CN115791859A - 基于图像处理的一步化生物质固有特性预测方法及装置 - Google Patents

基于图像处理的一步化生物质固有特性预测方法及装置 Download PDF

Info

Publication number
CN115791859A
CN115791859A CN202211488954.2A CN202211488954A CN115791859A CN 115791859 A CN115791859 A CN 115791859A CN 202211488954 A CN202211488954 A CN 202211488954A CN 115791859 A CN115791859 A CN 115791859A
Authority
CN
China
Prior art keywords
biomass
content
corresponding relation
sample
lignin
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211488954.2A
Other languages
English (en)
Inventor
冯增兴
吴韬
彭咏惞
吴心赟
闫誉馨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Nottingham New Materials Institute Co ltd
University of Nottingham Ningbo China
Original Assignee
Ningbo Nottingham New Materials Institute Co ltd
University of Nottingham Ningbo China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo Nottingham New Materials Institute Co ltd, University of Nottingham Ningbo China filed Critical Ningbo Nottingham New Materials Institute Co ltd
Priority to CN202211488954.2A priority Critical patent/CN115791859A/zh
Publication of CN115791859A publication Critical patent/CN115791859A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种基于图像处理的一步化生物质固有特性预测方法及装置,涉及生物质特性检测技术领域。本发明在获取生物质固有性质的实验数据后,依据得到的所述实验数据生成生物质固有性质间的对应关系,接着,对获取的所述待测生物质样品的标准色图像进行图像处理得到RGB值,然后,基于处理得到的所述RGB值和所述生物质固有性质间的对应关系精确、快速地得到待测生物质样品的固有特性预测结果,以解决现有技术存在的过程繁杂、成本较高、原料消耗量较大、生物质样品不可回收等问题。

Description

基于图像处理的一步化生物质固有特性预测方法及装置
技术领域
本发明涉及生物质特性检测技术领域,特别是涉及一种基于图像处理的一步化生物质固有特性预测方法及装置。
背景技术
生物质作为一种具有可持续发展能力的清洁可再生资源,具有广阔的应用前景,包括但不限于化学品合成,新型燃料和新型材料的研发。生物质因其可再生性、绿色环保及储量生产量大等特性受到广泛关注。然而,生物质的不均一性和难预测性成为了其快速发展的阻碍。生物质具有三大重要有机组分,分别为纤维素、半纤维素及木质素。它们占据了生物质干重的90%左右,并成为了生物质基础理化特性的决定性因素。在生物质被进行进一步处理以用于相应应用之前,生物质多需要进行一系列特性分析,例如组分分析、元素分析、燃烧性质分析和灰分矿物质分析等。然而,这些生物质固有特性分析通常包含复杂的分析或样品准备步骤,需要较长的分析时间,成本较高且涉及有毒害的化学品的使用。
例如对于生物质三大有机组分(纤维素、半纤维素和木质素)的分析,已有多种化学湿法测定方案,如克拉松木素法和杜布瓦法等,但该种方法其具有耗时长、步骤冗杂、成本高及涉及有毒有害化学品的特性等缺点。而对于生物质进行组分分析、元素分析和灰分矿物质分析均有成熟的分析仪器或标准可供使用参考。
