[发明专利]一种垃圾焚烧厂火焰燃烧状态识别方法

说明书

本发明提供一种能够准确判别垃圾焚烧状态的火焰识别方法，包括以下步骤，建立火焰识别模型并对火焰识别模型进行训练；通过火焰识别模型对火焰图片进行识别。本发明的有益效果是，本发明以垃圾焚烧系统为改进对象，围绕炉内火焰视频图像，对深度学习方法和PCA分类识别算法进行改进，进行深度学习方法网络结构与PCA算法参数的优化，实验仿真并确定最优的垃圾焚烧炉内火焰燃烧状态识别模型；以此作为判断当前焚烧状态的依据；从而实时监控垃圾焚烧炉内火焰的燃烧状态。

技术领域

本发明涉及垃圾焚烧领域，具体涉及一种垃圾焚烧火焰识别方法。

背景技术

由于我国人口数量多，产生的垃圾总量也非常巨大，现有技术中，垃圾处理的主要方式是掩埋，但是掩埋的方式存在垃圾渗出液，污染严重，现有技术中，焚烧设备在焚烧垃圾时通常不能及时自动判断焚烧设备内的燃烧情况是否理想，现有技术通过人工判断的方式，存在较大的误差，不能合理准确的判断燃烧状态，往往导致调整失误，造成资源浪费和环境污染。

发明内容

为了解决上述问题，本发明提供一种能够准确判别垃圾焚烧状态的火焰识别方法，包括以下步骤，

建立火焰识别模型并对火焰识别模型进行训练；

通过火焰识别模型对火焰图片进行识别。

进一步的，

所述建立火焰识别模型并对火焰识别模型进行训练包括以下步骤，

获取灰度图样本训练矩阵；

计算训练图片的平均值与差值；

构建协方差矩阵；

求特征值和特征向量并构造特征图像空间。

进一步的，

所述获取灰度图样本训练矩阵包括，

设定训练集有n个由灰度图像素矩阵组成的样本，每个样本大小为L×W；

获取样本矩阵，

x＝(x₁,x₂,x₃,x₄,…x_n)^T，

其中，x为得到的样本矩阵，n为样本容量，x_i为由第i个样本的每一列向量堆叠成一列的L×W维列向量；

将样本矩阵向量化。

进一步的，

所述计算训练图片的平均值与差值包括，

通过以下公式获取训练图片每一维的平均值，

其中Ψ代表训练图片的平均值，n为样本容量，x_i为由第i个样本的每一列向量堆叠成一列的L×W维列向量；

计算每张图片像素矩阵与训练图片平均值的差值，

d_i＝x_i-ψ,i＝1,2,3,...,n，

其中d_i表示每张图片像素矩阵与训练图片平均值的差值，x_i为由第i个样本的每一列向量堆叠成一列的L×W维列向量。

进一步的，

所述构建协方差矩阵包括，

采用以下公式构建协方差矩阵，