[發(fā)明專(zhuān)利]一種智能管理選煤平臺(tái)及其方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011607075.8
• 申請(qǐng)日: 2020-12-30
• 公開(kāi)（公告）號(hào): CN112871703B
• 公開(kāi)（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 曹鷹;張劍峰;慕廣斌;高崑;李輝;郝君偉;楊穎;王槊華;陳修奇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 天津德通電氣股份有限公司
• 主分類(lèi)號(hào): B07C5/02
• 分類(lèi)號(hào): B07C5/02;B07C5/342;B07C5/36
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 肖偉楊

1.一種智能管理選煤平臺(tái)的選煤方法，其特征在于：該智能管理選煤平臺(tái)包括API模塊、工業(yè)大數(shù)據(jù)模塊、工業(yè)網(wǎng)關(guān)模塊、算法引擎模塊、工業(yè)視覺(jué)模塊、平臺(tái)推送模塊、基礎(chǔ)服務(wù)模塊、邊緣計(jì)算模塊與數(shù)字孿生模塊，所述API模塊用于設(shè)備管理、產(chǎn)品管理、數(shù)據(jù)管理與命令管理，所述工業(yè)大數(shù)據(jù)模塊用于數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理與匯集工業(yè)數(shù)據(jù)，所述工業(yè)網(wǎng)關(guān)模塊用于采集自動(dòng)化控制系統(tǒng)數(shù)據(jù)，并將其提供給選煤廠iCMES系統(tǒng)，實(shí)時(shí)展示生產(chǎn)參數(shù)，實(shí)時(shí)反映現(xiàn)場(chǎng)生產(chǎn)狀況和選煤廠設(shè)備運(yùn)行的各項(xiàng)KPI指標(biāo)，所述算法引擎模塊支持樸素貝葉斯分類(lèi)、邏輯回歸、支撐向量機(jī)與圖像矯正算法并提供分析結(jié)果，所述工業(yè)視覺(jué)模塊包括有采集終端，采集終端用于視頻識(shí)別、視頻采集，并對(duì)動(dòng)態(tài)場(chǎng)景中的目標(biāo)進(jìn)行定位、識(shí)別和跟蹤，所述平臺(tái)推送模塊用于向系統(tǒng)提供消息推送與消息回溯服務(wù)，所述基礎(chǔ)服務(wù)模塊用于為選煤廠資源管理系統(tǒng)的用戶、業(yè)務(wù)及底層數(shù)據(jù)提供授權(quán)、訪問(wèn)控制、及權(quán)限管理的功能，所述邊緣計(jì)算模塊為融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的分布式開(kāi)放平臺(tái)，該邊緣計(jì)算模塊用于提供邊緣智能服務(wù)，所述數(shù)字孿生模塊用于實(shí)現(xiàn)包括工藝模型、設(shè)備模型、分析模型以及知識(shí)庫(kù)模型的開(kāi)發(fā)；

所述一種智能管理選煤平臺(tái)的選煤方法，包括如下步驟：

步驟S1：首先建立數(shù)據(jù)庫(kù)，在工業(yè)大數(shù)據(jù)模塊內(nèi)的數(shù)據(jù)庫(kù)中提前錄入煤體相關(guān)的圖像及與標(biāo)準(zhǔn)煤體圖像綁定的灰度、體積、形狀與紋理特征信息；

步驟S2：采用超聲波探測(cè)裝置對(duì)傳送帶上的煤體進(jìn)行超聲波檢測(cè)，獲得被測(cè)對(duì)象的超聲回波信號(hào)，并將所獲得的超聲回波信號(hào)同步傳送至工業(yè)大數(shù)據(jù)模塊；

