一种基于深度学习的炉膛火焰稳定性检测方法技术

本发明专利技术提供一种基于深度学习的炉膛火焰稳定性检测方法，包括：通过防爆火焰监控摄像机对炉膛内火焰进行实时监测，得到监测视频；从监测视频中提取监测图像，将监测图像进行图像预处理，预处理包括通过掩膜去除监控图像的暗角无效区域；将预处理后的监测图像利用IRPC‑YOLOV9模型进行图像分割处理，得到火焰区域；提取火焰区域的火焰特征参数，火焰特征参数包括几何参数、热力学参数及亮度参数；对火焰特征参数进行计算处理，得到火焰稳定指数；根据火焰稳定指数判断火焰稳定燃烧程度。本发明专利技术的方法使工作人员可以实现通过持续监测火焰稳定指数，实时掌握火焰的稳定性情况，来避免燃烧效率低、污染物排放超标甚至爆炸等严重问题，确保生产过程的安全和稳定。

【技术实现步骤摘要】

本专利技术涉及工业锅炉火焰，尤其涉及一种基于深度学习的炉膛火焰稳定性检测方法。

技术介绍

1、工业燃烧过程在许多工业过程中起着至关重要的作用，包括发电、化学生产和废物管理，然而不稳定的火焰会导致许多燃烧问题，如炉膛振动、燃烧效率低、污染物排超标，甚至熄火。为了提升炉体的整体运行效率，确保操作环境的安全性，并满足严格的节能减排标准，必须准确地监测炉内火焰的稳定性。其中，基于摄像头的监测技术需通过分割有效的将火焰从背景中分离出来，利用火焰区域获取燃烧过程中火焰稳定性的相关数据，如温度、亮度和抖动频率。因此寻找合适精准的火焰区域分割方法，不仅是对燃烧过程控制的重要贡献，也为实现更高效、节能的燃烧过程控制提供了可能。在传统分割技术中提出的阈值分割、边缘检测、区域生长和形态学操作，虽有效但依赖于对应用的深入了解，需要大量手动调整，且泛化能力有限。

技术实现思路

1、有鉴于此，本专利技术提供一种基于深度学习的炉膛火焰稳定性检测方法，以解决上述问题。

2、本专利技术提供一种基于深度学习的炉膛火焰稳定性检测方法，本文档来自技高网...

【技术保护点】

1.一种基于深度学习的炉膛火焰稳定性检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述几何参数包括火焰高度，指从火焰出口X0(a,b)到火焰最前端X1(0,b)的垂直距离X0(a,b)-X1(0,b)，其值表示为：

3.根据权利要求1所述的方法，其特征在于，所述亮度参数包括火焰亮度，指发光区域灰度值的平均值，这些值被归一化到最大灰度值，反映火焰最基本的发光特性，计算公式表示为：

4.根据权利要求1所述的方法，其特征在于，所述热力学参数包括平均温度、最高温度和闪烁频率；

5.根据权利要求1所述的方法，其特征在于，所述...

【技术特征摘要】

1.一种基于深度学习的炉膛火焰稳定性检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述几何参数包括火焰高度，指从火焰出口x0(a,b)到火焰最前端x1(0,b)的垂直距离x0(a,b)-x1(0,b)，其值表示为：

3.根据权利要求1所述的方法，其特征在于，所述亮度参数包括火焰亮度，指发光区域灰度值的平均值，这些值被归一化到最大...

【专利技术属性】
技术研发人员：杨长春，胡玉蝶，朱文涛，王宇鹏，
申请(专利权)人：常州大学，
类型：发明
国别省市：