[发明专利]基于深度学习的水煤浆流动性检测装置及其检测方法

说明书

本发明公开了一种基于深度学习的水煤浆流动性检测装置及其检测方法，半封闭式箱体内设有光源和激光发射器；内壁的一侧面设有侧位相机，相对的另一侧面设有侧面背板光源；顶面设有顶部相机，对应的底部设有底面背板光源；顶部还设有入料口；入料口底部设有电磁阀门；半封闭式箱体内壁的底部设有定量模具；入料口上方还设有活塞；还包括嵌入式AI平台，侧位相机，顶部相机均与嵌入式AI平台连接。通过侧位相机采集煤浆滴落过程的视频，分析视频中煤浆形态特征，通过激光发射器与顶部相机，采集滴落后摊开的煤浆图像并分析滴落煤浆的体积，综合考虑煤浆滴落状态与煤浆滴落体积，得出流动性检测结果。

技术领域

本发明涉及矿物加工中水煤浆技术领域，尤其是基于深度学习的水煤浆流动性检测装置及其检测方法。

技术背景

“富煤、贫油、少气”是我国能源结构的基本特征，而我国煤炭资源的分布极不均衡，其中60-70％集中在西部地区，因此煤炭资源的远距离运输具有重要的研究价值。除了常规的水运、铁运和汽运之外，煤炭的管道运输是解决我国煤炭运输紧张的新途径。目前相对成熟的管道输煤方案，是将煤、水、添加剂混合制成水煤浆，然后通过泵站和管线实现水煤浆的管道输送，并在管道终端增加脱水提浓环节，最终得到满足雾化、燃烧、气化等基本要求的合格浆体。在这过程中，水煤浆作为一种固液两相的非牛顿流体，其流变性对水煤浆的输送、雾化、燃烧、气化均起到决定性作用。而水煤浆的流动性作为流变性的重要表现形式，其快速、稳定、准确的在线检测方法与配套仪器对水煤浆的远距离输送、气化、燃烧等工业应用都具有极其重要的意义。

目前的现有技术中，仍习惯于利用表观粘度大小来间接反映水煤浆流动性的好坏，但表观粘度并不能完全反映流体不可逆形变的难易程度，仅能用于大致比较。在针对颗粒粗糙、流动性普遍较差的气化型水煤浆时，利用表观粘度很难反映出气化浆的流动性差异。较为先进的基于数字图像处理技术的水煤浆流动性测定方法，主要借鉴混凝土行业流动性检测方法，将浆注满截锥圆模并提起测量水煤浆摊开面积，此方法能在一定程度上对水煤浆流动性进行量化，但与人类感官上对流动性的判断脱节。一般在研究人员判断浆体流态时，往往根据物料自然流下时的状态，将流动性分为若干等级，这种方法虽然适合水煤浆流动性的判断，但是受操作人员的主观因素影响过大，因此不利于推广应用。

随着深度学习理论与技术的不断完善，社会各行各业的智能化发展进程得到了大力推动。深度学习的最大优势就是通过建立与训练神经网络模型，以端到端的模式模拟人脑对事物的认知过程，因此将深度学习方法引入水煤浆流动性检测能够极大地节约测试所需人力、物力，实现检测智能化、标准化、专业化，然而目前仍未见该方法在水煤浆技术领域中的应用。

发明内容

本发明的目的是提供一种基于深度学习的水煤浆流动性检测装置及其检测方法，利用该方法与配套仪器可实现水煤浆流动性的在线准确检测。

本发明的目的是通过以下技术方案实现的：

基于深度学习的水煤浆流动性检测装置，包括半封闭式箱体，半封闭式箱体内设有光源和激光发射器；半封闭式箱体内壁的一侧面设有侧位相机，相对的另一侧面设有侧面背板光源；半封闭式箱体内壁的顶面设有顶部相机，对应的底部设有底面背板光源；

半封闭式箱体内壁顶部还设有入料口，入料口底部设有电磁阀门；

半封闭式箱体内壁的底部设有定量模具，所述的定量模具位于入料口的下方；定量模具设置在水平导轨上；

入料口上方还设有活塞，所述的活塞通过支架安装在垂直导轨上；待系统给出开始指令后，电磁阀门可自动打开，并在固定时间后，可由活塞挤压入料口处残留煤浆。

还包括嵌入式AI平台，侧位相机、顶部相机均与嵌入式AI平台连接。

所述的半封闭式箱体底部设有排污口，可用于残留煤浆的自动冲洗与自清洁功能。

基于深度学习的水煤浆流动性检测方法，可依托基于深度学习的水煤浆流动性检测装置进行水煤浆流动性的实时在线检测。