组分分析是分析物质化学成分的常见方法之一,可用于分析物质的水分、挥发分、灰分及固定碳地含量测定。组分分析常应用于煤工业等燃料工业,通过多段加热加以高温停留的方式,分析所得煤成分从而概略了解媒质及工业用途。元素分析即为利用化学反应测定物质中的元素组成和百分含量。通过将材料投入特殊仪器中燃烧的方法,定量的测定材料中的碳、氢、氧、氮和硫含量。灰分矿物质分析多用X射线荧光光谱仪或电感耦合等离子体质谱仪等实现。而对于生物质热表现的研究,仍处于发展之中,因而也一定程度上限制了生物质在能源方面的应用。但也有研究人员对于生物质的有机组分对于生物质的燃烧特性进行了一定的分析。但是,以上的分析和测定均为独立存在的,这些特性之间的联系因生物质内在的特异性,尚未得以确定。
基于上述描述,现存对于生物质的本征特征相较而言是独立的,不具有特征关联性,很难通过一个本征特征推断另一特征或推断生物质热表现状态,并且均存在过程繁杂、成本较高、原料消耗量较大、生物质样品不可回收等问题。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种基于图像处理的一步化生物质固有特性预测方法及装置。
为实现上述目的,本发明提供了如下方案:
一种基于图像处理的一步化生物质固有特性预测方法,包括:
获取生物质固有性质的实验数据;
基于所述实验数据生成生物质固有性质间的对应关系;所述生物质固有性质间的对应关系包括:生物质RGB值与生物质有机质含量间的对应关系、生物质有机质含量与生物质组分含量间的对应关系、生物质有机质含量与生物质元素含量间的对应关系、生物质有机质含量与生物质矿物质元素含量间的对应关系以及生物质有机质含量与燃烧性质间的对应关系;
获取待测生物质样品和所述待测生物质样品的标准色图像;
对所述标准色图像进行处理得到RGB值;
基于处理得到的所述RGB值和所述生物质固有性质间的对应关系得到待测生物质样品的固有特性预测结果。
优选地,所述获取生物质固有性质的实验数据,之前还包括:
获取生物质实验样品;
利用高清摄像头和标准色卡获取所述生物质实验样品的标准色图像;
对所述生物质实验样品的标准色图像进行RGB图像分析得到RGB值;
确定所述生物质实验样品的有机质含量;
对所述生物质实验样品进行组分分析得到生物质组分含量;
对所述生物质实验样品进行元素分析得到生物质元素含量;
对所述生物质实验样品进行矿物质分析得到生物质矿物质元素含量;
对所述生物质实验样品进行燃烧性质测定得到燃烧性质结果。
优选地,生物质RGB值与生物质有机质含量间的对应关系为:
L/(M+H)=1.04-R/794.34-G/908.01-B/980.31;
其中,L为木质素的含量,M为纤维素的含量,H为半纤维素的含量,R为标准色图像中的红色成分值,G为标准色图像中的绿色成分值,B为标准色图像中的蓝色成分值。
优选地,所述生物质有机质含量与生物质组分含量间的对应关系包括:生物质中纤维素含量与挥发分含量间的对应关系、生物质中纤维素含量与固定碳含量间的对应关系、生物质中纤维素含量与灰分含量间的对应关系、生物质中木质素含量与挥发分含量间的对应关系、生物质中木质素含量与固定碳含量间的对应关系以及生物质中木质素含量与灰分含量间的对应关系。
优选地,生物质有机质含量与生物质元素含量间的对应关系包括:生物质中纤维素含量与碳含量间的对应关系、生物质中纤维素含量与氢含量间的对应关系、生物质中纤维素含量与氧含量间的对应关系、生物质中纤维素含量与氮含量间的对应关系、生物质中纤维素含量与硫含量间的对应关系、生物质中木质素含量与碳含量间的对应关系、生物质中木质素含量与氢含量间的对应关系、生物质中木质素含量与氧含量间的对应关系、生物质中木质素含量与氮含量间的对应关系、生物质中木质素含量与硫含量间的对应关系。
优选地,生物质有机质含量与生物质矿物质元素含量间的对应关系包括:生物质中纤维素含量与二氧化硅含量间的对应关系、生物质中纤维素含量与氧化镁含量间的对应关系、生物质中纤维素含量与五氧化二磷含量间的对应关系、生物质中纤维素含量与氧化钾含量间的对应关系、生物质中纤维素含量与氧化钙含量间的对应关系、生物质中木质素含量与二氧化硅含量间的对应关系、生物质中木质素含量与氧化镁含量间的对应关系、生物质中木质素含量与五氧化二磷含量间的对应关系、生物质中木质素含量与氧化钾含量间的对应关系、生物质中木质素含量与氧化钙含量间的对应关系。
优选地,所述基于处理得到的所述RGB值和所述生物质固有性质间的对应关系得到待测生物质样品的固有特性预测结果,具体包括:
基于所述生物质RGB值与生物质有机质含量间的对应关系和所述RGB值反推得到所述待测生物质样品中木质素的含量、纤维素的含量和半纤维素的含量;
根据所述生物质有机质含量与生物质组分含量间的对应关系、所述纤维素的含量和所述木质素的含量反推得到待测生物质样品中每一组分的含量;
根据所述生物质有机质含量与生物质元素含量间的对应关系、所述纤维素的含量和所述木质素的含量反推得到待测生物质样品中每一元素的含量;