步驟S3：?jiǎn)?dòng)選煤采集終端；

步驟S4：通過(guò)采集終端采集傳送皮帶上煤體的圖像，同時(shí)記錄采集時(shí)間At；

步驟S5：判斷圖像是否存在畸變，若圖像不存在畸變則執(zhí)行步驟S6，若如圖像存在畸變,則通過(guò)算法引擎模塊執(zhí)行圖像矯正；

所述圖像矯正包括以下步驟：

步驟S5-1：獲取圖像，找到與標(biāo)準(zhǔn)圖像坐標(biāo)對(duì)應(yīng)的畸變坐標(biāo)；

步驟S5-2：通過(guò)內(nèi)參矩陣歸一化畸變圖像的坐標(biāo)；

步驟S5-3：通過(guò)徑向畸變模型得到歸一化的畸變坐標(biāo)；

步驟S5-4：坐標(biāo)映射返回去歸一化，得到畸變坐標(biāo)；

步驟S5-5：根據(jù)圖像畸變坐標(biāo)建立圖像計(jì)算模型，確定圖像的矯正區(qū)域；

步驟S5-6：通過(guò)插值對(duì)畸變矯正計(jì)算模型進(jìn)行數(shù)值求解，求徑向畸變參數(shù)；

步驟S5-7：對(duì)輸出圖像的像素點(diǎn)做遍歷，依次找到輸出點(diǎn)對(duì)應(yīng)原圖點(diǎn)的像素值，再將值賦給輸出圖像；

步驟S5-8：將輸出圖像發(fā)送至工業(yè)大數(shù)據(jù)模塊；

所述步驟S5-1中標(biāo)準(zhǔn)圖像坐標(biāo)設(shè)為a,b,所述畸變坐標(biāo)設(shè)為c_distorted，m_distorted；

所述步驟S5-2中內(nèi)參矩陣設(shè)為L(zhǎng),用于歸一化坐標(biāo)，所述步驟S5-2中通過(guò)內(nèi)參矩陣歸一化畸變圖像的坐標(biāo)的計(jì)算方式為：

a1＝(a-da)/fa；

b1＝(b-db)/fb；

所述步驟S5-3中徑向畸變參數(shù)設(shè)為J,采用如下畸變模型：

r2＝a1^2+b1^2；

x2＝a1*(1+J(1)*r2+J(2)*r2^2)；

y2＝b1*(1+J(1)*r2+J(2)*r2^2)；

所述步驟S5-4中去歸一化的計(jì)算方式為：

列:c_distorted＝fa*a2+ca；

行:m_distorted＝fb*b2+cb；

步驟S6：將采集到的煤體圖像與煤體的采集時(shí)間At作為關(guān)聯(lián)組存儲(chǔ)到工業(yè)大數(shù)據(jù)模塊內(nèi)的存儲(chǔ)器與云端的服務(wù)器中；

步驟S7：通過(guò)采集終端內(nèi)的微處理器采集并識(shí)別圖像中煤體的灰度、體積、形狀與紋理特征信息；

步驟S8：將識(shí)別后的煤體圖像標(biāo)記為初次識(shí)別的煤體圖像，采集終端內(nèi)的微處理器將初次識(shí)別到煤體圖像的灰度、體積、形狀與紋理特征信息與工業(yè)大數(shù)據(jù)模塊中提前錄入的標(biāo)準(zhǔn)煤體圖像綁定的灰度、體積、形狀與紋理特征信息進(jìn)行初次匹配對(duì)比并標(biāo)記；

步驟S9：通過(guò)分揀機(jī)器人將不符合標(biāo)準(zhǔn)的煤體從煤料中分離；

步驟S10：終端內(nèi)的微處理器對(duì)初次識(shí)別后的煤體進(jìn)行二次識(shí)別，識(shí)別煤圖像中煤體的灰度、體積、形狀與紋理特征信息；

若識(shí)別到煤體圖像特征信息與提前錄入的標(biāo)準(zhǔn)煤體圖像綁定的特征信息不匹配，則執(zhí)行步驟S9；

若識(shí)別到煤體圖像特征信息與提前錄入的標(biāo)準(zhǔn)煤體圖像綁定的特征信息匹配，則執(zhí)行步驟S11；

步驟S11：標(biāo)記為二次識(shí)別的煤體圖像,微處理器將初次識(shí)別的煤體圖像上傳到搜索服務(wù)器；

步驟S12：搜索服務(wù)器將初次采集的煤體圖像中煤體的灰度、體積、形狀與紋理特征信息與數(shù)據(jù)庫(kù)中提前錄入的標(biāo)準(zhǔn)煤體圖像綁定的灰度、體積、形狀與紋理特征信息進(jìn)行再次匹配對(duì)比并標(biāo)記；

步驟S13：若初次采集的煤體圖像中煤體的灰度、體積、形狀與紋理特征信息與數(shù)據(jù)庫(kù)中提前錄入的標(biāo)準(zhǔn)煤體圖像綁定的灰度、體積、形狀與紋理特征信息匹配，則發(fā)送至終端進(jìn)行顯示或播報(bào)。