像机210进行视频流的拍摄。
如图2所示,本申请实施例还一种锌精矿物料回收取样检测***10,包括输料机构100、摄像机构200、控制器和取样装置。
输料机构100用于承载锌精矿物料20并用于沿预设方向输送锌精矿物料20。输料机构100包括驱动组件和传送带110,锌精矿物料20承载于传送带110,驱动组件驱动传送带110转动以带动锌精矿物料20沿预设方向移动。
摄像机构200包括摄像机210,摄像机210用于采集锌精矿物料20的图像。例如摄像机210为双目摄像机。摄像机构200还包括摄像机云台220,摄像机210安装于摄像机云台220,摄像机云台220用于带动双目摄像机沿第二方向和预设方向中的至少一个方向移动,以使双目摄像机的预设拍摄区域覆盖锌精矿物料20,以使摄像机210采集对应的锌精矿物料20的图像。
控制器包括控制模块和图像分析模块。如图4所示,控制模块可采用AM5728处理器,用于完成***通讯、图像获取、分析计算等功能。AM5728具有MIPI并行数据总线、AHB高速***总线、以太网等功能模块,用来与摄像机、电气柜及服务器进行通讯。控制模块采用EIP现场总线实时控制驱动组件和变频器。为方便现场操作,锌精矿物料回收取样检测***10还包括防爆触摸屏显示终端,可显示各个部件的状态并进行手动控制。
图像分析模块用于根据获取的摄像机210拍摄的图像的边缘连通度判断成像清晰度;其中,当图像分析模块分析摄像机210拍摄的图像满足预设清晰度要求时,控制模块控制摄像机210拍摄视频流。
图像分析模块按照预设时间间隔选取视频流中的图像作为关键帧图像,并将各关键帧图像分割出物料成像区;根据物料成像区,采用预设特征区域算法计算出对应的关键帧图像的物料成像角度,根据物料成像角度获取图像景深距离;根据成像角度、图像景深距离和摄像机210的当前位置信息,获取摄像机构200的摄像机210与锌精矿物料20在第一方向的第一实际距离;第一方向垂直于预设方向。
图像分析模块根据第一实际距离确定出取样装置沿第一方向移动的第二实际距离,控制模块控制取样装置的伺服驱动器驱动取料件沿第一方向移动第二实际距离,取料件从锌精矿物料20中取出待检测样。例如取料件为取料爪,取料爪抓取待检测样,或者,取样装置为真空取样装置,取料爪为取料管,采用抽吸的方式吸取待检测样。
控制器还包括存储模块,摄像机210拍摄获得的图像信息以及获取第一实际距离过程中的各种参数均可存储于存储模块中。
本申请的锌精矿物料回收取样检测***10采用如上所述的方法对锌精矿物料20进行取样,取样精度和取样效率高。
申请人声明,本发明通过上述实施例来说明本发明的详细方法,但本发明并不局限于上述详细方法,即不意味着本发明必须依赖上述详细方法才能实施。所属技术领域的技术人员应该明了,对本发明的任何改进,对本发明产品各原料的等效替换及辅助成分的添加、具体方式的选择等,均落在本发明的保护范围和公开范围之内。
Claims (10)
1.一种锌精矿物料回收取样检测方法,其特征在于,包括:
控制输料机构沿预设方向输送锌精矿物料;
控制摄像机构采集所述锌精矿物料的图像;
当所述摄像机构的摄像机拍摄的图像满足预设清晰度要求时,通过控制器控制所述摄像机构拍摄视频流;
通过图像分析模块按照预设时间间隔选取所述视频流中的图像作为关键帧图像,并将各所述关键帧图像分割出物料成像区;
根据所述物料成像区,采用预设特征区域算法计算出对应的所述关键帧图像的物料成像角度,根据所述物料成像角度获取图像景深距离;
根据所述成像角度、所述图像景深距离和所述摄像机的当前位置信息,获取所述摄像机构的摄像机与所述锌精矿物料在第一方向的第一实际距离;所述第一方向垂直于所述预设方向;
所述控制器根据所述第一实际距离确定出第二实际距离,并控制取样装置沿所述第一方向移动所述第二实际距离而从所述锌精矿物料中取出待检测样。
2.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,将各所述关键帧图像分割出物料成像区前还包括:
将所述关键帧图像输入锌精矿物料分类模型,所述锌精矿物料分类模型输出足锌精矿物料的所述关键帧图像;
将各所述关键帧图像分割出物料成像区为:对输出的足锌精矿物料的各所述关键帧图像分割出物料成像区。
3.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,所述预设特征区域算法为caddy特征区域算法;采用所述caddy特征区域算法计算出对应的所述关键帧图像的物料成像角度包括:
采用特征区域SIFT检测算法获取所述物料成像区的特征区域信息;
根据所述特征区域信息,采用特征区域匹配算法,将与所述物料成像区的所述特征区域信息匹配的图像的成像角度,作为对应所述关键帧图像的物料成像角度。
4.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,所述摄像机构采集所述锌精矿物料的图像包括:采用摄像机云台带动双目摄像机沿所述预设方向和第二方向中的至少一个方向移动,以使所述双目摄像机的预设拍摄区域覆盖所述锌精矿物料,以采集所述锌精矿物料的图像;所述第一方向、所述第二方向和所述预设方向两两垂直。
5.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,获取所述摄像机构的摄像机与所述锌精矿物料在第一方向的第一实际距离包括:采用三维点云重建算法基于OpenCV的空间映射,将所述图像景深距离进行坐标转换,获得所述摄像机构的摄像机与所述锌精矿物料在第一方向的第一实际距离。
6.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,
当所述第一实际距离大于预设取样距离时,所述图像分析模块判定当前所述锌精矿物料在所述第一方向的厚度过薄或无物料,则所述控制器的控制模块控制所述取样装置不进行取样;或