根据所述生物质有机质含量与生物质矿物质元素含量间的对应关系、所述纤维素的含量和所述木质素的含量反推得到待测生物质样品中每一矿物质元素的含量;
根据所述生物质有机质含量与燃烧性质间的对应关系和所述木质素的含量反推得到待测生物质样品的燃烧性质。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的基于图像处理的一步化生物质固有特性预测方法,在获取生物质固有性质的实验数据后,依据得到的所述实验数据生成生物质固有性质间的对应关系,接着,对获取的所述待测生物质样品的标准色图像进行图像处理得到RGB值,然后,基于处理得到的所述RGB值和所述生物质固有性质间的对应关系精确、快速地得到待测生物质样品的固有特性预测结果,以解决现有技术存在的过程繁杂、成本较高、原料消耗量较大、生物质样品不可回收等问题。
此外,本发明还提供了一种基于图像处理的一步化生物质固有特性预测装置,该装置包括:
拍摄仓,用于放置生物质样品,并用于生成所述生物质样品的标准色图像;
处理模块,与所述拍摄仓连接,植入有生物质固有特性预测软件,用于根据所述标准色图像得到生物质样品的固有特性预测结果;所述生物质固有特性预测软件用于实施上述提供的基于图像处理的一步化生物质固有特性预测方法。
优选地,所述拍摄仓包括:
样品台,用于放置所述生物质样品;
摄像机,与所述处理模块连接,用于拍摄所述生物质样品得到所述生物质样品的标准色图像。
优选地,所述处理模块为计算机。
因本发明提供的基于图像处理的一步化生物质固有特性预测装置实现的技术效果与上述提供的基于图像处理的一步化生物质固有特性预测方法实现的技术效果相同,故在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于图像处理的一步化生物质固有特性预测方法的流程图;
图2为本发明实施例提供的生物质样品的RGB值与木质素/(纤维素+半纤维素)值间的对应关系图;
图3为本发明实施例提供的纤维素含量与挥发分、固定碳、灰分三者成分含量的对应关系图;其中,图3中,VOC:volatile content,挥发分;FC:fixed carbon,固定碳;Ash,灰分;Cellulose,纤维素含量(质量百分比);
图4为本发明实施例提供的木质素含量与挥发分、固定碳、灰分三者成分含量的对应关系图;其中,图4中,Lignin,木质素含量(质量百分比);
图5为本发明实施例提供的纤维素含量与碳含量、氧含量间的对应关系图;其中,图5中,C为碳含量,O为氧含量;
图6为本发明实施例提供的纤维素含量与氢含量、氮含量、硫含量间的对应关系图;其中,图5中,H为氢含量,N为氮含量,S为硫含量;
图7为本发明实施例提供的木质素含量与碳含量、氧含量间的对应关系图;
图8为本发明实施例提供的木质素含量与氢含量、氮含量、硫含量间的对应关系图;
图9为本发明实施例提供的纤维素含量与K2O含量、CaO含量间的对应关系图;
图10为本发明实施例提供的纤维素含量与SiO2含量、MgO含量、P2O5含量间的对应关系图;
图11为本发明实施例提供的木质素含量与SiO2含量、MgO含量、P2O5含量间的对应关系图;
图12为本发明实施例提供的木质素含量与K2O含量、CaO含量间的对应关系图;
图13为本发明实施例提供的生物质燃点与木质素间的对应关系图;其中,图13中:Ignitionpoint,燃点;Lignin contentofbiomass(wt%),生物质中木质素含量(质量百分比);
图14为本发明提供的基于图像处理的一步化生物质固有特性预测装置的结构示意图;
图15为本发明实施例提供的生物质固有特性预测软件工作原理图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于图像处理的一步化生物质固有特性预测方法及装置,能够通过一个本征特征推断另一特征或推断生物质热表现状态,以解决现有技术存在的过程繁杂、成本较高、原料消耗量较大、生物质样品不可回收等问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的基于图像处理的一步化生物质固有特性预测方法,包括:
S1、获取生物质固有性质的实验数据。在本发明中,主要是通过实验对生物质进行测试和分析,获取生物质固有性质的实验数据,例如,该步骤的实施过程可以为:
S1-1、生物质预处理:
将所得生物质样品置于60-80摄氏度烘箱进行烘干12-24小时,使其脱去水分。再将干燥的生物质样品进行切割、研磨并过筛,以获得粒径约为100-300微米的生物质颗粒。将所得生物质颗粒分别置入60-80摄氏度烘箱进行烘干12-24小时,使其脱去研磨时代入的水分。将干燥生物质样品粉末称取1-2克置入模具进行压模,以待进行热行为测试。所选压模压力可以为1.5-2.5兆帕(Mpa)。
