【技术实现步骤摘要】
本专利技术涉及自动化控制，尤其涉及一种基于视频机器学习的循环流化床的给料控制方法。
技术介绍
1、随着我国社会经济的快速发展，生产与生活过程中产生的垃圾废物也随之极具增加，为了使其能够合理的利用，实现垃圾的无害化、资源化和减量化的处理目标，垃圾焚烧发电已成为我国的主流处理方式；目前国内已运行的垃圾发电厂主要炉型为机械炉排炉和循环流化床。 循环流化床垃圾焚烧炉的一种典型的给料方式是通过零号铰刀、前级铰刀和滚筒的方式次第将预处理后的垃圾尽可能均匀的投入到流化床锅炉本体当中。其中最前端给料装置零号铰刀的控制至关重要，零号铰刀给料量是否合理关系到后面两级给料装置的控制及炉温、床温、返料温度问题、氧量、一氧化碳等多个关键指标，是锅炉运行人员时时刻刻都必须关注的问题。在相关技术中，循环流化床锅炉都是依靠运行人员现场根据锅炉的给料口料位目视结果，来频繁调整（人工调整）零号铰刀的开度指令。根据统计单台流化床锅炉给料系统操作数每日为15000次左右，可以发现零号铰刀的合理控制是一个复杂的多变量协调控制过程，依靠人力很难做到全部兼顾且运行水平一致。
2、例如，中国专利cn107830533a公开了一种应用于垃圾焚烧炉排炉的进料装置及操作方法，包括进料斗，所述进料斗尾部下料口处设有主挡板，所述进料斗内部设置有两个以上的隔板，各隔板将进料斗分隔成多个进料室，所述进料室尾部下料口处设有副挡板，所述主挡板和副挡板分别与挡板开度控制系统连接，由挡板开度控制系统实现在线实时控制燃料的进料量及燃料的混合比例，不同性质的燃料通过各自的进料室落入炉排，在
技术实现思路
1、本专利技术是为了克服现有技术的基于人的经验判断来调整零号铰刀的开度，存在人为误差且工作量繁重的问题，提供一种基于视频机器学习的循环流化床的给料控制方法。
2、本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
3、根据本专利技术一个或多个实施例的第一方面，提出了一种基于视频机器学习的循环流化床的给料控制方法，应用于服务端，所述服务端配置有预训练的图像识别模型，所述方法包括：
4、获取所述循环流化床对应的料位的实时视频流数据，并对所述实时视频流数据进行预处理，以得到对应的实时料位二值图片；
5、将所述实时料位二值图片输入至所述图像识别模型，以得到对应的料位识别结果；
6、根据所述料位识别结果和预设控制算法，确定对应的控制参数；
7、基于所述控制参数，控制所述循环流化床对应的零号铰刀的开度至与所述控制参数所匹配的开度。
8、作为优选，所述对所述实时视频流数据进行预处理，包括：
9、将所述实时视频流数据根据预设时间间隔进行截图，得到对应的一组截图图片；
10、将所述一组截图图片进行数字化处理，得到对应的实时料位二值图片。
11、作为优选，所述预设时间间隔包括2秒。
12、作为优选，所述将所述一组截图图片进行数字化处理，得到对应的实时料位二值图片，包括：
13、基于opencv技术，对所述一组截图图片进行数字化处理，以得到对应的一组所述截图图片的三维信息，并将其保存至元组中；
14、将所述一组截图图片转化为实时料位二值图片。
15、作为优选，所述三维信息包括高度、宽度和通道数。
16、作为优选，所述方法还包括：
17、在所述一组截图图片中划分对应的识别区域。
18、作为优选，所述图像识别模型包括采用pytorch技术进行预训练的图像识别模型。
19、根据本专利技术一个或多个实施例的第二方面，提出了一种基于视频机器学习的循环流化床的给料控制装置，应用于服务端，所述服务端配置有预训练的图像识别模型，所述装置包括：
20、获取单元，获取所述循环流化床对应的料位的实时视频流数据，并对所述实时视频流数据进行预处理，以得到对应的实时料位二值图片；
21、输入单元，将所述实时料位二值图片输入至所述图像识别模型，以得到对应的料位识别结果；
22、确定单元，根据所述料位识别结果和预设控制算法，确定对应的控制参数；
23、控制单元，基于所述控制参数，控制所述循环流化床对应的零号铰刀的开度至与所述控制参数所匹配的开度。
24、根据本专利技术一个或多个实施例的第三方面，提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面所述方法的步骤。
25、根据本专利技术一个或多个实施例的第四方面，提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述方法的步骤。
26、本专利技术的有益效果是：
27、本专利技术所述的一种基于视频机器学习的循环流化床的给料控制方法，应用于服务端，该服务端可以配置有预训练的图像识别模型，其在获取实时视频数据流数据后，可以对该实时视频流数据进行预处理，得到实时料位二值图片，并基于该图像识别模型进行识别，得到料位识别结果，以及根据预设控制算法和识别结果来得到对应的控制参数，从而实现零号铰刀的自动控制，解放人力，同时具有较高的精度。
28、另外，基于流化床垃圾炉落料口中垃圾与料层承载设备有明显色差的特性，可以将rgb彩色图标转换为灰度图片，采用二值图片作为输入，二值图片的数据量较少，将其输入至图像识别模型，可以有效减少该模型的训练和识别的时间，提升效率。
本文档来自技高网...【技术保护点】
1.一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述对所述实时视频流数据进行预处理，包括：
3.根据权利要求2所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述预设时间间隔包括2秒。
4.根据权利要求2所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述将所述一组截图图片进行数字化处理，得到对应的实时料位二值图片，包括：
5.根据权利要求4所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述三维信息包括高度、宽度和通道数。
6.根据权利要求2所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，
8.一种基于视频机器学习的循环流化床的给料控制装置，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一所述方法的步骤。
...【技术特征摘要】
1.一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述对所述实时视频流数据进行预处理，包括：
3.根据权利要求2所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述预设时间间隔包括2秒。
4.根据权利要求2所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述将所述一组截图图片进行数字化处理，得到对应的实时料位二值图片，包括：
5.根据权利要求4所述的一种基于视频机器学习的循环流化床的给料控制方法，其特征在于，所述三维信息包括高度、宽...
【专利技术属性】
技术研发人员：韦东良，王武忠，胡勇，平川，程学安，梁顺，
申请(专利权)人：杭州科晟能源技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。