当所述第一实际距离小于预设取样距离时,所述图像分析模块判定当前所述锌精矿物料在所述第一方向的厚度过厚,则所述控制器的控制模块控制所述取样装置不进行取样。
7.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,所述控制器在控制所述摄像机拍摄图像前,还包括获取所述摄像机的初始位置信息;所述摄像机在拍摄图像时,获取所述摄像机的移动距离信息,所述摄像机的当前位置信息根据所述初始位置信息和所述移动距离信息获取。
8.根据权利要求1所述的锌精矿物料回收取样检测方法,其特征在于,所述控制器的控制模块控制所述摄像机拍摄图像,所述控制器的图像分析模块根据所述摄像机拍摄的图像判断图像满足预设清晰度时,所述控制模块控制所述摄像机拍摄所述视频流;
所述图像分析模块根据所述摄像机拍摄的图像判断图像满足预设清晰度的方法包括:
获取所述摄像机拍摄图像的灰度图,并获取所述灰度图边缘的连通度,当所述灰度图边缘的连通度大于预设连通度时,判断对应的图像满足预设清晰度。
9.根据权利要求8所述的锌精矿物料回收取样检测方法,其特征在于,当所述摄像机构的摄像机拍摄的图像满足预设清晰度时,所述控制器的控制模块控制所述摄像机的位置,且在预设时间后控制所述摄像机拍摄所述视频流。
10.一种锌精矿物料回收取样检测***,其特征在于,包括:
输料机构,用于承载锌精矿物料并用于沿预设方向输送所述锌精矿物料;
摄像机构,包括摄像机,所述摄像机用于采集所述锌精矿物料的图像;
控制器,包括控制模块和图像分析模块,所述图像分析模块用于根据获取的摄像机拍摄的图像的边缘连通度判断成像清晰度;
其中,当所述图像分析模块分析所述摄像机拍摄的图像满足预设清晰度要求时,所述控制模块控制所述摄像机拍摄视频流;
所述图像分析模块按照预设时间间隔选取视频流中的图像作为关键帧图像,并将各所述关键帧图像分割出物料成像区;根据所述物料成像区,采用预设特征区域算法计算出对应的所述关键帧图像的物料成像角度,根据所述物料成像角度获取图像景深距离;根据所述成像角度、所述图像景深距离和所述摄像机的当前位置信息,获取所述摄像机与所述锌精矿物料在第一方向的第一实际距离;所述第一方向垂直于预设方向;
所述图像分析模块根据所述第一实际距离确定出第二实际距离,所述控制模块控制取样装置沿所述第一方向移动所述第二实际距离而从所述锌精矿物料中取出待检测样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496706.2A CN115629043B (zh) | 2022-11-28 | 2022-11-28 | 锌精矿物料回收取样检测方法及检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496706.2A CN115629043B (zh) | 2022-11-28 | 2022-11-28 | 锌精矿物料回收取样检测方法及检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115629043A true CN115629043A (zh) | 2023-01-20 |
CN115629043B CN115629043B (zh) | 2023-04-28 |
Family
ID=84910610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211496706.2A Active CN115629043B (zh) | 2022-11-28 | 2022-11-28 | 锌精矿物料回收取样检测方法及检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115629043B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091234A (zh) * | 2023-03-27 | 2023-05-09 | 深圳上善智能有限公司 | 一种基于互联网的贵金属智能兑换方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005189179A (ja) * | 2003-12-26 | 2005-07-14 | Jfe Steel Kk | 粉粒体の粒度計測方法 |
CN101872423A (zh) * | 2010-05-27 | 2010-10-27 | 天津大学 | 一种生产线上运动目标追踪方法 |
US20130100444A1 (en) * | 2011-10-21 | 2013-04-25 | Chesner Engineering, P.C. | Bulk material sampling and laser targeting system |
CN104786226A (zh) * | 2015-03-26 | 2015-07-22 | 华南理工大学 | 抓取在线工件的机器人位姿及运动轨迹定位***与方法 |
WO2019002114A1 (de) * | 2017-06-26 | 2019-01-03 | Krones Ag | Vorrichtung und verfahren zum rundum-inspizieren von behältnissen am transportband |
CN110450153A (zh) * | 2019-07-08 | 2019-11-15 | 清华大学 | 一种基于深度强化学习的机械臂物品主动拾取方法 |
CN212527798U (zh) * | 2020-06-11 | 2021-02-12 | 鄂尔多斯市中钰泰德煤炭有限公司 | 一种分拣机械手 |
CN114897762A (zh) * | 2022-02-18 | 2022-08-12 | 众信方智(苏州)智能技术有限公司 | 一种煤矿工作面采煤机自动定位方法及装置 |
-
2022