S1-2、红绿蓝(Red,Green andBlue,RGB)测试:
将1-5克生物质样品粉末置入样品台并与标准色卡一同利用高清摄像头进行RGB图像拍摄,拍摄图像经由采集输入计算机,进行RGB图像分析。
S1-3、生物质三大有机质含量测试:
取1-5克生物质样品粉末,置入一定比例的乙醇-丙酮溶液搅拌3-5小时,过滤、洗涤滤渣并将滤渣于100-110摄氏度烘箱中干燥10-15小时,称量干燥样品质量为A。将干燥样品置入一定浓度氢氧化钾溶液,20-30摄氏度环境下搅拌3-5小时。过滤,洗涤滤渣并将滤渣于70-90摄氏度烘箱中干燥18-30小时,称量此时干燥样品质量为B。将干燥样品置于一定浓度硫酸溶液中于室温搅拌处理2-5小时,过滤并洗涤滤渣,将滤渣置入西硫酸溶液中80-100摄氏度回流处理1-4小时,过滤,洗涤滤渣,并将滤渣于70-90摄氏度烘箱中干燥18-30小时,称量此时干燥样品质量为Y。
则生物质中,三大有机质组分可计算如下:纤维素的质量为B-Y。半纤维素的质量为A-B。木质素的质量为Y。
S1-4、组分分析:
称取2-3毫克生物质粉末样品,置入热重分析仪所需坩埚内,通过热重分析仪对于生物质样品进行组分分析。保持5-10摄氏度/分钟(oC/min)的恒定升温速率。三个升温区间分别为室温至100-105摄氏度,100-105摄氏度至700-800摄氏度,700-800摄氏度至900-11000摄氏度。前二温区环境气体选定为氮气,最终温区选定气体为氧气。气体流速为30-80毫升/分钟(ml/min)。每一温区到达目标温度后可选停留时间为40-120分钟。
S1-5、元素分析:
称取2-3毫克生物质粉末样品,置入元素分析仪特定包裹材料内进行包裹处理。将包裹整体置入元素分析仪进料仓,由分析仪进行投料燃烧。燃烧环境气体设定为氦气和空气混合气,流量分别为160-200ml/min和3-8ml/min。燃烧温度设定为1000-1200摄氏度,还原管温度设定为800-900摄氏度。通过分析燃烧尾气,可测算生物质原料中的碳(C)、氢(H)、氧(O)、氮(N)及硫(S)含量。
S1-6、灰分矿物质分析:
取3-5克生物质粉末样品,均匀平铺于刚玉坩埚内。刚玉坩埚则置入管式炉管内。管式炉升温程序设定为,室温至600-800摄氏度均匀多段升温。中间温区不做停留。升温速率恒定为5-10摄氏度。在目标温度停留30-90分钟,使生物质样品完成燃烧。而后,使样品自然冷却至室温。将灰分从坩埚内取出,置于X射线荧光光谱仪所需样品杯中。将样品杯放入X射线荧光光谱仪中,在氦气环境下进行矿物质分析。
S1-7、燃烧性质测定:
将样品压片置入灰熔融分析仪中,选定气氛为空气气氛,升温速度为15-20摄氏度。所配相机以1-2摄氏度/张相片的速率进行压片形貌拍摄,根据图像可分析生物质样品的燃烧起点。
S2、基于实验数据生成生物质固有性质间的对应关系。生物质固有性质间的对应关系包括:生物质RGB值与生物质有机质含量间的对应关系、生物质有机质含量与生物质组分含量间的对应关系、生物质有机质含量与生物质元素含量间的对应关系、生物质有机质含量与生物质矿物质元素含量间的对应关系以及生物质有机质含量与燃烧性质间的对应关系。
具体的,该步骤中,将上述实验数据进行整理成图表的形式,并将数据输入到电脑处理软件(例如Excel)中,软件自动生成生物质固有性质间的对应关系,并得到对应关系的计算公式。
其中,S2-1、建立生物质三大有机质含量和RGB对应关系:
如图2所示,生物质样品的RGB值和【木质素/(纤维素+半纤维素)】值存在线性关系。因而通过生物质样品值可以反推得到木质素,纤维素和半纤维素分别的对应值。基于此,生物质RGB值与生物质有机质含量间的对应关系为:
L/(M+H)=1.04-R/794.34-G/908.01-B/980.31。
其中,L为木质素的含量,M为纤维素的含量,H为半纤维素的含量,R为标准色图像中的红色成分值,G为标准色图像中的绿色成分值,B为标准色图像中的蓝色成分值。
S2-2、建立纤维素和木质素含量与组分分析结果对应关系:
在这一步骤中,所研究组分为挥发分、固定碳和灰分。水分可由总重减去三者计算所得。由图3可见,纤维素含量与三者成分存在线性关系。其中,生物质中纤维素含量与挥发分含量间的对应关系为:
VOC=0.3075Cellulose+0.3815。
生物质中纤维素含量与固定碳含量间的对应关系为:
FC=-0.2233Cellulose+0.4382。
生物质中纤维素含量与灰分含量间的对应关系为:
Ash=-0.1141Cellulose+0.113。
由图4可见,木质素含量与三者成分存在线性关系。由于纤维素与木质素为生物质三大有机质中含量较高的两者,对于生物质性质表现出了更强的影响能力。因此对于表现出强影响的性质,以二者进行共同分析更为准确。
其中,生物质中木质素含量与挥发分含量间的对应关系为:
