当前位置：首页 > 产品中心

煤矸石识别设备

煤矸石识别设备

智能设备

鹤壁煤化提供矿山企业智能化升级改造服务，有无人值守自动装车、智能分拣系统 2019年5月3日煤矸石识别技术是实现煤矸石分选的重要环节。准确识别煤矸石有助于提高分选设备的自动化、智能化水平。煤矸石识别是根据煤矸石的特征差异，指定一个预先定义的识别类煤矸石识别方法研究现状与展望11 行本产品运用机器视觉、深度网络学习等人智能技术，结合传统机械、电 TGS智能选矸机器人2024年6月28日 MHAI智能分选系统是我们公司自主研发的一套用于煤矸石分选的综合型智能机械产品系统，将人工智能、机器深度学习技术及视觉识别技术等有机高效组成的一套煤矸石和块矸石分拣,分拣系统,智能矸石分拣系统

智能煤矸石分选机自动化高效快捷 YingYong

该设备采用XRT技术对一定粒度范围的块煤进行自动识别，分辨出精煤和煤矸石，采用阵列式高压气喷装置，逐一分选，从而实现智能干选目的。设备具有分选精度高、处理量大、绿色环保、安全稳定等特点，可有效替代现有人工拣选、跳 2023年11月2日 XDS智能煤矸石分选系统为新一代智能干选技术，是块原煤分选的最佳选择。主要包含筛分装置、XDS智能煤矸石选机及运载系统。其中XDS智能煤矸石选机包括识别系统和 XDS智能煤矸石分选系统本方案提出了一种智能煤矸石分选检测方法，用先进的工业相机替代肉眼识别，用近红外激光代替可见光，减少自然光、环境光对成像质量的影响。采样精度、工作距离、视场宽度可根据具煤矸石分选检测解决方案凌云光技术股份有限公司2024年2月8日煤矸石分选技术对特征提取以及实时性要求较高。提出一种基于激光雷达的双通道伪彩图像识别模型，将煤矸石的强度数据与距离点云数据相融合，经预处理后得到双通道基于激光雷达的双通道伪彩图像煤矸识别方法 Researching

一种煤矸石识别方法、装置、设备及可读存储介质

2022年9月7日高效的煤矸石识别一方面可以大大减少煤炭加工过程中煤矸石对选煤生产效率的影响，减少对生产设备的损伤；另一方面可以降低煤矸石的升井量，减少煤矸石对土壤、空气和 2022年5月7日煤矸石识别分拣解决方案，凭借其业界领先的计算机视觉技术，配合自研的软硬件一体化设备，打通了煤矸石识别拣出的全流程：从定制打光方案、相机成像，到煤矸石识别，再到输出坐标，控制机械手拣出，让煤矸石分拣识别真正告别人工操作思谋视觉检测「AI + 煤炭」打通煤矸石识别分拣全链条 2023年11月8日在本博文中，我们提出了一种基于深度学习的煤矸石检测与识别系统，该系统采用YOLOv8算法对煤矸石进行检测和识别，实现对图片中的煤矸石进行准确识别。1项目需求对煤矸石进行检测与识别，系统将识别出图片中的深度学习——煤矸石识别 CSDN博客2024年2月8日摘要煤矸石快速精准的识别对提升煤炭产能有着极大的影响，而现有的煤矸识别分选方法在分选设备、准确率以及效率上尚有不足。提出了一种基于深度学习的激光雷达双通道伪彩图像煤矸识别方法。首先，基于激光雷达距离通道信基于激光雷达的双通道伪彩图像煤矸识别方法 Researching

