CN107824475A - 一种煤与矸石分拣方法及装置 - Google Patents
一种煤与矸石分拣方法及装置 Download PDFInfo
- Publication number
- CN107824475A CN107824475A CN201710984121.8A CN201710984121A CN107824475A CN 107824475 A CN107824475 A CN 107824475A CN 201710984121 A CN201710984121 A CN 201710984121A CN 107824475 A CN107824475 A CN 107824475A
- Authority
- CN
- China
- Prior art keywords
- image
- spoil
- coal
- pickup area
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000003245 coal Substances 0.000 title claims abstract description 35
- 239000000463 material Substances 0.000 claims abstract description 84
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 238000011946 reduction process Methods 0.000 claims description 6
- 238000009966 trimming Methods 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 7
- 238000003912 environmental pollution Methods 0.000 abstract description 6
- 239000010865 sewage Substances 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
Landscapes
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种煤与矸石分拣方法及装置，方法可以包括：检测是否有物料到达预设图像采集区域；如果是，采集所述物料的图像；基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到参数；判断所述参数是否满足矸石样本的判定条件；如果满足，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。极大地减少水资源的浪费，节省成本，同时不会产生污水，杜绝了环境污染问题的发生。
Description
技术领域
本发明涉及煤矿设备技术领域，特别是涉及一种煤与矸石分拣方法及装置。
背景技术
从煤矿新开采出的原煤含有多种成分，主要有：煤、矸石等；为提高煤的燃烧效果，需要对原煤进行分拣，具体来说就是去除原煤中的矸石。
就目前而言，主流的分拣方法有：湿选(或称浮选)法、磁选法，其中，湿选法是目前工业上最为普遍采用的方法，其原理是利用煤和矸石密度的不同(煤的密度近似1600kg/m^3，矸石密度近似2100kg/m^3)，进而它们在水中沉淀速度的差异将它们分离。
虽然湿选法也能够将矸石分拣出来，但是湿选法需要使用大量的工业用水，造成水资源浪费，工业成本大；并且选煤后会产生大量污水，会引发一系列的环境污染问题。
发明内容
本发明实施例的目的在于提供一种煤与矸石分拣方法及装置，极大地减少水资源的浪费，节省成本，同时不会产生污水，杜绝了环境污染问题的发生。
为了达到上述目的，本发明实施例提供了一种煤与矸石分拣方法，所述方法包括：
检测是否有物料到达预设图像采集区域；
如果是，采集所述物料的图像；
基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数；
判断所述判定参数是否满足矸石样本的判定条件；
如果满足，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。
可选的，在采集所述物料的图像的步骤之前，所述方法还包括：
打开光源，使所述光源与所述物料呈预设角度照射。
可选的，所述检测是否有物料到达预设图像采集区域，包括：
判断是否收到预设图像采集区域设置传感器发送的脉冲信号，如果接收到，则有物料到达所述图像采集区域，否则，没有物料到达所述图像采集区域。
可选的，所述采集所述物料的图像，包括：
通过线阵相机拍摄所述物料，获得所述物料的图像。
可选的，所述基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数的步骤，包括：
对所述图像进行灰度处理，得到第一处理图像；
对所述第一处理图像进行降噪处理和去边处理，生成标准训练图像集；
计算所述图像集的平均值，生成针对所述物料的目标训练图像；
将所述目标训练图像作为输入，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数。
为了达到上述目的，本发明实施例还提供了一种煤与矸石分拣装置，所述装置包括：
检测模块，用于检测是否有物料到达预设图像采集区域；