VOC=-0.2960Lignin+0.5251。
生物质中木质素含量与固定碳含量间的对应关系为:
FC=0.5670Lignin+0.2389。
生物质中木质素含量与灰分含量间的对应关系为:
Ash=-0.2933Lignin+0.1738。
式中,VOC为挥发分含量,FC为固定碳含量,Ash为灰分含量,Cellulose为纤维素含量,Lignin为木质素含量。
S2-3、纤维素和木质素含量与元素分析结果对应关系:
如图5-图8所示,纤维素和木质素含量与碳、氢、氧、氮、硫含量均存在线性关系。因而可根据纤维素含量对元素含量进行推测。
其中,生物质中纤维素含量与碳含量间的对应关系为:
C=0.0556Cellulose+0.4612。
生物质中纤维素含量与氢含量间的对应关系为:
H=-0.0151Cellulose+0.0697。
生物质中纤维素含量与氧含量间的对应关系为:
O=0.0418Cellulose+0.4181。
生物质中纤维素含量与氮含量间的对应关系为:
N=-0.0768Cellulose+0.0476。
生物质中纤维素含量与硫含量间的对应关系为:
S=-0.0055Cellulose+0.0034。
生物质中木质素含量与碳含量间的对应关系为:
C=0.1916Lignin+0.4025。
生物质中木质素含量与氢含量间的对应关系为:
H=-0.0049Lignin+0.0609。
生物质中木质素含量与氧含量间的对应关系为:
O=-0.1325Lignin+0.5160。
生物质中木质素含量与氮含量间的对应关系为:
N=-0.0513Lignin+0.0196。
生物质中木质素含量与硫含量间的对应关系为:
S=-0.0030Lignin+0.0010。
式中,C为碳含量,H为氢含量,O为氧含量,N为氮含量,S为硫含量,Cellulose为纤维素含量,Lignin为木质素含量。
S2-4、纤维素和木质素含量与矿物质元素对应关系:
如图9-图12所示,纤维素和木质素含量与灰分中的钾、钙、硅、镁和磷含量均存在线性关系。因而可根据纤维素和木质素含量对矿物质含量进行推测。考虑到木质素与纤维素的高含量和模型的准确性,二者将作为共同影响因素以作灰分中的钾、钙、硅、镁和磷含量分析。
其中,生物质中纤维素含量与二氧化硅含量间的对应关系为:
SiO2=-0.0455Cellulose+0.0566。
生物质中纤维素含量与氧化镁含量间的对应关系为:
MgO=0.0298Cellulose+0.0095。
生物质中纤维素含量与五氧化二磷含量间的对应关系为:
P2O5=0.0645Cellulose+0.0414。
生物质中纤维素含量与氧化钾含量间的对应关系为:
K2O=-0.3433Cellulose+0.5749。
生物质中纤维素含量与氧化钙含量间的对应关系为:
CaO=0.2186Cellulose+0.2324。
生物质中木质素含量与二氧化硅含量间的对应关系为:
SiO2=-0.3733Lignin+0.2988。
生物质中木质素含量与氧化镁含量间的对应关系为:
MgO=0.0212Lignin+0.0177。
生物质中木质素含量与五氧化二磷含量间的对应关系为:
P2O5=-0.5911Lignin+0.1821。
生物质中木质素含量与氧化钾含量间的对应关系为:
K2O=-0.9682Lignin+0.3990。
生物质中木质素含量与氧化钙含量间的对应关系为:
CaO=1.6567Lignin+0.0399。
式中,SiO2为二氧化硅含量,MgO为氧化镁含量,P2O5为五氧化二磷含量,K2O为氧化钾含量,CaO为氧化钙含量,Cellulose为纤维素含量,Lignin为木质素含量。
S2-5、木质素含量和燃烧性质对应关系:
如图13所示,根据实验结果分析,生物质燃点与木质素含量成正相关的线性关系。图13中,Ignitionpoint,燃点。Lignin content ofbiomass(wt%),生物质的木质素含量(质量百分比)。
因而可以根据木质素含量推测生物质的燃点信息。二者关系如图13所示,其中y代表燃点,x代表木质素含量,R2为相关系数。
S3、获取待测生物质样品和待测生物质样品的标准色图像。其中,将研磨至100-300微米的生物质颗粒称量3-5克作为待测生物质样品。
S4、对标准色图像进行处理得到RGB值。
S5、基于处理得到的RGB值和生物质固有性质间的对应关系得到待测生物质样品的固有特性预测结果。
其中,图像可以经由电脑处理后自主输出RGB值并根据所建立关系,完成对于纤维素、半纤维素及木质素含量、组分分析、元素分析、灰分矿物质分析和燃烧性质的结果预测。具体的将采集到的图像传输到电脑,可以使用苹果Mac OS系统中的终端仿真器进行图像分析得出RGB值,脚本语言为JavaScript。同时,将编码中引入矩阵算法,从而使得编码自动化得以实现,处理方式如下:
