[发明专利]基于热成像图的垃圾焚烧炉入炉垃圾热值的实时测算方法

说明书

本发明涉及入炉垃圾的热值实时测算技术，旨在提供一种基于热成像图的垃圾焚烧炉入炉垃圾热值的实时测算方法。本发明利用不同垃圾组分在红外波段图像内颜色不同的原理，通过热成像摄像机采集入炉垃圾的热成像图并人工标注形成数据集，通过U‑Net全卷积神经网络循环进行模型训练，并结合模型输出的垃圾分割体积与单位体积垃圾热值计算，最终得到入炉垃圾的实时热值。相较现场运行人员根据DCS数据或经验估算垃圾热值，本发明更具有实时性和精确性，其能够高效和准确的测算料斗内的垃圾热值，能实现对垃圾焚烧炉的稳定燃烧的诊断，减少污染物排放以及燃烧的高效清洁利用。

技术领域

本发明涉及入炉垃圾的热值实时测算技术领域，尤其涉及一种基于热成像图的垃圾焚烧炉入炉垃圾热值的实时测算方法。

背景技术

随着我国经济的快速发展，“垃圾围城”困境不断升级，垃圾焚烧技术对垃圾减量化、无害化、资源化起到了很大的作用.但由于我国垃圾成分复杂、热值不均匀，且无法提前估算入炉垃圾的热值，垃圾给料速率的调节有一定滞后性，容易影响焚烧炉燃烧效率、稳定运行及增加污染物排放.因此，需要对垃圾焚烧炉入炉垃圾热值进行实时测算，以解决上述问题，实现垃圾的清洁、高效能源化利用。

垃圾焚烧发电厂物料进入焚烧炉之前，需要安排人工实时注视监控屏幕，通过运行人员通过经验估算垃圾热值来调整垃圾给料量和风量等，实现焚烧炉内的稳定燃烧，这既需要工作人员时刻保持高度集中的注意力。另外，人工监视方式无法精准估算出垃圾热值，控制调节存在滞后性，容易使得焚烧炉内燃烧产生较大的波动。

目前，国内外垃圾热值的计算方法大致有，仪器测试(氧弹热量法)、公式估计法(Dulong/Scheurer-Kestner等)；以及利用灰色关联度预测生活垃圾热值的影响，并利用BP(Back Propagation)神经网络建立垃圾热值预测模型。但这些方法存在着误差大、计算模型复杂难以应用、限制条件多等缺陷，并不能做到垃圾热值的实时测算。在现阶段的研究中，缺少一个有效的技术方法，能够对垃圾热值进行实时定量检测计算。

综上，目前尚无能够实时直接测算入炉垃圾热值的方法，大多数运行人员仅能从垃圾料斗的监控画面估算出垃圾热值的粗略情况。因此，亟需一种入炉垃圾热值实时测算方法以解决上述问题。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种基于热成像图的垃圾焚烧炉入炉垃圾热值的实时测算方法。

为解决技术问题，本发明的解决方案是：

提供一种基于热成像图的垃圾焚烧炉入炉垃圾热值的实时测算方法，包括以下步骤：

(1)在垃圾焚烧炉入炉前的料斗上方设置热成像摄像机，获取料斗中垃圾的热成像图；

(2)对热成像图进行校正后，对热成像图进行切割操作，去除时间和日期信息；

(3)不同热值的垃圾会在热成像图中显示为不同颜色，按颜色的区别将热值区域定义为高、中、低三个级别；由于不同种类垃圾的表面发射率不同，导致其能够发出的辐射量不同，因此在热成像图中产生了不同颜色的区域。高热值区域在热成像图片中颜色偏红，低热值区域在热成像图片中偏蓝。根据该规则对足量热成像图中的热值区域进行人工标注，将标注后的图像与原图一一对应后组成料斗垃圾的热成像数据库；

(4)以热成像数据库作为训练集，将其输入U-Net全卷积神经网络中进行训练，得到用于分析热成像图中热值区域的自动识别模型；

(5)将实时生成的单张热成像图输入自动识别模型，对该图中不同级别的热值区域分别进行识别；然后计算各级别热值区域的图像总面积area_i，设定area₁为高热值区域图像总面积、area₂为中热值区域图像总面积、area₃为低热值区域图像总面积；