案例 _ 东土边缘控制打造智能泡沫浮选检测系统.docx

《案例 _ 东土边缘控制打造智能泡沫浮选检测系统.docx》由会员分享，可在线阅读，更多相关《案例 _ 东土边缘控制打造智能泡沫浮选检测系统.docx（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、案例 _ 东土边缘控制打造智能泡沫浮选检测系统人工智能已经成为新一轮产业变革的核心驱动力,正在对世界经济、社会进步和人类生活产生广泛的影响,机器视觉在产业和消费升级的大潮中将发挥重要的作用。2020年至2022年,中国机器视觉市场规模将从108亿元增长至162亿元人民币,年均复合增长率达225%，释放巨大的市场潜力。 机器视觉即用机器代替人眼来做测量和判断，工作流程大致为：被摄取目标经图像摄取装臵图像信号经图像处理系统数字信号经抽取目标特征判断结果并控制设备。该流程的实现需相应的硬件作为基础，典型的工业机器视觉系统构成有照明、镜头、相机、图像采集卡、视觉处理器等。 利用机器视觉技术，东土科技可

2、为用户提供自动检测识别解决方案。方案搭载东土边缘通用控制器，东土科技 Intewell 工业级网络操作系统，视觉软件等组件，并利用 5G 和现场工业网络提供数据通道。目前，整套系统在芯片检测、工程机械、风电、石化领域已形成典型性应用。 比如，在智慧矿山泡沫浮选过程中，大多数是由工人直接根据自身经验来判断浮选工况并做出调整，如矿浆浓度、浮选药剂用量等。通过建立煤泥浮选机器视觉系统，用机器视觉代替“人眼”实时地监控浮选状态，并调整浮选参数；将图像识别技术应用到浮选工艺中，提高浮选工艺水平，实现浮选过程的智能化操作与信息化展示，对浮选过程的自动化发展具有重要研究意义和应用价值。 东土科技基于深度学习

3、-目标检测实现浮选液面泡沫目标识别及定位模型，研发出一套智能泡沫检测系统，系统主要运行在东土科技NewPre AI 边缘通用控制器之上，以“核心浮选视频检测程序”为基础，其核心是基于GPU的Yolo 目标检测模型引擎，实现对获取的每一帧视频帧的快速检测与结果输出。 搭载NewPre AI边缘通用控制器的智能泡沫浮选系统，在“实时在线处理”模块，实现对原始摄像头视频流的解码、抽帧，格式转换处理，并将转换后的图像帧送到深度学习模型中进行识别，并最终将检测结果标注在视频流中，重新编码视频流推送给前端UI进行展示与预警。核心图像识别引擎，采用pytorch+yoloV5模型，通过对5000+张样本数据集的训练，实现对液面泡沫的识别、定位于标注，该模型运行在前端设备的GPU硬件之上，实现GPU算力加速。 NewPre边缘通用控制器产品，在满足运动控制、数据采集和处理、AI联合学习算法、恶劣工况下稳定运行等优势下，可实现实时控制与非实时控制稳定运行，是一种新型的AI+运动控制的应用。NewPre采用微内核架构，以软件定义生产流程和控制系统，通过虚拟化技术，实现高实时和非实时业务融合，可满足运动控制应用需求；通过非实时系统提供视觉检测方案，同步启用实时控制系统，提高生产效率和产品质量。