图像采集模块，用于在所述检测模块检测到有物料达到所述预设图像采集区域的情况下，采集所述物料的图像；
训练模块，用于基于所述图像，采用已经搭建好的针对矸石样本的深度卷积神经网络进行卷积，得到判定参数；
判断模块，用于判断所述判定参数是否满足矸石样本的判定条件；
分拣模块，用于在所述判断模块判定结果为是的情况下，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。
可选的，所述装置还包括：
光源模块，用于在所述所述检测模块检测到有物料达到所述预设图像采集区域的情况下，打开光源，使所述光源与所述物料呈预设角度照射。
可选的，所述检测模块，具体用于：
判断是否收到预设图像采集区域设置传感器发送的脉冲信号，如果接收到，则有物料到达所述图像采集区域，否则，没有物料到达所述图像采集区域。
可选的，所述图像采集模块，具体用于：
通过线阵相机拍摄所述物料，获得所述物料的图像。
可选的，所述训练模块，包括：
第一处理子模块，用于对所述图像进行灰度处理，得到预处理图像；
第二处理子模块，用于对所述预处理图像进行降噪处理和去边处理，生成标准训练图像集；
计算子模块，用于计算所述图像集的平均值，生成针对所述物料的目标训练图像；
卷积子模块，用于将所述目标训练图像作为输入，采用已经搭建好的针对矸石样本的深度卷积神经网络进行卷积，得到判定参数。
本发明实施例提供的煤与矸石分拣方法及装置，方法可以包括：检测是否有物料到达预设图像采集区域；如果是，采集所述物料的图像；基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数；判断所述判定参数是否满足矸石样本的判定条件；如果满足，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。极大地减少水资源的浪费，节省成本，同时不会产生污水，杜绝了环境污染问题的发生。
附图说明
图1为本发明实施例提供的一种煤与矸石分拣方法的流程示意图；
图2为本发明实施例提供的另一种煤与矸石分拣装置的结构示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
参见图1，为本发明实施例提供的一种煤与矸石分拣方法的流程示意图，为了达到上述目的，本发明实施例提供了一种煤与矸石分拣方法，所述方法包括步骤：
S101：检测是否有物料到达预设图像采集区域；
本领域技术人员能够理解的是，随着电子传感元器件的发展，在预设图像采集区域可以预先设置有距离传感器，当传送带上的物料到达距离传感器的感应区时，便可以触发图像采集的步骤，因此，在本发明实施例提供的一种具体实现方式中，所述检测是否有物料到达预设图像采集区域，可以包括：
判断是否收到预设图像采集区域设置传感器发送的脉冲信号，如果接收到，则有物料到达所述图像采集区域，否则，没有物料到达所述图像采集区域。
S102：在检测到有物料达到所述预设图像采集区域的情况下，采集所述物料的图像；
本领域技术人员能够理解的是，目前市面上图像采集设备有多种，常见的为照相机以及摄像机，为了获取更高辨识度的图像，提高矸石的分拣精度，在本发明实施例提供的一种具体实现方式中，所述采集所述物料的图像，可以包括：
通过线阵相机拍摄所述物料，获得所述物料的图像。
需要说明的是，在本发明实施例提供的方案中，为了采集到辨识度较高的图像，可以选用分辨率较高的线阵相机来进行拍摄，但是，本发明实施例旨在采集图像即可，因此，并不对采集图像设备的具体形式以及型号做明确限定。
S103：基于所述图像，采用已经搭建好的针对矸石样本的深度卷积神经网络进行卷积，得到判定参数；
本领域技术人员能够理解的是，在人工智能学习领域，卷积神经网络的应用目前得到了广泛的应用和关注，结合本申请主体，可以根据煤与矸石的图像特征的差异以及它们的真实大小作为特征，提取上述特征后进行大量的训练，例如，可以设置一个较小的卷积核(3×3)，这样可以尽量保持特征不被稀释到无法捕捉，事实也证明，这种做法对煤与矸石识别正确率起到了很大的决定性作用，经大量实验表明，分拣准确度高达到96％；考虑到分拣的速度，对网络的层数进行多次测试，发现经过6层卷积加上3层全连接层可以在保证分拣准确度的前提下快速地达到收敛，可见，通过上述的训练过程能够构建针对矸石样本的卷积神经网络，可以将其命名为CoalNet，当然，本发明实施例并不对该卷积神经网络的名称以及该卷积神经网络的构建过程做进一步限定。
为了进一步提到矸石分拣的准确度，在本发明实施例提供的一种具体实现方式中，所述基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数的步骤，可以包括：
对所述图像进行灰度处理，得到第一处理图像；
对所述第一处理图像进行降噪处理和去边处理，生成标准训练图像集；
计算所述图像集的平均值，生成针对所述物料的目标训练图像；
将所述目标训练图像作为输入，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数。
S104：判断所述判定参数是否满足矸石样本的判定条件；
S105：在步骤S104判断结果为是的情况下，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。
如果步骤S104判断结果为否时，不需要进行分拣，也可以认为该物料为煤，直接输出即可，本发明实施例不对其展开说明。