S5-1、根据RGB值反推木质素,纤维素和半纤维素分别的对应值,具体计算过程为:
L/(M+H)=1.04-R/794.34-G/908.01-B/980.31
R=-264.78x+333.14
G=-302.67x+311.79
B=-326.77x+274.49
其中,x代表的是L/(M+H)。
S5-2、根据纤维素含量和木质素含量进行组分分析结果预测。公式整理如下:
VOM(%)=0.3075M+0.296L-0.1436
FM(%)=0.2233M+0.567L-0.1993
Ash(%)=-0.1141M+0.2933L-0.0608
S5-3、根据纤维素和木质素含量进行元素分析结果预测。公式整理如下:
M(%)=0.0418M-0.1916L+0.0156
O(%)=0.0556M+0.1325L-0.0548
H(%)=0.0151M-0.0049L-0.0088
N(%)=0.0768M-0.0513L-0.0280
S(%)=0.0055M-0.003L-0.0024
S5-4、根据纤维素和木质素含量进行灰分矿物质分析结果预测,等式左边代表物质百分含量,公式整理如下:
K2O(%)=0.3433M-0.9682L-0.1759
MgO(%)=0.0298M-0.0212Ll-0.0082
SiO2(%)=0.0455M-0.3733L+0.2422
P2O5(%)=0.0645M+0.5911L-0.1407
CaO(%)=0.2186M-1.6567L+0.1925
S5-5、根据木质素含量进行燃烧性质预测。
对不同的生物质进行固有特性预测时,直接重复上述步骤S1-步骤S5就可以实现。
在上述步骤S5中,等式左边均代表物质百分含量。
此外,本发明还提供了一种基于图像处理的一步化生物质固有特性预测装置,如图14所示,该装置包括:拍摄仓1和处理模块2。
拍摄仓1用于放置生物质样品,并用于生成生物质样品的标准色图像。
处理模块2与拍摄仓1连接,处理模块2中植入有生物质固有特性预测软件,用于根据标准色图像得到生物质样品的固有特性预测结果。生物质固有特性预测软件用于实施上述提供的基于图像处理的一步化生物质固有特性预测方法。其中,如图15所示,生物质固有特性预测软件的工作原理如下:
数据库:用于存储生物质固有性质间的对应关系数据。
图像处理模块:用于处理标准色图像,输出RGB值。
分析预测模块:用于根据所建立关系,完成结果预测。
结果输出模块:用于输出预测结果。
生物质固有特性预测软件中,数据库与图像处理模块通讯,图像处理模块输出RGB值至分析预测模块,分析预测模块输出结果至结果输出模块。
其中,拍摄仓1包括:样品台3和摄像机4。
样品台3用于放置生物质样品。
摄像机4与处理模块2连接,用于拍摄生物质样品得到生物质样品的标准色图像。摄像机4可以选用高清摄像机,以与处理模块2进行实时的高速图片传输,实现方式可以采用USB3.0数据传输口。处理模块可以为计算机或高速电脑。图14和图15中,RGB为红绿蓝三大属性对应值,CHL为纤维素,半纤维素,木质素含量,Prox为组分分析,Ultim为元素分析,Inotg为矿物质含量,Ign.T为燃点。
具体的,样品台固定在拍摄仓底部,摄像机固定在拍摄仓顶部,摄像机正对样品台,摄像机与计算机连接,计算机搭载生物质固有特性预测软件。
基于上述描述,本发明提出了一个以图像分析为基础的,针对生物质固有性质的一步化生物质固有特性预测方法及装置,以图像采样的方法,分析预测生物质的纤维素,半纤维素及木质素含量,组分分析结果,元素分析结果,灰分矿物质含量和燃烧性质。相对于现有技术,还具有以下优点:
1、本发明以图像分析法为核心,建立生物质本质特征分析仪器,避免了有害化学品的使用,减省了分析所需时间和金钱成本,实现了澳小的生物质固有特性预测。
2、本发明通过采用建立生物质图像和其本征特征和相关特性联系的方法,避免了进行多种测试的需求,节省了时间、人力和金钱成本。
3、本发明通过采用建立生物质图像和其本征特征和相关特性联系的方法,针对各类特征做出关联性预测仪器,达到以极简方式推测多种特称和表现的目的。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于图像处理的一步化生物质固有特性预测方法,其特征在于,包括:
获取生物质固有性质的实验数据;
基于所述实验数据生成生物质固有性质间的对应关系;所述生物质固有性质间的对应关系包括:生物质RGB值与生物质有机质含量间的对应关系、生物质有机质含量与生物质组分含量间的对应关系、生物质有机质含量与生物质元素含量间的对应关系、生物质有机质含量与生物质矿物质元素含量间的对应关系以及生物质有机质含量与燃烧性质间的对应关系;
获取待测生物质样品和所述待测生物质样品的标准色图像;
