[实用新型]基于卷积神经网络与深度学习的视觉识别分选物料系统

说明书

本实用新型公开了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，物料分级筛位于第一输送带的首端，第一输送带上沿物料传送的方向依次设置分料器、视觉识别装置，动作执行装置设置在第一输送带的尾端；视觉识别装置通过GPU与控制装置相连，视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器，控制装置与动作执行装置相连，控制所述动作执行装置动作。本实用新型通过卷积神经网络与深度学习加视觉识别分选物料，整体效率高，智能化程度高。

技术领域

本实用新型属于物料分选技术领域，更具体的说是涉及一种基于卷积神经网络与深度学习的视觉识别分选物料系统。

背景技术

在农业、工业、环保物质回收等领域，都涉及到分选流程。农业方面，随着人们生活水平的提高，消费者对生鲜农产品的关注从数量转向质量，进而出现了对生鲜农产品的品质检测、质量分级，根据生鲜农产品大小、重量、颜色、破损度、形状与纹理、表面缺陷等方面进行分选，然后分类处理、售卖，提高了消费者福利，同时也激励了农业生产者优化资源配置。工业方面，工业原材料品质的检测、工业成品的检测都是一个分选过程，根据特定的标准，分选出残次品并剔除掉，留下合格品进入下一个生产环节或直接进入市场流通使用；环保物质回收方面，如现下的垃圾分类，将生活垃圾通过分选，分类回收、处理，就能变废为宝更好提升回收物的价值，更好的缓解我们的环保压力。

目前，主要有人工分选、常规机械分选、射线识别分选等。人工只适合分拣较小粒径物料，且由于人的主观感觉不稳定，所以人工分选的均一性比较差、人工劳动强度大、工作效率低，现在人工费也贵，所以人工分选的成本也在不断的增高；常规机械分选，就是通过机械设备，按照物料质量、密度等单一物理分级指标进行分选，虽具有效率高、劳动强度低等优点，但对颜色、形状纹理、表面特征等无法有效识别，分选指标太单一，应用范围狭窄，总体分选效果不好，误分拣率高，且由于机械设备自身尺寸限制，无法分选大粒径物料；射线识别模式的分选设备，则因为射线存在放射性，因此存在需办理射线产品使用证及公安局备案、需设置专人负责射线产品管理维护、有穿透性局限、有使用范围局限、成本高、较大粒径物料无法识别等缺陷。

因此，如何提供一种基于卷积神经网络与深度学习的视觉识别分选物料系统是本领域技术人员亟需解决的问题。

实用新型内容

有鉴于此，本实用新型提供了一种基于卷积神经网络与深度学习的视觉识别分选物料系统，通过卷积神经网络与深度学习加视觉识别分选物料，通过卷积神经网络与深度学习算法对采集到的被分选物料提取多维度特征信息，再通过视觉识别装置对运输皮带上经过的物料进行识别、判断，得到准确的物料分选结果和物料的大小、形状、方位等信息后，进行分选操作，整体效率高，智能化程度高。

为了实现上述目的，本实用新型采用如下技术方案：

一种基于卷积神经网络与深度学习的视觉识别分选物料系统，包括：物料分级筛、分料器、第一输送带、视觉识别装置、GPU服务器、控制装置和动作执行装置，其中，所述物料分级筛位于所述第一输送带的首端，所述第一输送带上沿物料传送的方向依次设置所述分料器、所述视觉识别装置，所述动作执行装置设置在所述第一输送带的尾端；所述视觉识别装置通过所述GPU与所述控制装置相连，所述视觉识别装置对第一输送带上的物料进行特征信息和空间位置信息进行快速采集，传输至GPU服务器；所述控制装置与所述动作执行装置相连，控制所述动作执行装置动作，将粒径大小不同的物料分开。

优选的，所述物料分级筛上安装有振动电机，且所述物料分级筛包括上层大孔径筛网和下层小孔径筛网，所述下层小孔径筛网安装在所述上层大孔径筛网的下方。通过上层大孔径筛网与下层小孔径筛网可根据物料颗粒大小对物料进行初步筛分。

优选的，所述分料器与所述视觉识别装置间设置有除铁器，通过除铁器可除去物料中含有的铁物质，避免了对物料的影响。