[发明专利]一种基于深度学习的煤中杂物智能分拣系统及其分拣方法

权利要求书

1.一种基于深度学习的煤中杂物智能分拣系统，其特征在于，杂物图像智能检测模型，训练完成以后部署至嵌入式设备中，实现煤中杂物在线识别的分布式部署，根据杂物的类别、位置、姿态和时间信息确定高效的杂物抓取策略，统筹多只机械手高速、协同工作。

2.根据权利要求1所述的一种基于深度学习的煤中杂物智能分拣系统，其特征在于，依托配套的设备进行煤中杂物的智能检测与分拣；所述的配套设备，包含皮带输送机、溜槽、布料系统、图像识别单元、控制系统和执行机构。

3.根据权利要求2所述的一种基于深度学习的煤中杂物智能分拣系统，其特征在于，所述的图像识别单元，包括高清工业相机和辅助光源和AI嵌入式平台，用于获取杂物的类别、位置、姿态和时间信息。

4.根据权利要求2所述的一种基于深度学习的煤中杂物智能分拣系统，其特征在于，所述的执行机构，包含X向电缸、Y向电缸、Z向电缸、旋转缸和气动夹爪，结合杂物的位置和姿态信息完成X向运动、Y向运动、Z向运动和旋转运动，根据时间信息完成合爪动作。

5.一种基于深度学习的煤中杂物智能分拣方法，其特征在于，采用权利要求1到4任一项所述的一种基于深度学习的煤中杂物智能分拣系统，包括以下步骤：采用高清工业相机采集皮带输送机上的煤中杂物图像，利用人工和半监督学习方式进行数据标注，并基于深度学习的方法构建杂物图像智能检测模型，完成杂物的精准定位与识别；利用图像处理方法对模型分割结果进行连通区域的骨架提取从而确定杂物姿态，然后获取骨架质心确定抓取点和时间信息，传递给杂物分拣控制系统。

6.根据权利要求5所述的一种基于深度学习的煤中杂物智能分拣方法，其特征在于，所述的杂物图像智能检测模型，包括Unet、SegNet、PSPnet编码器-解码器网络结构。

7.根据权利要求5所述的一种基于深度学习的煤中杂物智能分拣方法，其特征在于，包括以下步骤：

步骤S1：皮带运输机启动后打开相机获取运动过程中的杂物图像，由千兆以太网传输至图像识别单元；

步骤S2：图像识别单元对皮带上物料数量进行统计，如果物料数量过多则跳回步骤S1；

步骤S3：图像是被单元对杂物检测，如果未检测到杂物，则跳回步骤S1；如果检测到杂物，获取杂物的类别、位置、姿态和时间信息，由RS485通讯传送至控制系统；

步骤S4：控制系统根据杂物类别信息指定执行机构中专用机械手工作，将信号由定位模块发送对应的执行机构驱动器中；

步骤S5：执行机构驱动器接收位置信号后，X向与Y向电缸两轴插补运行，然后悬垂在皮带上方，旋转缸根据姿态信息旋转相应角度，然后气缸等待时间信号进行合爪操作，Z向电缸跟随杂物运动，直至抓取完成，完成动作后由编码器返回响应信号，完成抓取动作后返回原点，等待下次抓取任务；

步骤S6：整套系统运行过程中统计杂物类别和数量信息。