推動智能化技術與煤炭行業融合發展—提升煤礦智能化水平
總體設計：
智能選研機器人系統由視覺檢測系統和機械手系統兩部分構成，一套視覺裝置可配置多臺機械手。機械手末端可根據應用現場實際工況靈活選擇撥手和抓手。
在圖像采集區域前的皮帶上安裝物料排隊裝置，物料經過排隊裝置后排成左右兩列，便于機械撥手工作。相機根據編碼器檢測的皮帶位移信號觸發，確保對皮帶經過物料的全覆蓋采樣。經視覺識別系統高速處理后將物體的類型、尺寸、位置、拍照時刻等信息傳送給機械手控制系統，自動最優分配給相應的機械手動作準確地將煤塊或者研石分揀出皮帶。當被推物體與非被推物體并排時，由并聯機械抓手對其處理，實現分揀。當處理量大時，可直接在后面串聯多臺機械手。
視覺識別方案:
視覺識別系統首先采用 Retin ex 增強AMSR 算法模型對圖像進行增強處理，然后基于 CornerNet-SqueezeNet算法建立視覺識別模型。
CornerNet 中使用堆棧沙漏網絡結構作為網絡主干。
通過特定相機采集大量現場圖片，經過有豐富煤研識別經驗的人員標定圖片后，訓練視覺算法模型，不斷提升識別率。
機械撥手、抓手設計方案：
撥手橫向運動范圍800mm，上下運動范圍 300mm，未端橫向推力 20kg，一個動作周期1S，撥動過程中可追蹤皮帶運動。手爪由7根撥桿構成，其中中間3 桿固定安裝，在Y 向寬度50mm，兩側的各2桿可繞X軸擺動，總寬度150mm，根據煤研石大小自動調整拔桿數量。
抓手橫向運動范圍 800mm，上下運動范圍 300mm，末端抓力10kg，一個動作周期 2S，抓取過程中可追蹤皮帶運動。可根據煤研石大小設計不同規格。
控制系統設計方案：
通訊模塊接收來自視覺識別系統的推送對象所在隊列、尺寸大小、拍照時前后左右位置等信息。在每次拍照同時向 PLC發出觸發信號。編碼器與皮帶托掘軸連接，高速計數模塊測試托軸的轉角。如下圖
遠程控制系統設計方案：
利用5G 技術，實時獲取生產設備的運行數據，通過云端實現對各節點設備的遠程控制和數據存儲分析。