对所述标准色图像进行处理得到RGB值;
基于处理得到的所述RGB值和所述生物质固有性质间的对应关系得到待测生物质样品的固有特性预测结果。
2.根据权利要求1所述的基于图像处理的一步化生物质固有特性预测方法,其特征在于,所述获取生物质固有性质的实验数据,之前还包括:
获取生物质实验样品;
利用高清摄像头和标准色卡获取所述生物质实验样品的标准色图像;
对所述生物质实验样品的标准色图像进行RGB图像分析得到RGB值;
确定所述生物质实验样品的有机质含量;
对所述生物质实验样品进行组分分析得到生物质组分含量;
对所述生物质实验样品进行元素分析得到生物质元素含量;
对所述生物质实验样品进行矿物质分析得到生物质矿物质元素含量;
对所述生物质实验样品进行燃烧性质测定得到燃烧性质结果。
3.根据权利要求1所述的基于图像处理的一步化生物质固有特性预测方法,其特征在于,生物质RGB值与生物质有机质含量间的对应关系为:
L/(M+H)=1.04-R/794.34-G/908.01-B/980.31;
其中,L为木质素的含量,M为纤维素的含量,H为半纤维素的含量,R为标准色图像中的红色成分值,G为标准色图像中的绿色成分值,B为标准色图像中的蓝色成分值。
4.根据权利要求1所述的基于图像处理的一步化生物质固有特性预测方法,其特征在于,所述生物质有机质含量与生物质组分含量间的对应关系包括:生物质中纤维素含量与挥发分含量间的对应关系、生物质中纤维素含量与固定碳含量间的对应关系、生物质中纤维素含量与灰分含量间的对应关系、生物质中木质素含量与挥发分含量间的对应关系、生物质中木质素含量与固定碳含量间的对应关系以及生物质中木质素含量与灰分含量间的对应关系。
5.根据权利要求1所述的基于图像处理的一步化生物质固有特性预测方法,其特征在于,生物质有机质含量与生物质元素含量间的对应关系包括:生物质中纤维素含量与碳含量间的对应关系、生物质中纤维素含量与氢含量间的对应关系、生物质中纤维素含量与氧含量间的对应关系、生物质中纤维素含量与氮含量间的对应关系、生物质中纤维素含量与硫含量间的对应关系、生物质中木质素含量与碳含量间的对应关系、生物质中木质素含量与氢含量间的对应关系、生物质中木质素含量与氧含量间的对应关系、生物质中木质素含量与氮含量间的对应关系、生物质中木质素含量与硫含量间的对应关系。
6.根据权利要求1所述的基于图像处理的一步化生物质固有特性预测方法,其特征在于,生物质有机质含量与生物质矿物质元素含量间的对应关系包括:生物质中纤维素含量与二氧化硅含量间的对应关系、生物质中纤维素含量与氧化镁含量间的对应关系、生物质中纤维素含量与五氧化二磷含量间的对应关系、生物质中纤维素含量与氧化钾含量间的对应关系、生物质中纤维素含量与氧化钙含量间的对应关系、生物质中木质素含量与二氧化硅含量间的对应关系、生物质中木质素含量与氧化镁含量间的对应关系、生物质中木质素含量与五氧化二磷含量间的对应关系、生物质中木质素含量与氧化钾含量间的对应关系、生物质中木质素含量与氧化钙含量间的对应关系。
7.根据权利要求1所述的基于图像处理的一步化生物质固有特性预测方法,其特征在于,所述基于处理得到的所述RGB值和所述生物质固有性质间的对应关系得到待测生物质样品的固有特性预测结果,具体包括:
基于所述生物质RGB值与生物质有机质含量间的对应关系和所述RGB值反推得到所述待测生物质样品中木质素的含量、纤维素的含量和半纤维素的含量;
根据所述生物质有机质含量与生物质组分含量间的对应关系、所述纤维素的含量和所述木质素的含量反推得到待测生物质样品中每一组分的含量;
根据所述生物质有机质含量与生物质元素含量间的对应关系、所述纤维素的含量和所述木质素的含量反推得到待测生物质样品中每一元素的含量;
根据所述生物质有机质含量与生物质矿物质元素含量间的对应关系、所述纤维素的含量和所述木质素的含量反推得到待测生物质样品中每一矿物质元素的含量;
根据所述生物质有机质含量与燃烧性质间的对应关系和所述木质素的含量反推得到待测生物质样品的燃烧性质。
8.一种基于图像处理的一步化生物质固有特性预测装置,其特征在于,包括:
拍摄仓,用于放置生物质样品,并用于生成所述生物质样品的标准色图像;
处理模块,与所述拍摄仓连接,植入有生物质固有特性预测软件,用于根据所述标准色图像得到生物质样品的固有特性预测结果;所述生物质固有特性预测软件用于实施如权利要求1-7任意一项所述的基于图像处理的一步化生物质固有特性预测方法。
9.根据权利要求8所述的基于图像处理的一步化生物质固有特性预测装置,其特征在于,所述拍摄仓包括:
样品台,用于放置所述生物质样品;
摄像机,与所述处理模块连接,用于拍摄所述生物质样品得到所述生物质样品的标准色图像。
10.根据权利要求8所述的基于图像处理的一步化生物质固有特性预测装置,其特征在于,所述处理模块为计算机。