矸石选出率95%+！平煤神马中平自动化自主研发智能选矸

2021年12月12日除了能够大量节省人力成本，智能选矸系统还通过将已经大量成熟安全应用的射线及图像识别、人工智能深度学习、稳定可靠的多模块化机械拣选等技术有机高效结合，有效解决了传统水洗（跳汰）煤矸石时的水资源浪费等问题。2022年12月31日一种基于yolovtiny和fpga的煤矸石识别系统技术领域本发明属于煤、矸石区分技术领域，尤其涉及一种基于yolovtiny和fpga的煤矸石识别系统。背景技术煤炭是我国主要能源之一，在我国的能源结构中占据绝对优势地位。随着国家双碳工业任务“碳达峰”、“碳中和”的不断推动，选煤作为煤炭资源清洁一种基于YOLOv4tiny和FPGA的煤矸石识别系统 X技术网2023年3月3日煤矸石识别与定位算法流程如图4所示。采集的图像经过裁切、去噪、灰度化等预处理后，利用BLOB区域联通法判断图像内是否存在待检测的煤和矸石。对定位的煤矸石进行灰度直方图方法分析，根据设置的煤和矸石的灰度图像阈值，判定当前煤矸石智能分拣机器人的研究与应用智能矿山网2017年2月28日系统的主要目标是实现对煤和矸石的识别和分选，提高煤的质量及更有效地利用矸石。系统分为3个部分 [5] ：检测部分、识别控制部分和执行分选部分。 (1) 检测部分：包括胶带传感器、X射线源、X射线线阵探测器XCard、数据采集卡XDAQ、CCD摄像机基于X射线和机器视觉的煤与矸石分选系统设计

基于机器视觉的多机械臂煤矸石分拣机器人系统研究 CSDN博客

2022年11月5日西安科技大学机械工程学院曹现刚教授团队提出一种基于煤矸图像识别和定位方法，并采用多机械臂协同煤矸分拣策略的煤矸分拣机器人。该机器人将机器视觉技术、机器人技术和深度学习技术结合，分拣效率高，煤矸快速识别和定位方法对煤矸混合样本下的目标识别准确率达到7692%。摘要：基于光学图像的煤矸石识别方法具有设备简单,易实现,绿色环保等优势,是实现智能化煤矸石分选的重要途径该类方法分为两种研究路径,一种是需要人为提取特征进行识别的路径,一般包括煤矸图像数据采集,图像预处理,特征选择与提取和煤矸识别另一种是利用深度学习神经网络进行自主基于光学图像的煤矸石识别方法综述百度学术2021年3月5日由表1中可以看到，CBAM注意力机制模块引入之后所形成的新网络模型的参数体积相比原模型只有几百字节的增大，所带来的识别精度和召回率提升却是明显有效的，而从识别速度角度观察，排除因试验设备所带来的数据读取所消耗的时间分析，新模型和原始模型基于深度学习的煤矸石识别技术与实现2023年11月2日其中XDS智能煤矸石选机包括识别系统和分选系统，为本套系统中的核心技术。识别系统使用微剂量X射线透射成像识别技术，计算原煤块的密度及物质组成，保证识别准确率达到100% 。而分选系统则采用公司自主研发的专利虚拟分道高速分选技术，以纯机电 XDS智能煤矸石分选系统

矸石分拣,分拣系统,智能矸石分拣系统

2024年6月28日 MHAI智能分选系统是我们公司自主研发的一套用于煤矸石分选的综合型智能机械产品系统，将人工智能、机器深度学习技术及视觉识别技术等有机高效组成的一套煤矸石和块煤精准识别分选系统，替代人工手选矸石，同时相比目前业内射线识别技术，具有占地小、布置灵活、安全可靠、后期维护简单 2024年4月24日煤矸石识别与定位算法流程如图4所示。采集的图像经过裁切、去噪、灰度化等预处理后，利用BLOB区域联通法判断图像内是否存在待检测的煤和矸石。对定位的煤矸石进行灰度直方图方法分析，根据设置的煤和矸石的灰度图像阈值，判定当前物体煤矸石智能分拣机器人的研究与应用百家号摘要：基于光学图像的煤矸石识别方法具有设备简单,易实现,绿色环保等优势,是实现智能化煤矸石分选的重要途径该类方法分为两种研究路径,一种是需要人为提取特征进行识别的路径,一般包括煤矸图像数据采集,图像预处理,特征选择与提取和煤矸识别另一种是利用深度学习神经网络进行自主基于光学图像的煤矸石识别方法综述百度学术2 天之前煤矸石识别：可用于训练模型识别煤炭和岩石，提高识别精度。质量控制：帮助矿山企业及时发现和处理煤矸石分离问题，提高产品质量。自动化检测：结合自动化设备，实现煤矸石分离的实时检测，提高生产线的效率。煤矸石检测数据集 (yolo)

