[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

说明书

本发明公开了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，对图像采集系统获得的原煤图像进行人工和半监督学习方式标注，构建基于深度学习的语义分割模型完成杂物的定位与识别，并确定杂物的位置和姿态，然后将杂物的类别、位置、姿态和时间信息发送至杂物智能分拣控制系统，系统接收信号确定机械手的控制策略，完成煤中杂物的高效分拣。本发明相比其他杂物分拣方法，有效率高，安全系数高的优点。

技术领域

本发明涉及矿物加工和机器视觉交叉领域，尤其是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。

技术背景

原煤开采过程中含有各类铁器、锚杆、锚索、网片、破损胶带、电缆头、木材等生产废旧物资。此外，井下作业产生的生活垃圾(如塑料瓶、塑料袋等)也会混入到提升原煤中。如果不加以控制而使杂物进入最终商品煤，不仅会造成破碎机损坏、胶带输送机撕裂等生产运输系统的机电事故，而且商品煤用户在使用过程中可能会因某种杂物而导致设备受损、锅炉爆炸等安全生产事故，带来严重的经济损失，甚至造成人员伤亡。

为减少商品煤中杂物数量，洗煤厂一直采用员工手选挑拣除杂(在块煤手选皮带上)的方式，但人工方式捡杂存在杂物挑拣率低、员工劳动强度大、安全系数低等问题，使得原煤中的杂物不仅对煤炭洗选加工过程和使用带来危害，甚至会造成经济损失和人员伤亡。现有的人工拣选方式既不安全，也不符合煤炭行业智能化建设的目标。因此，将深度学习方法引入煤中杂物的检测与分拣，能够进一步向行业“提质增效”的目标迈进，然而目前仍未见该方法在矿物加工中原煤除杂技术领域的应用。

原煤中杂物的存在会对煤炭的洗选加工过程和使用带来危害，甚至会造成经济损失和人员伤亡。现有的人工拣选方式既不安全，也不符合智能化建设的目标。为进一步提升选煤厂智能化水平，实现集团“提质增效”的目标，采用一种基于深度学习的煤中杂物智能分拣系统及方法。然而目前仍未见该方法在矿物加工技术领域中应用。

发明内容

本发明的目的是提供一种基于深度学习的煤中杂物智能分拣系统及方法，利用该方法与分拣系统可完成传送带上煤中杂物的在线准确检测与分拣。

本发明的目的是通过以下技术方案实现的：

一种基于深度学习的煤中杂物智能分拣系统，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。

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。

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。

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。

进一步地，所述的杂物智能检测模型，包括但不限于Unet、SegNet、PSPnet等编码器-解码器结构的语义分割网络，通过语义分割网络获取杂物的类别轮廓，然后利用图像处理技术提取杂物轮廓连通区域的骨架信息，得到杂物的姿态信息。

所述的杂物骨架信息，再此基础上得到骨架的质心位置，得到杂物的位置信息和到达机械手位置的时间信息，用于执行机构的抓取。

煤中杂物智能检测模型，可在训练完成之后部署到嵌入式设备中，将得到的杂物的类别、位置、姿态、时间信息通过RS485通讯传送至控制系统；

本发明通过高清工业相机在运动的传送带上方采集煤中杂物图像通过千兆以太网传输至服务器，采用人工和半监督方式进行标注，勾勒杂物的完整轮廓，用于杂物智能检测模型的训练。