CN202211488954.2A 2022-11-25 2022-11-25 基于图像处理的一步化生物质固有特性预测方法及装置 Pending CN115791859A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211488954.2A CN115791859A (zh) 2022-11-25 2022-11-25 基于图像处理的一步化生物质固有特性预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211488954.2A CN115791859A (zh) 2022-11-25 2022-11-25 基于图像处理的一步化生物质固有特性预测方法及装置

Publications (1)

Publication Number Publication Date
CN115791859A true CN115791859A (zh) 2023-03-14

Family

ID=85441453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211488954.2A Pending CN115791859A (zh) 2022-11-25 2022-11-25 基于图像处理的一步化生物质固有特性预测方法及装置

Country Status (1)

Country Link
CN (1) CN115791859A (zh)

Similar Documents

Publication Publication Date Title
Currie et al. A critical evaluation of interlaboratory data on total, elemental, and isotopic carbon in the carbonaceous particle reference material, NIST SRM 1649a
CN101762560B (zh) 一种依次测定稻谷中铅和镉元素含量的前处理及定标方法
AU2018337131B2 (en) Method for detecting raw coal moisture and volatile matter using amount of baseline drift
CN201368849Y (zh) 高频红外碳硫分析仪
CN109297801A (zh) 食品添加剂二氧化硅中砷的检测方法
CN107976430A (zh) 一种煤中砷的测定方法
CN115791859A (zh) 基于图像处理的一步化生物质固有特性预测方法及装置
CN110779831A (zh) 一种页岩储层有机质热裂解生烃转化率的计算方法及热解产物收集装置
CN112834572B (zh) 一种应用在六氟化硫及其分解产物气敏传感器检测中的气敏传感器的测试方法
Ascough et al. 14C Measurement of Samples for Environmental Science Applications at the National Environmental Isotope Facility (NEIF) Radiocarbon Laboratory, SUERC, UK
CN103698540B (zh) 一种木质生物质燃料中灰分含量的快速测定方法和装置
CN102967619B (zh) 提高钛或钛合金氧氮氢联测时氢精密度和准确度的方法
CN108872200B (zh) 一种焦炭表面吸附硫含量的检测方法
CN105021651A (zh) 一种生物质燃烧及气体排放同步定量分析方法
CN102590181A (zh) a-氧化铝中杂质成分的检测方法
CN107044964A (zh) 一种油田含油污泥腐殖酸含量测定方法
CN107741406B (zh) 一种同步检测固体矿物质和生物质燃料中碳硫含量的方法
CN112798459B (zh) 一种全自动木质纤维素测定仪及测定方法
CN116359164A (zh) 一种红外碳硫分析仪测定纯铜中硫含量的方法
CN203037562U (zh) 一种元素分析系统
CN103760055A (zh) 一种银浆料中银含量的测试方法
CN109425507A (zh) 一种样液收集装置、元素分析仪及收集方法
CN102998237B (zh) 建筑材料阴燃烟密度与毒性集成检测系统及方法
CN2886570Y (zh) 燃烧式燃气热值测量的热值仪
CN104777177A (zh) 一种电子能量损失谱数据包批处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination