摘要：针对目前国内缺少自主知识产权的易损水果分选系统的状况,提出了一种基于PLC的高速智能分选控制系统的设计方案。系统以西门子S7-200 SMART PLC为主控制器,工控机为上位机,运用读码器进行ID校验,编码器进行脉冲定位,伺服驱动器控制伺服电机作为高速分选机构,实现了精确的分选控制和高效的分选能力,能够满足大通量农产品的无损分选需求。现场使用表明,该系统设计合理,工作可靠稳定。

摘要：针对火电厂采制样无法实现一体化设计,原煤样转运过程中存在煤样人为干预的风险,无法实现自动化管理的问题,设计了煤样智能收集分选运输系统。从设计思路、硬件组成及转运方式等方面对该系统进行了详细的介绍和说明。该系统实现了大质量原煤样的自动封装、暂存、转运、卸料以及煤样瓶的自动循环使用,彻底解决了煤样采制过程中的传输及存储的安全风险问题。

摘要：介绍了XNDT-104智能分选系统的结构组成和工作原理。经过对锑矿选厂的生产工艺改造,引进智能分选系统,取代人工分选,实现了大产量、高精度的预先抛废。应用结果表明,XNDT-104分选系统抛废率高达70%,预抛废石品位远低于浮选尾矿品位,为企业创造了巨大的经济效益.

摘要：为解决铅锌矿山低品位矿石保有量大的问题,研究以甘肃某铅锌矿为原料,选用XNDT-104智能分选机进行了实验室分选试验,并在此基础上进行了低品位铅锌矿的工业生产试验,探明了不同抛废率条件下预选粗精矿及废石的品位变化规律,讨论了预先抛废在低品位铅锌矿中的应用效果。结果表明,预先抛废在低品位铅锌矿中的应用效果较好,不仅在作业抛废率为75%时取得了预选粗精矿铅、锌富集比分别为3.5、3.2的良好指标,而且生产过程中废石的铅+锌品位低于浮选尾矿品位0.25%,达到了预先富集和预先抛废的目的。同时,预选粗精矿和废石的铅锌品位均随抛废率的增大呈上升趋势,这是因为较低品位的连生体被当作废石抛掉,不仅会增大预选粗精矿中高品位连生体的比例,从而提高预选粗精矿的品位,还会增加废石中的铅锌金属量,当废石中金属量的增速大于抛废率增速时废石的铅锌品位便会增大。研究不仅可以有效降低矿山的边界品位,增大矿山资源储量,还能使废石不再进入磨选阶段,从而降低选矿成本,满足矿山增储降本的发展需求。

摘要：为解决杏鲍菇人工分选耗时低效、准确率低的问题,提出一种基于深度学习的分级检测与抓取检测双模型并联的杏鲍菇智能分选方法和机器人智能分选系统。通过深度相机采集杏鲍菇图像,采用机器人作为分选执行器,基于ROS(Robot Operating System)应用python和C++语言设计开发智能分选控制软件,基于PyQt设计开发监控管理系统。测试结果表明:本分选系统可自动实现杏鲍菇的分级检测和机器人分选抓取,单只杏鲍菇分选检测用时18 ms,分级检测平均准确率为88.35%,机器人抓取成功率为98.33%,智能分选成功率为88.35%,证实系统整体的可行性与有效性,为其他农产品智能分选系统的整体实现提供新的解决思路。

摘要：目的:解决中国茶叶人工分选效率低、设备价格高、体积大、功能单一等问题。方法:利用图像识别技术,研制了一款小型茶叶智能分选控制系统,该系统根据茶叶和杂质的重力、体积、颜色及形状特征,调节风速、振动频率、颜色和形状特征参数,自动将茶叶和杂质分离。结果:以贵州卷曲状、颗粒状、片状机采茶为样本,对控制系统的性能进行测试。控制系统对3种机采茶的平均识别率分别为86.03%,93.53%,89.46%,产量约45.8 kg/h,拣选率约97%,带出比约5.4∶1。结论:茶叶智能分选控制系统,有效提升了茶叶的品质和价值,提高了分拣效率。

摘要：为了顺应我国“双碳”背景下煤炭清洁高效利用的国家战略,介绍了山西焦煤集团有限责任公司(以下简称“山西焦煤集团”)选煤厂智能化建设规划、顶层设计与具体举措,梳理了山西焦煤集团通过学习、实践、再提高的螺旋式提升选煤厂智能化水平的建设经验,详细阐述了山西焦煤集团围绕重介智能分选、智能浮选、煤泥水健康保障、智能采制化、智能配煤、产供销智能管理等选煤核心环节的建设方案、技术路线与实施效果,并对智能化选煤厂建设实践中存在的主要问题进行了分析研究,进一步推进选煤厂智能化建设提出了具体建议。

摘要：在目前的池塘养殖鮰鱼中,分选等环节仍以人工作业为主,主要依靠人工根据经验对起捕后的鱼进行分选。在判断时可能会出现人工经验不足和人工判断的偶然性较大等现象,因此,会导致分选准确率不高且分选效率很低,造成经济损失;现有的分拨式分鱼机无法对鲜活的鱼进行分选,且分鱼机体积较大,不适用于池塘养殖起捕后的鮰鱼分选。本研究设计了一种池塘养殖鮰鱼智能分选设备,试验结果为:将起捕后随机选取的300条正常生长情况的鮰鱼倒至鮰鱼分选设备中,分选耗时80 s,分选速度为3.75条·s^(-1),分选正确率为93.3%,可大幅减少分选所需人员。

摘要：低质天然石膏矿的主要矿物成分为石膏,因含有部分凹凸棒黏土、石英、长石等杂质矿物,严重影响其矿物的应用领域和应用价值。因此,对低质天然石膏矿进行选矿提纯试验研究,采用“筛分—破碎—筛分—擦洗脱泥—智能分选”的选矿工艺提纯后,试样获得粒度2~10mm,CaSO_(4)(以干基计)含量为98.36%,Pb含量为0.144mg/kg,As<2.0mg/kg,氟化物(F)<0.003%,Se<0.003%,干燥减量为20.3%的石膏精矿,满足食品添加剂用硫酸钙质量要求;同时获得粒度0.3~2mm,CaSO_(4)•2H_(2)O含量为94.85%的石膏精矿,满足α型高强石膏用原料要求;尾矿可用于生产农肥或者用作土壤调理剂,实现了石膏资源的高附加值、综合利用。

摘要：在本文中,我们研发了基于深度学习的磁材缺陷检测、分类和分级。该技术针对磁瓦表面不同的缺陷,进行光源和打光方式的设计,使得相关缺陷和基体之间对光线呈现不同的反射,采用工业相机进行拍摄,获取磁瓦表面图像。根据人为标注的少量缺陷图片,自动学习和抓取重要的缺陷特征,实现对缺陷的精确检测和分类,为磁材生产的质量保障、制程优化、生产管理提供强有力的技术支撑。