基于机器视觉的垃圾焚烧炉燃烧信息提取方法研究.pdf

基于机器视觉的垃圾焚烧炉燃烧信息提取方法研究

摘要

当垃圾在焚烧炉内燃烧时，为了防止炉排上垃圾分布不均匀而出现偏烧现象损

坏炉排以及安全事故的发生，需要时刻监测垃圾的燃烧状况。当前对于焚烧炉内垃

圾燃烧情况的监测主要是靠人工观火的方式实现，对于炉排的调节也是通过人工操

作完成。这种人工观火与手动调节炉排的方法存在很大的主观性和滞后性，并且劳

动强度大、效率低。为了克服人工操作的缺点，本课题提出了一种基于机器视觉的

垃圾焚烧炉燃烧信息提取方法，具体研究工作如下：

1

（）针对相应的燃烧信息提取要求，设计图像处理流程，选择合适的图像处理

算法对火焰图像进行处理。对于传统图像分割方法提取得到的火焰区域中存在孔洞

和白块现象，加入了孔洞填充算法和区域筛选算法进行改进。此外，针对传统方法

在火焰区域提取中的弊端，通过自建数据集，使用U2-Net网络进行训练，实现了基

于深度学习的火焰区域提取，比较了两种火焰区域提取方法的优缺点。

（2）针对火焰完结点检测和燃尽线拟合要求，提出了基于图像叠加的火焰完结

点检测方法和基于火焰边缘筛选的均值燃尽线拟合方法。首先，使用Sobel算子对

提取得到的火焰区域进行边缘检测，并将边缘检测图像与火焰原图叠加成功得到了

火焰完结点图像。其次，使用霍夫线检测算法提取火焰底部边缘中线性较好的点，

并求取所提点的纵坐标平均值，以此值做直线实现燃尽线拟合。为了全面监测炉膛

温度，使用基于像素值的温度场重建方法，实现了垃圾焚烧炉内的二维温度场重建。

（3）针对炉排速度调节过程中存在一定的滞后性，速度的降低需要消耗一段时

间，为了提高垃圾焚烧效率，保证燃烧效果足够好，需要预测燃尽线的变化趋势，

提前调节炉排速度。比较了RF算法、BP神经网络、LSTM网络、CNN网络在燃尽

线距离预测方面的效果，最终选择使用性能表现更好的CNN网络对燃尽线距离进行

预测。

4PyQt5

（）针对垃圾焚烧厂实时检测的要求，使用设计了界面简洁、信息直观、

操作方便的软件，能够实时提取垃圾焚烧炉内的燃烧信息并将燃尽线距离数据送入

DCS系统实现炉排自动控制。经过现场测试后，证明了所提出的燃烧信息提取算法

及软件功能的可行性，满足实际检测的要求。

关键词：机器视觉；火焰完结点；U2-Net；燃尽线；CNN

I

RESEARCHONCOMBUSTIONINFORMATION

EXTRACTIONMETHODOFWASTEINCINERATOR

BASEDONMACHINEVISION

ABSTRACT

Whenthegarbageisburnedintheincinerator,inordertopreventtheuneven

distributionofgarbageonthegrateandtheoccurrenceofpartialburningphenomenon

damagetothegrateandsafetyaccidents,itisnecessarytomonitortheburningstatusof

thegarbageatalltimes.Atpresent,themonitoringofwastecombustionintheincinerator

ismainlyachievedbymanualfireobservation,andtheadjustmentofthegrateisalso

completedbymanualoperation.Thismethodofmanualfireobservationandmanualgrate

adjustmenthasgreatsubjectivityandlag,andthelaborintensityishighandtheefficiency

islow.Inordertoovercometheshor