基于图像纹理的散料装车料位识别试验研究

针对散料自动装车中超声波料位检测方法不能反映料堆实际形态的缺点,提出了基于图像纹理识别的料位检测方法。首先,对原图像进行同态滤波及二值化预处理,以增强图像纹理并减小纹理特征提取计算量;然后,计算装车图像的共生矩阵纹理特征,并对所计算的特征进行主成分分析降维;最后,利用决策树分类算法对装车料位图像进行分块识别并拟合出直线料位。试验结果表明,所提方法料位识别平均偏差为6.5像素,料位识别率为96%,每帧图像处理时间约0.2s。算法基本满足散料装车料位实时检测的要求。

基于改进DeepLabV3+的沥青成品料装车状态自动监测

当前沥青拌合站成品料装车系统仍旧依赖人工观察对装车状态进行监测,存在自动化程度低、作业效率不高等问题。为实现沥青拌合站装车的自动化监测,提出一种基于语义分割的机器视觉自动监测方法,使用ShuffleNetV2替代原DeepLabV3+的骨干网络Xception,构建出轻量级的语义分割网络S-DeepLabV3+,利用S-DeepLabV3+将场景分割为车厢、料堆、落料和背景4个区域,然后利用落料语义所占百分比判断料门的落料状态,利用落料区域料堆顶点到车厢上边沿的距离判断落料区域的料堆状态。实验结果表明,与原DeepLabV3+相比,S-DeepLabV3+在保证图像分割准确率的前提下,速度提升了16.23%,其监测结果与人工监测判别结果一致,准确率可达到100%,可以满足沥青拌合站成品料装车状态监测的应用要求,为沥青拌合站实现自动化装车奠定了基础。

磷肥散料铁路定量装车设施应用探析

简要介绍了散料定量装车站的构成和装车的定量原理,以某企业磷肥散料快速定量铁路装车设施为例,阐述了铁路散料定量装车在工程应用中的经验,分析了其优势与存在的不足,为后续工程应用提供参考。

结合SVM后验概率的散料料位识别试验研究

提出了一种散料装车料位的图像检测方法,该方法将待处理料堆图像分为若干不重叠的子块,对各子块进行了同态滤波、二值化及二值共生矩阵纹理特征提取,并根据纹理特征对各子块进行了分类识别。在识别过程中,提出了一种基于SVM及其后验概率的料堆识别方法,建立了位于交界位置子块的SVM后验概率与其中料堆目标所占比例的关系模型,并将仅采用SVM对子块识别后的料位拟合结果与其后验概率输出相结合,在这些交界位置子块内进行了进一步的图像分割。试验结果表明,所提出的方法与仅采用SVM子块识别的料堆轮廓及料位拟合误差相比,分别减小42%和56%,平均误差分别为0.4517pixel和0.2586pixel,在MATLAB下每帧处理需0.2s。

基于实例分割的装车质量检测与调整方法研究

针对当前散料装车系统不能准确、完整、及时地获取料堆轮廓,料位检测易受到噪声干扰,导致无法保障装车作业质量等问题,创新性地提出了以实例分割技术为基础的装车质量检测与调整方法。基于Yolact实例分割术的货车箱体和煤堆检测,训练后的模型能在烟尘和强烈的光影环境下准确检测出煤堆和车厢边沿区域。基于煤堆和车厢边沿区域的装车撒料检测和基于煤堆和车厢侧边沿内侧垂直边缘的料位判断,检测得到的煤堆与车厢内壁接触线能够直接反映装车程度。基于实时料位信息的给料自动调整方法,通过已经装好的列车车厢数据进行自调整,适用于不同的车厢尺寸。试验结果表明,该方法不需要对车速进行设定就能实现比较理想的装车效果,对实现散料自动装车具有实际应用价值。

基于ST文本编程的快速定量装车PLC控制系统

针对皖江物流裕溪口煤码头卸煤棚的改造,提出一种新的装车系统,采用ST文本化进行PLC编程,对于复杂的装车算法具有很强的处理能力,能够实现对各系统的准确控制。

基于ST文本编程的快速定量装车PLC控制系统

针对目前现有的煤码头与集运站等散料定量货车装载的需求,提出新型定量装载系统,通过对现有的卸煤棚的改造实现装机应用。在PLC的控制方面,通过采用新型的ST编程实现PLC复杂逻辑的快速分析执行,实现对各子设备进行精确控制,并且实现了复杂的自动控制算法。