[发明专利]基于深度学习的垃圾焚烧状态辨识方法和焚烧控制方法

权利要求书

1.一种基于深度学习的垃圾焚烧状态辨识方法，其特征在于，包括：

获取垃圾焚烧图像；

将所述垃圾焚烧图像输入垃圾焚烧状态辨识模型中，以得到垃圾焚烧状态；

其中所述垃圾焚烧状态辨识模型通过以下步骤得到：

计算预设的垃圾焚烧样本图像集中的垃圾焚烧样本图像的焚烧状态参数；

依据所述焚烧状态参数，按预定的焚烧状态类别，对所述垃圾焚烧样本图像进行分类；

构建一神经网络模型，将所述垃圾焚烧样本图像集作为训练数据，将垃圾焚烧样本图像的类别作为数据标签，对所述神经网络模型进行训练，得到所述垃圾焚烧状态辨识模型。

2.如权利要求1所述的方法，其特征在于，所述焚烧状态参数包括图像平均灰度、火焰有效面积率、高温有效面积率、火焰高温率、火焰质心、火焰质心偏移距离、高温区圆形度、单位时间火焰有效面积方差和单位时间图像灰度均值方差中的一者或多者。

3.如权利要求1所述的方法，其特征在于，所述依据所述焚烧状态参数，按预定的焚烧状态类别，对所述垃圾焚烧样本图像进行分类，包括：

采用EM算法对所述焚烧状态参数进行聚类分析，得到所述垃圾焚烧样本图像的火焰形体、火焰温度和火焰闪动三类指标，根据火焰形体、火焰温度和火焰闪动这三类指标，按预定的焚烧状态类别，对所述垃圾焚烧样本图像进行分类。

4.如权利要求3所述的方法，其特征在于，所述根据火焰形体、火焰温度和火焰闪动这三类指标，按预定的焚烧状态类别，对所述垃圾焚烧样本图像进行分类，包括：

将所述垃圾焚烧样本图像的火焰形体、火焰温度和火焰闪动三类指标输入预设的专家系统中，得到所述垃圾焚烧样本图像所属的焚烧状态类别，其中所述专家系统存有依据火焰形体、火焰温度和火焰闪动对所述垃圾焚烧样本图像按所述预定的焚烧状态类别进行分类的专家经验。

5.如权利要求1所述的方法，其特征在于，所述将所述垃圾焚烧样本图像集作为训练数据，将垃圾焚烧样本图像的类别作为数据标签，对所述神经网络模型进行训练，包括：

将所述垃圾焚烧样本图像集按一定比例分为训练集、验证集和测试集，利用所述训练集对所述神经网络模型进行训练，利用所述验证集对经训练的所述神经网络模型进行超参数调优，利用所述测试集验证经训练的所述神经网络模型的准确性。

6.如权利要求1所述的方法，其特征在于，所述焚烧状态类别包括燃烧均匀、燃烧不充分、横向偏烧和纵向偏烧。

7.如权利要求1所述的方法，其特征在于，还包括：当某段时间内连续得到的垃圾焚烧状态都一致时，则判定该时间段内的垃圾焚烧状态为该一致的垃圾焚烧状态。

8.一种基于深度学习的垃圾焚烧控制方法，其特征在于，包括：

获取垃圾焚烧图像，将所述垃圾焚烧图像输入垃圾焚烧状态辨识模型中，以得到垃圾焚烧状态；

获取焚烧炉环境监测数据和焚烧炉运行数据，根据所述垃圾焚烧状态和焚烧炉运行数据预测烟气污染物浓度和主燃段温度场分布；

将所述焚烧炉环境监测数据、预测的烟气污染物浓度和预测的主燃段温度场分布输入一强化学习控制模型中以得到焚烧控制参数；

向焚烧炉发送所述焚烧控制参数，使焚烧炉做出相应调整；

其中所述垃圾焚烧状态辨识模型通过以下步骤得到：

计算预设的垃圾焚烧样本图像集中的垃圾焚烧样本图像的焚烧状态参数；

依据所述焚烧状态参数，按预定的焚烧状态类别，对所述垃圾焚烧样本图像进行分类；

构建一神经网络模型，将所述垃圾焚烧样本图像集作为训练数据，将垃圾焚烧样本图像的类别作为数据标签，对所述神经网络模型进行训练，得到所述垃圾焚烧状态辨识模型。