为了保证采集到的物料的图像具有较高的辨识度，进而提升分拣的精度，在本发明实施例提供的一种具体实现方式中，在采集所述物料的图像之前，所述方法还包括：
打开光源，使所述光源与所述物料呈预设角度照射。
本发明实施例提供的煤与矸石分拣方法及装置，方法可以包括：检测是否有物料到达预设图像采集区域；如果是，采集所述物料的图像；基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数；判断所述判定参数是否满足矸石样本的判定条件；如果满足，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。极大地减少水资源的浪费，节省成本，同时不会产生污水，杜绝了环境污染问题的发生。
相应于图1方法实施例，图2本发明实施例提供的另一种矸石分拣装置的结构示意图，该矸石分拣装置可以包括：检测模块201、图像采集模块202、训练模块203、判断模块204以及分拣模块205，其中，
检测模块201，用于检测是否有物料到达预设图像采集区域；
在本发明实施例提供的一种具体实现方式中，上述的检测模块201，具体用于：
判断是否收到预设图像采集区域设置传感器发送的脉冲信号，如果接收到，则有物料到达所述图像采集区域，否则，没有物料到达所述图像采集区域。
图像采集模块202，用于在所述检测模块检测到有物料达到所述预设图像采集区域的情况下，采集所述物料的图像；
在本发明实施例提供的一种具体实现方式中，上述的图像采集模块202，具体用于：
通过线阵相机拍摄所述物料，获得所述物料的图像。
训练模块203，用于基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数；
在本发明实施例提供的一种具体实现方式中，上述的训练模块203，包括：
第一处理子模块，用于对所述图像进行灰度处理，得到预处理图像；
第二处理子模块，用于对所述预处理图像进行降噪处理和去边处理，生成标准训练图像集；
计算子模块，用于计算所述图像集的平均值，生成针对所述物料的目标训练图像；
卷积子模块，用于将所述目标训练图像作为输入，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数。
判断模块204，用于判断所述判定参数是否满足矸石样本的判定条件；
分拣模块205，用于在所述判断模块判定结果为是的情况下，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。
可选的，所述装置还包括：
光源模块，用于在所述所述检测模块检测到有物料达到所述预设图像采集区域的情况下，打开光源，使所述光源与所述物料呈预设角度照射。
本发明实施例提供的煤与矸石分拣方法及装置，方法可以包括：检测是否有物料到达预设图像采集区域；如果是，采集所述物料的图像；基于所述图像，采用已经训练好的针对矸石样本的卷积神经网络进行卷积，得到判定参数；判断所述判定参数是否满足矸石样本的判定条件；如果满足，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。极大地减少水资源的浪费，节省成本，同时不会产生污水，杜绝了环境污染问题的发生。
需要说明的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种煤与矸石分拣方法，其特征在于，所述方法包括：
检测是否有物料到达预设图像采集区域；
如果是，采集所述物料的图像；
基于所述图像，采用已经搭建好的针对煤与矸石样本的深度卷积神经网络进行训练，得到判定参数；
判断所述判定参数是否满足煤与矸石样本的判定条件；
如果满足，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。
2.根据权利要求1所述的方法，其特征在于，在采集所述物料的图像的步骤之前，所述方法还包括：
打开光源，使所述光源与所述物料呈预设角度照射。
3.根据权利要求1所述的方法，其特征在于，所述检测是否有物料到达预设图像采集区域，包括：
判断是否收到预设图像采集区域设置传感器发送的脉冲信号，如果接收到，则有物料到达所述图像采集区域，否则，没有物料到达所述图像采集区域。
4.根据权利要求1所述的方法，其特征在于，所述采集所述物料的图像，包括：
通过线阵相机拍摄所述物料，获得所述物料的图像。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述基于所述图像，采用已经搭建好的针对煤与矸石样本的深度卷积神经网络进行训练，得到判定参数的步骤，包括：
对所述图像进行灰度处理，得到预处理图像；
对所述预处理图像进行降噪处理和去边处理，生成标准训练图像集；
计算所述图像集的平均值，生成针对所述物料的目标训练图像；
将所述目标训练图像作为输入，采用已经搭建好的针对煤与矸石样本的深度卷积神经网络进行卷积，得到判定参数。
6.一种煤与矸石分拣装置，其特征在于，所述装置包括：
检测模块，用于检测是否有物料到达预设图像采集区域；
图像采集模块，用于在所述检测模块检测到有物料达到所述预设图像采集区域的情况下，采集所述物料的图像；
训练模块，用于基于所述图像，采用已经训练好的针对煤与矸石样本的卷积神经网络进行卷积，得到判定参数；
判断模块，用于判断所述判定参数是否满足煤与矸石样本的判定条件；