- 2022-11-28 CN CN202211496706.2A patent/CN115629043B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005189179A (ja) * | 2003-12-26 | 2005-07-14 | Jfe Steel Kk | 粉粒体の粒度計測方法 |
CN101872423A (zh) * | 2010-05-27 | 2010-10-27 | 天津大学 | 一种生产线上运动目标追踪方法 |
US20130100444A1 (en) * | 2011-10-21 | 2013-04-25 | Chesner Engineering, P.C. | Bulk material sampling and laser targeting system |
CN104786226A (zh) * | 2015-03-26 | 2015-07-22 | 华南理工大学 | 抓取在线工件的机器人位姿及运动轨迹定位***与方法 |
WO2019002114A1 (de) * | 2017-06-26 | 2019-01-03 | Krones Ag | Vorrichtung und verfahren zum rundum-inspizieren von behältnissen am transportband |
CN110450153A (zh) * | 2019-07-08 | 2019-11-15 | 清华大学 | 一种基于深度强化学习的机械臂物品主动拾取方法 |
CN212527798U (zh) * | 2020-06-11 | 2021-02-12 | 鄂尔多斯市中钰泰德煤炭有限公司 | 一种分拣机械手 |
CN114897762A (zh) * | 2022-02-18 | 2022-08-12 | 众信方智(苏州)智能技术有限公司 | 一种煤矿工作面采煤机自动定位方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091234A (zh) * | 2023-03-27 | 2023-05-09 | 深圳上善智能有限公司 | 一种基于互联网的贵金属智能兑换方法及*** |
CN116091234B (zh) * | 2023-03-27 | 2023-06-23 | 深圳上善智能有限公司 | 一种基于互联网的贵金属智能兑换方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115629043B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866903B (zh) | 基于霍夫圆变换技术的乒乓球识别方法 | |
CN107563347B (zh) | 一种基于tof相机的客流计数方法和装置 | |
US11605169B2 (en) | Method and system for detecting flow velocity of high-temperature molten fluid | |
CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和*** | |
JP6305171B2 (ja) | シーン内の物体を検出する方法 | |
CN107105159B (zh) | 基于SoC的嵌入式运动目标实时检测跟踪***及方法 | |
WO2021103837A1 (zh) | 黑烟车检测方法、装置及电子设备 | |
CN105044122A (zh) | 一种基于半监督学习模型的铜件表面缺陷视觉检测***及检测方法 | |
CN113324864B (zh) | 一种基于深度学习目标检测的受电弓碳滑板磨耗检测方法 | |
CN112785628B (zh) | 一种基于全景视角检测跟踪的轨迹预测方法及*** | |
CN115629043B (zh) | 锌精矿物料回收取样检测方法及检测*** | |
CN112862744B (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
CN102610104B (zh) | 一种车载的前方车辆检测方法 | |
CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
CN113850872A (zh) | 一种基于高位视频的服务区停车压线检测方法 | |
CN115346197A (zh) | 一种基于双向视频流的驾驶员分心行为识别方法 | |
CN101320477B (zh) | 一种人体跟踪方法及其设备 | |
CN114004814A (zh) | 一种基于深度学习和灰度三阶矩分析的煤矸石识别方法及*** | |
JPWO2018020638A1 (ja) | 撮像装置、撮像システム及び撮像処理方法 | |
Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
CN107292908A (zh) | 基于klt特征点跟踪算法的行人跟踪方法 | |
CN116520351A (zh) | 一种列车状态监测方法、***、存储介质及终端 | |
CN101930541A (zh) | 基于视频的火焰检测装置和方法 | |
CN102542239B (zh) | 一种烧结机尾红断面有效图像自动捕捉方法 | |
Wang et al. | Visual defect detection for substation equipment based on joint inspection data of camera and robot |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |