CN117152485A - 燃煤机组漏煤检测方法、装置及设备 - Google Patents

燃煤机组漏煤检测方法、装置及设备 Download PDF

Info

Publication number
CN117152485A
CN117152485A CN202310909404.1A CN202310909404A CN117152485A CN 117152485 A CN117152485 A CN 117152485A CN 202310909404 A CN202310909404 A CN 202310909404A CN 117152485 A CN117152485 A CN 117152485A
Authority
CN
China
Prior art keywords
coal
image
leakage
fired unit
determining
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
CN202310909404.1A
Other languages
English (en)
Inventor
林俊杰
邱锐荣
郎廓
许凌阁
吴哲辛
郑宗驰
吴梓光
许晓晴
许禧钰
林茂吉
汤统竣
杨灶鑫
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.)
Shantou Power Plant of Huaneng Guangdong Energy Development Co Ltd
Original Assignee
Shantou Power Plant of Huaneng Guangdong Energy Development Co Ltd
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 Shantou Power Plant of Huaneng Guangdong Energy Development Co Ltd filed Critical Shantou Power Plant of Huaneng Guangdong Energy Development Co Ltd
Priority to CN202310909404.1A priority Critical patent/CN117152485A/zh
Publication of CN117152485A publication Critical patent/CN117152485A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种燃煤机组漏煤检测方法、装置及设备，采集燃煤机组中目标区域的图像信息；分析图像信息中的像素值，基于像素值，确定图像信息中的黑色区域；抠取图像信息中的黑色区域，得到待检测图像；输入待检测图像至漏煤分类网络，输出待检测图像的纹理特征，其中，漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定纹理特征为燃煤，则发出漏煤提示信息，通过实施采集目标区域的图像，然后经过图像分析和漏煤分类网络的双层识别，能够保证漏煤检测的准确度，从而更好地保证燃煤机组的运行安全。

Description

燃煤机组漏煤检测方法、装置及设备
技术领域
本发明涉及燃煤安全技术领域，尤其涉及一种燃煤机组漏煤检测方法、装置及设备。
背景技术
燃烧器是火电厂中的一个核心设备，它通过燃烧煤炭来产生蒸汽，驱动涡轮发电机转动，从而产生电能。燃烧器的质量直接影响火电厂的供电能力和效率，因此其具有非常重要的作用。然而，在燃烧的过程中，煤粉容易堆积在烟道和灰渣平台等地方，引起许多问题，例如增加阻力、引起压缩机进气口和叶片磨损、使排气温度升高等。更加严重的是积煤可能导致其起燃并引发火灾，加重了火电厂的安全隐患。
因此，如何准确地确定是否发生了漏煤成为了本领域技术人员亟需解决的技术问题。
发明内容
本发明提供一种燃煤机组漏煤检测方法、装置及设备，用以解决现有技术中无法准确对燃煤机组进行漏煤检测的缺陷。
本发明提供一种燃煤机组漏煤检测方法，包括：采集燃煤机组中目标区域的图像信息；
分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；
抠取所述图像信息中的黑色区域，得到待检测图像；
输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；
若确定所述纹理特征为燃煤，则发出漏煤提示信息。
根据本发明提供的燃煤机组漏煤检测方法，在所述若确定所述纹理特征为燃煤，则发出漏煤提示信息之前，还包括：
确定所述黑色区域的位置坐标；
基于所述位置坐标，定位出所述燃煤机组的漏煤位置。
根据本发明提供的燃煤机组漏煤检测方法，所述定位出所述燃煤机组的漏煤位置之后，还包括：
确定所述黑色区域的面积；
基于面积与煤量关联关系，确定所述面积对应的所述燃煤机组的漏煤量。
根据本发明提供的燃煤机组漏煤检测方法，所述发出漏煤提示信息，包括：
确定所述漏煤位置对应的漏煤量阈值曲线；
基于所述漏煤量阈值曲线，确定所述漏煤位置在所述漏煤量的状态下的危险程度；
基于所述危险程度发出漏煤提示。
根据本发明提供的燃煤机组漏煤检测方法，所述基于所述危险程度发出漏煤提示，包括：
当所述危险程度为一级时，发出声音和灯光报警提示；
当所述危险程度为二级时，发出停止相关磨煤机运行检修提示；
当所述危险程度为三级时，控制相关磨煤机紧急停运。
根据本发明提供的燃煤机组漏煤检测方法，还包括：
确定所述燃煤机组的燃煤消耗速度；
基于所述燃煤消耗速度，确定采集时间间隔；
按照所述采集时间间隔，采集所述燃煤机组中目标区域的图像信息。
根据本发明提供的燃煤机组漏煤检测方法，还包括：
确定相邻两次采集的图像信息中黑色区域的大小变化；
基于所述大小变化，确定所述燃煤机组的漏煤速度。
根据本发明提供的燃煤机组漏煤检测方法，所述抠取所述图像信息中的黑色区域，得到待检测图像，包括：
确定所述黑色区域的边界轮廓，基于所述边界轮廓，抠取所述黑色区域；
确定所述黑色区域的中心点，基于所述中心点向四周截取预设大小的黑色图像；
分别调整所述黑色图像的亮度、饱和度和色调至目标值，得到待检测图像。
本发明还提供一种燃煤机组漏煤检测装置，包括：
采集模块，用于采集燃煤机组中目标区域的图像信息；
确定模块，用于分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；
抠图模块，用于抠取所述图像信息中的黑色区域，得到待检测图像；
检测模块，用于输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；
提示模块，用于若确定所述纹理特征为燃煤，则发出漏煤提示信息。
本发明还提供一种电子设备，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如上述任一种所述燃煤机组漏煤检测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述燃煤机组漏煤检测方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述燃煤机组漏煤检测方法。
本发明提供的一种燃煤机组漏煤检测方法、装置及设备，采集燃煤机组中目标区域的图像信息；分析图像信息中的像素值，基于像素值，确定图像信息中的黑色区域；抠取图像信息中的黑色区域，得到待检测图像；输入待检测图像至漏煤分类网络，输出待检测图像的纹理特征，其中，漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定纹理特征为燃煤，则发出漏煤提示信息，通过实施采集目标区域的图像，然后经过图像分析和漏煤分类网络的双层识别，能够保证漏煤检测的准确度，从而更好地保证燃煤机组的运行安全。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明实施例提供的燃煤机组漏煤检测方法的流程示意图；
图2是本发明实施例提供的燃煤机组漏煤检测装置的结构示意图；
图3是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
下面结合图1-图3描述本发明的一种燃煤机组漏煤检测方法、装置及设备。
图1是本发明实施例提供的燃煤机组漏煤检测方法的流程示意图。
如图1所示，本发明实施例提供的一种燃煤机组漏煤检测方法，主要包括以下步骤：
101、采集燃煤机组中目标区域的图像信息。
在一个具体的实现过程中，可以通过摄像头采集燃煤机组中目标区域的图像信息，其中，目标区域指的是容易发生漏煤风险的区域，为用户设定区域，将摄像头安装至对应的位置，确保摄像头能够准确地采集到目标区域的图像信息。
也可以是安装有多个图像采集设备，采集多位置的图像信息，确保最终的漏煤检测结果更加准确可靠。
102、分析图像信息中的像素值，基于像素值，确定图像信息中的黑色区域。
对图像信息进行分析处理，识别图像中的像素值，然后通过像素值的判定，确定图像信息中的黑色区域。不同颜色所对应的像素值有所差异，因此，通过确定像素值的方式能够快速地实现黑色区域的捕捉。
例如，可以是确定图像信息中不同位置的像素值大小，以像素值在第一预设阈值和第二预设阈值之间的区域为黑色区域。其中，第一预设阈值和第二预设阈值为用户根据像素值分布图所确定的。
还可以是将图片由RGB色域转化为HSV色域，便可以极大地减少光照对颜色识别的影响，然后通过HSV色域识别黑色，能够更加快速地完成识别，并且还能够保证识别的准确度。
在图像信息中，目标区域的黑色通常只有泄露的燃煤，因此，通过识别出黑色区域，在一定程度上便能够反映出是否发生了燃煤泄露。如果识别到了黑色区域，则表明有漏煤情况发生，若是没有识别到黑色区域，则表明当前燃煤机组正常运行。
103、抠取图像信息中的黑色区域，得到待检测图像。
识别得到图像信息中的黑色区域之后，为了保证最终漏煤检测的准确性，选择单独对黑色区域进行识别判定。因此，便需要抠取图像信息中的黑色区域，以该黑色区域作为待检测图像。
具体可以是确定黑色区域的边界轮廓，基于边界轮廓，抠取黑色区域，黑色区域即图像信息中的黑色部分，然后确定黑色区域的中心点，基于中心点向四周截取预设大小的黑色图像，从而实现将黑色区域的大小进行扩缩，以满足图像识别需求，然后分别调整黑色图像的亮度、饱和度和色调至目标值，得到待检测图像。通过对黑色区域进行大小尺寸调整，亮度、饱和度和色调的调整，保证待检测图像符合检测需求，从容避免由于属性问题导致识别失败，更好地保证了最终漏煤检测的准确度。
104、输入待检测图像至漏煤分类网络，输出待检测图像的纹理特征，其中，漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的。
将待检测图像输入值漏煤分类网络，漏煤分类网络对待检测图像信息进行识别，经过内部卷积运算处理，输出当前待检测图像的纹理特征，而漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的。通过神经网络模型的分析识别，能够准确地识别出待检测图像的纹理特征。
105、若确定纹理特征为燃煤，则发出漏煤提示信息。
对纹理特征进行比对，当纹理特征与燃煤的纹理特征相匹配时，则确定当前燃煤机组存在漏煤情况，此时便发出漏煤提示信息，以提示相关人员及时进行安全维护等等。若是经过纹理比对，当前待检测图像纹理不是燃煤纹理，则表明当前燃煤机组没有发生漏煤情况。
通过黑色区域进行初步识别，然后再对黑色区域进行精细识别，保证了最终的漏煤检测结果的准确度，避免了由于检测结果错误导致影响燃煤机组的工作效率。
本实施例提供的一种燃煤机组漏煤检测方法，包括采集燃煤机组中目标区域的图像信息；分析图像信息中的像素值，基于像素值，确定图像信息中的黑色区域；抠取图像信息中的黑色区域，得到待检测图像；输入待检测图像至漏煤分类网络，输出待检测图像的纹理特征，其中，漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定纹理特征为燃煤，则发出漏煤提示信息，通过实施采集目标区域的图像，然后经过图像分析和漏煤分类网络的双层识别，能够保证漏煤检测的准确度，从而更好地保证燃煤机组的运行安全。
进一步的，在上述实施例的基础上，本实施例中的在若确定纹理特征为燃煤，则发出漏煤提示信息之前，还包括：确定黑色区域的位置坐标；基于位置坐标，定位出燃煤机组的漏煤位置，确定黑色区域的面积；基于面积与煤量关联关系，确定面积对应的燃煤机组的漏煤量。
具体的，确定燃煤机组存在漏煤情况之后，便可以通过位置坐标的判定，定位出具体的漏煤位置，同时确定出黑色区域的面积，漏煤量越大，则黑色区域的面积则越大，于是通过面积的判定，能够更好地反映出漏煤量的大小。其中，漏煤量可以是体积，可以是质量。以体积为例，通过预先构建的面积与煤量(体积)的关联关系，能够快速地由当前面积计算得到燃煤机组的当前漏煤量。通过确定出漏煤量，还能够了解到漏煤的程度，快速地完成燃煤机组的维修工作。
进一步的，在上述实施例的基础上，本实施例中的发出漏煤提示信息，包括：确定漏煤位置对应的漏煤量阈值曲线；基于漏煤量阈值曲线，确定漏煤位置在漏煤量的状态下的危险程度；基于危险程度发出漏煤提示。而基于危险程度发出漏煤提示，包括：当危险程度为一级时，发出声音和灯光报警提示；当危险程度为二级时，发出停机运行检修提示；当危险程度为三级时，控制燃煤机组停止运行。
具体的，不同的漏煤位置对应的漏煤量阈值有所不同，若是同一漏煤量对于不同漏煤位置而言，危险程度也会有所不同，因此，需要首先确定当前漏煤位置的漏煤量阈值曲线，当前漏煤位置在不同漏煤量情况下的危险程度。
针对不同的危险程度进行不同类型的报警提示，根据漏煤量的由少至多的关系，将危险程度划分为一级、二级和三级，同时针对不同的危险程度进行区别提示，也能够在保证安全工作的同时，还能够保证燃煤机组的工作效率。当漏煤量在第一阶梯时，确定危险程度为一级，此时可以是发出声音和灯光的报警提示，以提示相关人员发生了漏煤情况。当漏煤量达到第二阶梯时，此时是二级危险程度，表明此时的漏煤量已经较多，存在较大的安全隐患问题，便需要通过发出停止相关磨煤机运行检修提示提醒用户当前的危险程度。当漏煤量达到第三阶梯时，确定当前的危险程度为三级，此时表明已经发生了严重的漏煤事故，便需要直接控制相关磨煤机紧急停运，以保证绝对的运行安全，避免由于漏煤带来的安全事故发生。
进一步的，在上述实施例的基础上，本实施例中的还包括：确定燃煤机组的燃煤消耗速度；基于燃煤消耗速度，确定采集时间间隔；按照采集时间间隔，采集燃煤机组中目标区域的图像信息。确定相邻两次采集的图像信息中黑色区域的大小变化；基于大小变化，确定燃煤机组的漏煤速度。