分拣模块，用于在所述判断模块判定结果为是的情况下，判定所述物料为目标矸石，将所述目标矸石送入差速传送带进行分拣。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
光源模块，用于在所述所述检测模块检测到有物料达到所述预设图像采集区域的情况下，打开光源，使所述光源与所述物料呈预设角度照射。
8.根据权利要求6所述的装置，其特征在于，所述检测模块，具体用于：
判断是否收到预设图像采集区域设置传感器发送的脉冲信号，如果接收到，则有物料到达所述图像采集区域，否则，没有物料到达所述图像采集区域。
9.根据权利要求6所述的装置，其特征在于，所述图像采集模块，具体用于：
通过线阵相机拍摄所述物料，获得所述物料的图像。
10.根据权利要求6-9中任一所述的装置，其特征在于，所述训练模块，包括：
第一处理子模块，用于对所述图像进行灰度处理，得到预处理图像；
第二处理子模块，用于对所述预处理图像进行降噪处理和去边处理，生成标准训练图像集；
计算子模块，用于计算所述图像集的平均值，生成针对所述物料的目标训练图像；
卷积子模块，用于将所述目标训练图像作为输入，采用已经搭建好的针对煤与矸石样本的深度卷积神经网络进行训练，得到判定参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710984121.8A CN107824475A (zh) | 2017-10-20 | 2017-10-20 | 一种煤与矸石分拣方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710984121.8A CN107824475A (zh) | 2017-10-20 | 2017-10-20 | 一种煤与矸石分拣方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107824475A true CN107824475A (zh) | 2018-03-23 |
Family
ID=61648657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710984121.8A Pending CN107824475A (zh) | 2017-10-20 | 2017-10-20 | 一种煤与矸石分拣方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107824475A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111346842A (zh) * | 2018-12-24 | 2020-06-30 | 顺丰科技有限公司 | 煤矸石分拣方法、装置、设备及存储介质 |
| CN111844101A (zh) * | 2020-07-31 | 2020-10-30 | 中国科学技术大学 | 一种多指灵巧手分拣规划方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090314086A1 (en) * | 2005-11-04 | 2009-12-24 | The University Of Queensland | Method of Determining the Presence of a Mineral Within a Material |
| CN102521572A (zh) * | 2011-12-09 | 2012-06-27 | 中国矿业大学 | 一种煤和矸石的图像识别方法 |
| CN103257144A (zh) * | 2013-05-15 | 2013-08-21 | 华南理工大学 | 一种基于机器视觉的塑料瓶瓶口余料检测方法及装置 |
| CN103473568A (zh) * | 2013-09-13 | 2013-12-25 | 山东科技大学 | 煤与矸石分选装置及其分选方法 |
| CN105841614A (zh) * | 2016-04-13 | 2016-08-10 | 太原理工大学 | 一种带式输送机输送煤量视觉扫描测距检测方法 |
| CN106862103A (zh) * | 2017-01-09 | 2017-06-20 | 唐山市神州机械有限公司 | 一种应用于煤矿井下的智能干法排矸系统及方法 |
-
2017
- 2017-10-20 CN CN201710984121.8A patent/CN107824475A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090314086A1 (en) * | 2005-11-04 | 2009-12-24 | The University Of Queensland | Method of Determining the Presence of a Mineral Within a Material |
| CN102521572A (zh) * | 2011-12-09 | 2012-06-27 | 中国矿业大学 | 一种煤和矸石的图像识别方法 |
| CN103257144A (zh) * | 2013-05-15 | 2013-08-21 | 华南理工大学 | 一种基于机器视觉的塑料瓶瓶口余料检测方法及装置 |
| CN103473568A (zh) * | 2013-09-13 | 2013-12-25 | 山东科技大学 | 煤与矸石分选装置及其分选方法 |
| CN105841614A (zh) * | 2016-04-13 | 2016-08-10 | 太原理工大学 | 一种带式输送机输送煤量视觉扫描测距检测方法 |
| CN106862103A (zh) * | 2017-01-09 | 2017-06-20 | 唐山市神州机械有限公司 | 一种应用于煤矿井下的智能干法排矸系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111346842A (zh) * | 2018-12-24 | 2020-06-30 | 顺丰科技有限公司 | 煤矸石分拣方法、装置、设备及存储介质 |
| CN111844101A (zh) * | 2020-07-31 | 2020-10-30 | 中国科学技术大学 | 一种多指灵巧手分拣规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
| CN112024424B (zh) | 一种人机协作式垃圾分选系统 | |
| Gyawali et al. | Comparative analysis of multiple deep CNN models for waste classification | |
| CN108971190A (zh) | 一种基于机器视觉的生活垃圾分拣方法 | |
| CN107402221A (zh) | 一种基于机器视觉的显示面板缺陷识别方法及系统 | |
| CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN110648364A (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
| JP2024016293A (ja) | 廃棄物選別装置 | |
| CN107824475A (zh) | 一种煤与矸石分拣方法及装置 | |
| MX2023011465A (es) | Sistemas y metodos de formacion de imagenes y deteccion de objetos. | |
| CN110516625A (zh) | 一种垃圾识别分类的方法、系统、终端及存储介质 | |
| CN110738131A (zh) | 基于深度学习神经网络的垃圾分类管理方法及装置 | |
| CN116727295A (zh) | 一种全自动化废旧织物识别分拣控制系统 | |
| CN109271877A (zh) | 一种人形识别方法及装置 | |
| CN206701918U (zh) | 一种多传感器融合的垃圾分拣装置 | |
| Gill et al. | Garbage Classification Utilizing Effective Convolutional Neural Network | |
| CN116385758A (zh) | 基于YOLOv5网络对传送带表面损伤的检测方法 | |
| Wu et al. | Automatic gear sorting system based on monocular vision | |
| JP3002325B2 (ja) | 表面検査装置 | |
| JP7299570B2 (ja) | 土中異物除去装置及び土中異物除去方法 | |
| CN1120446C (zh) | 粒子识别装置 | |
| CN112270378A (zh) | 一种基于计算机视觉的废玻璃人工智能分选方法 | |
| CN1228733C (zh) | 在图像中探测对象的方法 | |
| CN114882375A (zh) | 一种尾矿库智能识别方法和装置 | |
| CN104998833A (zh) | 基于图像处理的透明矿质原料的浸水分选方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180605 Address after: 230088 Room 201, C1 building, Huayi Science Park, hi tech Zone, Hefei, Anhui. Applicant after: HEFEI ZHUOHAI INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 230000 room 205, biological and nano round A7 building, 218 Xing Hu Street, Suzhou Industrial Park, Hefei, Anhui. Applicant before: SUZHOU ZHUOSHI INTELLIGENT TECHNOLOGY CO.,LTD. |
|
| TA01 | Transfer of patent application right | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180323 |
|
| WD01 | Invention patent application deemed withdrawn after publication |