基于机器视觉的煤中杂物智能分选系统研究

为解决煤炭分选过程中杂物对生产的影响及由此产生的各种问题，设计了基于深度学习和机器视觉的集煤中杂物智能识别、定位和分拣于一体的杂物智能分选系统。该系统建立了基于语义分割的像素级杂物识别模型，计算成本比标准卷积网络模型降低8～9倍；构建了复杂环境条件下的机械手精准抓取策略，能够避开干扰物，实现硬质物料、轻质物料抓取点的精确选择。在涡北选煤厂的应用测试表明，该系统杂物检测准确率为96.647%，机械手分拣成功率为94.759%，系统分拣率为91.640%，能够高效除去煤中杂物，提高了杂物分选过程的智能化水平。