基于机器视觉的多机械臂煤矸石分拣机器人系统研究机器人

2024年12月2日 2 系统实现的关键技术21 煤矸石识别技术煤矸石识别以机器视觉为基础，将采集的煤矸石图像作为训练样本，结合深度学习技术，通过训练样本对深度网络进行训练，最终获取煤矸石识别卷积神经网络模型。2022年11月16日目前，深度学习煤矸石识别方法大多需要在高性能CPU或GPU硬件设备上进行，功耗大、体积大、发热大，不便于在复杂的井下环境中使用。针对这些问题，本文提出了一种基于YOLOv4tiny的煤矸石识别方法，并将其部署在低功耗硬件平台FPGA上。基于YOLOv4Tiny的煤矸石图像识别及FPGA实现 2024年1月3日 ★ 科技引领 ★ 智能煤矸石分选机器人的研究与应用申龙，单浩然，王永利，胡云雷 (中信重工开诚智能装备有限公司，河北省唐山市，) 摘要为解决煤炭生产过程中煤矸石分选难、智能化程度低等问题，研发了智能煤矸石分选机器人。详细介绍了煤矸石分选机器人的系统组成、智能识别系统智能煤矸石分选机器人的研究与应用新煤网智能分选系统是我们公司依托清华大学及北京大学的硕士和博士高新技术人才团队自主开发的一套用于煤矸石分选的综合型智能机械系统，该套系统有效的解决了传统水洗（跳汰）煤矸石时的水资源浪费、传统人工选矸的人力成本及员工工伤矿用智能分拣系统河南祺智科技有限公司

一种基于机器视觉的煤矸石识别方法及系统与流程

2021年10月30日 1本发明属于煤矸石识别的技术领域，尤其涉及一种基于机器视觉的煤矸石识别方法及系统。背景技术： 2煤炭在我国能源中占有举足轻重的地位，在煤炭开采过程中，开采到的原煤中通常会夹杂着煤矸石，煤矸石是在煤形成的过程中产生的一种含碳量较低的岩石，属于煤炭 2022年2月7日 1本发明涉及煤炭工业领域，具体地，涉及煤矸石识别方案背景技术： 2选矸设备目前普遍采用的机械选矸设备包括重介质、重介浅槽、动筛跳汰及人工选矸等传统方式。例如中国的唐山研究院是中国国内研制重介浅槽选煤设备的主要厂家。3中国国内的山西矿业学院教授韩成石等首次将γ射线应用一种基于深度学习和灰度三阶矩分析的煤矸石识别方法及 2022年10月18日 1本发明涉及煤矿技术领域，尤其涉及一种基于红外光谱测量的煤矸石识别方法及系统。背景技术： 2煤矸石分离对环境保护和资源高效利用具有重要意义，为了实现安全高效开采，减少对环境的污染，煤矸石的自动化识别和分拣显得尤为重要。 3煤矸石识别与分拣方法有多基于红外光谱测量的煤矸石识别方法及系统 X技术网2021年12月15日 1本实用新型涉及煤矿技术领域，尤其涉及一种基于红外光谱测量的煤矸石识别系统。背景技术： 2煤矸石分离对环境保护和资源高效利用具有重要意义，为了实现安全高效开采，减少对环境的污染，煤矸石的自动化识别和分拣显得尤为重要。 3煤矸石识别与分拣方法有多种。基于红外光谱测量的煤矸石识别系统 X技术网

色选设备智能煤矸石分选机煤矸干选机

X射线智能煤矸石分选机原理及构成采用大功率X射线源及高精度双能成像系统，针对不同的煤质特征建立与之相适应的分析模型，通过智能识别方法和数据分析，对煤与矸石进行数字化识别，*终通过排矸系统将矸石排出。主2021年12月15日 1本实用新型涉及煤矿技术领域，尤其涉及一种基于红外光谱测量的煤矸石识别系统。背景技术： 2煤矸石分离对环境保护和资源高效利用具有重要意义，为了实现安全高效开采，减少对环境的污染，煤矸石的自动化识别和分拣显得尤为重要。 3煤矸石识别与分拣方法有多种。基于红外光谱测量的煤矸石识别系统 X技术网2024年11月27日 yolo煤矸石检测数据集 pt模型界面，添加图片注释，不超过 140 字（可选） 3091张图片和txt标签，标签类别两类：“coal”、“rock”。如何使用YOLOv8训练煤矸石检测数据集的详细步骤和代码。我们将使用PyTorch和YOLOv8的官方实现来进行训练，并介绍数据集的准备和＜项目代码＞YOLOv8 煤矸石识别＜目标检测＞ CSDN博客2019年8月13日本发明属于煤矸识别技术领域，尤其涉及一种基于X射线图像的煤矸识别方法。背景技术煤炭是我国的主要能源之一，随着近年来环境污染的不断加剧，国家十分重视且积极倡导煤炭资源的清洁使用。煤矸石的分选是煤矿生产加工过程中的重要环节，也是充分利用煤炭资源提高煤质减轻环境污染的一种基于X射线图像的煤矸识别方法与流程 X技术网

思谋视觉检测「AI + 煤炭」打通煤矸石识别分拣全链条

2022年5月7日煤矸石识别分拣解决方案，凭借其业界领先的计算机视觉技术，配合自研的软硬件一体化设备，打通了煤矸石识别拣出的全流程：从定制打光方案、相机成像，到煤矸石识别，再到输出坐标，控制机械手拣出，让煤矸石分拣识别真正告别人工操作 2023年11月8日在本博文中，我们提出了一种基于深度学习的煤矸石检测与识别系统，该系统采用YOLOv8算法对煤矸石进行检测和识别，实现对图片中的煤矸石进行准确识别。1项目需求对煤矸石进行检测与识别，系统将识别出图片中的深度学习——煤矸石识别 CSDN博客2024年2月8日摘要煤矸石快速精准的识别对提升煤炭产能有着极大的影响，而现有的煤矸识别分选方法在分选设备、准确率以及效率上尚有不足。提出了一种基于深度学习的激光雷达双通道伪彩图像煤矸识别方法。首先，基于激光雷达距离通道信基于激光雷达的双通道伪彩图像煤矸识别方法 Researching2021年12月12日除了能够大量节省人力成本，智能选矸系统还通过将已经大量成熟安全应用的射线及图像识别、人工智能深度学习、稳定可靠的多模块化机械拣选等技术有机高效结合，有效解决了传统水洗（跳汰）煤矸石时的水资源浪费等问题。矸石选出率95%+！平煤神马中平自动化自主研发智能选矸

一种基于YOLOv4tiny和FPGA的煤矸石识别系统 X技术网

2022年12月31日一种基于yolovtiny和fpga的煤矸石识别系统技术领域本发明属于煤、矸石区分技术领域，尤其涉及一种基于yolovtiny和fpga的煤矸石识别系统。背景技术煤炭是我国主要能源之一，在我国的能源结构中占据绝对优势地位。随着国家双碳工业任务“碳达峰”、“碳中和”的不断推动，选煤作为煤炭资源清洁 2023年3月3日煤矸石识别与定位算法流程如图4所示。采集的图像经过裁切、去噪、灰度化等预处理后，利用BLOB区域联通法判断图像内是否存在待检测的煤和矸石。对定位的煤矸石进行灰度直方图方法分析，根据设置的煤和矸石的灰度图像阈值，判定当前煤矸石智能分拣机器人的研究与应用智能矿山网2017年2月28日系统的主要目标是实现对煤和矸石的识别和分选，提高煤的质量及更有效地利用矸石。系统分为3个部分 [5] ：检测部分、识别控制部分和执行分选部分。 (1) 检测部分：包括胶带传感器、X射线源、X射线线阵探测器XCard、数据采集卡XDAQ、CCD摄像机基于X射线和机器视觉的煤与矸石分选系统设计2022年11月5日西安科技大学机械工程学院曹现刚教授团队提出一种基于煤矸图像识别和定位方法，并采用多机械臂协同煤矸分拣策略的煤矸分拣机器人。该机器人将机器视觉技术、机器人技术和深度学习技术结合，分拣效率高，煤矸快速识别和定位方法对煤矸混合样本下的目标识别准确率达到7692%。基于机器视觉的多机械臂煤矸石分拣机器人系统研究 CSDN博客

基于光学图像的煤矸石识别方法综述百度学术

摘要：基于光学图像的煤矸石识别方法具有设备简单,易实现,绿色环保等优势,是实现智能化煤矸石分选的重要途径该类方法分为两种研究路径,一种是需要人为提取特征进行识别的路径,一般包括煤矸图像数据采集,图像预处理,特征选择与提取和煤矸识别另一种是利用深度学习神经网络进行自主 2021年3月5日由表1中可以看到，CBAM注意力机制模块引入之后所形成的新网络模型的参数体积相比原模型只有几百字节的增大，所带来的识别精度和召回率提升却是明显有效的，而从识别速度角度观察，排除因试验设备所带来的数据读取所消耗的时间分析，新模型和原始模型基于深度学习的煤矸石识别技术与实现