基于深度学习的煤分类系统的设计和应用
Kun Zhang1,2,3, Zhen Wang1, Zengbao Zhang3
1Shandong Provincial Key Laboratory of Robotics and Intelligent Technology, Shandong University of Science and Technology, Qianwangang Road 579, Qingdao, 266590, Shandong, China.
Scientific reports
|July 17, 2024
概括
这项研究引入了一种智能系统,用于使用深度学习进行煤炭格分类,比传统方法显著提高了准确性和速度. 新的非接触式气动系统可以提高现代煤炭洗厂的原煤纯度.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 煤炭洗厂正在通过智能系统进行现代化,以实现绿色发展.
- 传统的带去除方法 (手动,机器人手臂) 在准确性,效率和劳动强度方面存在局限性.
研究的目的:
- 开发一种基于深度学习的,非接触式系统,用于智能带识别和气动分类.
- 为了提高煤炭洗过程中格分离的效率和准确性.
主要方法:
- 对于非接触式帮派识别,采用了深度学习模型.
- 创建了一个动态数据库,存储格特征 (轮,质量,质量中心).
- 该系统分析了物理参数和气动分离的冲击能量之间的关系.
主要成果:
- 该系统实现了超过97%的帮派识别准确度.
- 记录了超过91%的分类率.
- 从识别到弹射的分离时间不到3秒.
结论:
- 拟议的基于深度学习的气动分类系统显著优于传统的机器人手臂方法.
- 该系统有效地提高了原煤的纯度,通过改善路的识别和分离.
- 这项技术支持智能,绿色和高质量的煤炭行业运营的进步.


