基于EAIDK的智能煤矸分拣系统设计
来源期刊:工矿自动化2020年第1期
论文作者:王冠军 苏婷婷 刘文博 钱智平 李佳泽
文章页码:105 - 108
关键词:选煤;自动煤矸分拣;矸石识别;卷积神经网络;机械臂控制;EAIDK平台;深度学习;
摘 要:现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高,而基于密度的分拣方法适用于井下初选,成本较高。针对上述问题,设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台,在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络,建立端到端可训练图像检测模型,并利用智能摄像机获取的图像数据训练模型;通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系,控制机械臂进行矸石追踪和分拣。实验结果表明,该系统矸石识别准确率稳定保持在95%以上,机械臂跟踪时间小于30ms,执行误差为1mm左右,可以满足煤矸分拣工艺要求。
王冠军,苏婷婷,刘文博,钱智平,李佳泽
中国矿业大学计算机科学与技术学院
摘 要:现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高,而基于密度的分拣方法适用于井下初选,成本较高。针对上述问题,设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台,在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络,建立端到端可训练图像检测模型,并利用智能摄像机获取的图像数据训练模型;通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系,控制机械臂进行矸石追踪和分拣。实验结果表明,该系统矸石识别准确率稳定保持在95%以上,机械臂跟踪时间小于30ms,执行误差为1mm左右,可以满足煤矸分拣工艺要求。
关键词:选煤;自动煤矸分拣;矸石识别;卷积神经网络;机械臂控制;EAIDK平台;深度学习;