基于yolov5的可视自动化识别抓取平台

在传统工艺中拣矸工序是靠人工操作完成，不仅工作效率较低，劳动量也较大，工人的作业环境也较比恶劣。在传统工艺中矸石被大量堆积，造成土地被占用，空气被污染，水土遭到侵害等不利影响。所以设计出一种既环保又省力的智能分拣系统迫在眉睫。煤炭生产中煤矸石识别挑选工艺的核心是对煤及矸石的自动辨别。而自动分拣的最大优势在于超强的感知能力，应用图像法进行原煤筛选是根据图像自动识别软件拍下煤与矸石的影像数据，再运用智能化人工自动识别功能加以辨别归类。通过采用图象处理和模式识别技术对煤块和矸石进行识别,结合计算机技术和机械自动化技术,达到了高效识别煤矸石的目的。煤矸石自动识别系统通过摄像机对煤块和煤矸石图像采集和处理，经过输入处理后转换的信号进入微控制器，然后根据人工智能理论原理对信号进行处理。如果判断的结果是煤，则不动作，煤块自然落到运煤皮带上；如果判断结果是矸石，则机器工作，将矸石分选到带有挡板的矸石皮带上。从而实现高效识别煤矸石的目的。在网络技术快速发展的前提下，本系统采用的AI人工智能神经网络深度学习技术在煤矸分拣领域应用属国内首创，达到国际先进水平。实现自动选矸的设备，该设备采用视觉对煤和矸石进行数据特征采集，利用卷积神经网络技术对煤和矸石进行深度学习，利用大数据来识别煤和矸石，用XYZ运动方式模拟人工抓取动作作为执行机构。设备集机械、自动控制、及AI大数据技术，具有操作简单、维护方便、抗恶劣环境等一系列优点，非常适合在工况复杂的选煤现场使用。运用视觉识别技术、煤识别率超过90%，矸石选出率不低于85%，系统可以设定分选矸石或分选煤块。该系统是基于机器视觉的智能煤矸识别技术，通过高速相机摄取的煤和矸石图像，对煤块和矸石的轮廓、灰度、纹理、反射光线、波长进行数据采集标定入库，经一级目标检测网络识别煤矸轮廓、二级网络进行煤矸初筛和精筛分类，采用神经网络技术深度学习，实现煤与矸识别。