[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

说明书

一种基于深度学习的垃圾焚烧状态辨识方法和焚烧控制方法，包括，首先对预设的垃圾焚烧样本图像集中的垃圾焚烧样本图像计算焚烧状态参数，依据焚烧状态参数，按预定的焚烧状态类别，对垃圾焚烧样本图像进行分类，然后将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，对一神经网络模型进行训练，得到垃圾焚烧状态辨识模型，将垃圾焚烧图像输入垃圾焚烧状态辨识模型中得到垃圾焚烧状态，从而实现垃圾焚烧状态的实时自动化监控，有利于提高垃圾焚烧状态识别的准确性和垃圾焚烧效果的稳定性，给垃圾焚烧发电厂带来更高的边际经济效益，同时解放人力，减少人力成本，改善劳工的工作环境。

技术领域

本发明涉及垃圾焚烧技术领域，具体涉及一种基于深度学习的垃圾焚烧状态辨识方法和焚烧控制方法。

背景技术

我国城市生活垃圾年清运量和焚烧处置率逐年递增，垃圾焚烧发电项目日渐增多，但我国垃圾组分复杂多变，且随着国民经济发展，垃圾热值日渐高于焚烧炉设计热值，从而导致燃烧恶化，造成污染物原始生成浓度剧增、垃圾焚烧不彻底、炉渣热灼减率偏高等诸多燃烧问题。

目前，对垃圾焚烧的现场优化调控主要基于传统热电偶等测量元件的反馈值和人工观测火焰得出的燃烧诊断结论进行，调控方式也取决于运行人员的经验和习惯。然而基于传统热电偶等测量元件的监测系统覆盖范围窄且参数的测量具有滞后性，对垃圾焚烧过程中出现的燃烧问题反馈不及时；人工操作则更多依靠主观经验，其焚烧效果不稳定且给企业带来很大的人员培养负担，同时焚烧厂中较为恶劣的工作环境也容易对工人健康产生危害。因此有必要提高垃圾焚烧过程中垃圾焚烧状态辨识的智能化水平及自动化水平。

发明内容

本申请提供一种基于深度学习的垃圾焚烧状态辨识方法和焚烧控制方法，旨在解决现有垃圾焚烧技术中对于垃圾焚烧状态的判断主要依赖人工经验，导致判断不准确、焚烧效果不稳定的问题。

根据第一方面，一种实施例中提供一种基于深度学习的垃圾焚烧状态辨识方法，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。

一种实施例中，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。

一种实施例中，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。

一种实施例中，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。