具体的，首先确定燃煤机组正常工作时的燃煤消耗速度，不同的燃煤消耗速度对于漏煤的危险程度而言也会有所不同，因此根据燃煤消耗速度，确定采集时间间隔，保证在进行图像信息采集间隔内不会发生严重的漏煤问题，保证在采集时间间隔内的漏煤量处于可控范围之内。
然后可以确定相邻两次的黑色区域的大小变化，确定在采集时间间隔内增加的漏煤量，然后根据漏煤量和采集时间间隔，便可以计算得出漏煤速度。从而可以根据漏煤速度及时发出报警提示，可以通过人机交互界面展示漏煤速度，使得相关人员能够准确地掌握当前的漏煤情况，及时的进行维修，保证燃煤机组的运行安全。
基于同一总的发明构思，本发明还保护一种燃煤机组漏煤检测装置，下面对本发明提供的燃煤机组漏煤检测装置进行描述，下文描述的燃煤机组漏煤检测装置与上文描述的燃煤机组漏煤检测方法可相互对应参照。
图2是本发明实施例提供的燃煤机组漏煤检测装置的结构示意图。
如图2所示，本实施例提供的一种燃煤机组漏煤检测装置，包括：
采集模块201，用于采集燃煤机组中目标区域的图像信息；
确定模块202，用于分析图像信息中的像素值，基于像素值，确定图像信息中的黑色区域；
抠图模块203，用于抠取图像信息中的黑色区域，得到待检测图像；
检测模块204，用于输入待检测图像至漏煤分类网络，输出待检测图像的纹理特征，其中，漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；
提示模块205，用于若确定纹理特征为燃煤，则发出漏煤提示信息。
本实施例提供的一种燃煤机组漏煤检测装置，包括，采集燃煤机组中目标区域的图像信息；分析图像信息中的像素值，基于像素值，确定图像信息中的黑色区域；抠取图像信息中的黑色区域，得到待检测图像；输入待检测图像至漏煤分类网络，输出待检测图像的纹理特征，其中，漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定纹理特征为燃煤，则发出漏煤提示信息，通过实施采集目标区域的图像，然后经过图像分析和漏煤分类网络的双层识别，能够保证漏煤检测的准确度，从而更好地保证燃煤机组的运行安全。
进一步的，本实施例中还包括定位模块，用于：
确定所述黑色区域的位置坐标；
基于所述位置坐标，定位出所述燃煤机组的漏煤位置；
确定所述黑色区域的面积；
基于面积与煤量关联关系，确定所述面积对应的所述燃煤机组的漏煤量。
进一步的，本实施例中的提示模块205，具体用于：
确定所述漏煤位置对应的漏煤量阈值曲线；
基于所述漏煤量阈值曲线，确定所述漏煤位置在所述漏煤量的状态下的危险程度；
基于所述危险程度发出漏煤提示。
进一步的，本实施例中的提示模块205，具体还用于：
当所述危险程度为一级时，发出声音和灯光报警提示；
当所述危险程度为二级时，发出停止相关磨煤机运行检修提示；
当所述危险程度为三级时，控制相关磨煤机紧急停运。
进一步的，本实施例中的采集模块201，具体用于：
确定所述燃煤机组的燃煤消耗速度；
基于所述燃煤消耗速度，确定采集时间间隔；
按照所述采集时间间隔，采集所述燃煤机组中目标区域的图像信息。
进一步的，本实施例中的采集模块201，具体还用于：
确定相邻两次采集的图像信息中黑色区域的大小变化；
基于所述大小变化，确定所述燃煤机组的漏煤速度。
进一步的，本实施例中的抠图模块203，具体用于：
确定所述黑色区域的边界轮廓，基于所述边界轮廓，抠取所述黑色区域；
确定所述黑色区域的中心点，基于所述中心点向四周截取预设大小的黑色图像；
分别调整所述黑色图像的亮度、饱和度和色调至目标值，得到待检测图像。
图3是本发明实施例提供的电子设备的结构示意图。
如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口620，存储器630通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行燃煤机组漏煤检测方法，该方法包括：采集燃煤机组中目标区域的图像信息；分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；抠取所述图像信息中的黑色区域，得到待检测图像；输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定所述纹理特征为燃煤，则发出漏煤提示信息。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的燃煤机组漏煤检测方法，该方法包括：采集燃煤机组中目标区域的图像信息；分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；抠取所述图像信息中的黑色区域，得到待检测图像；输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定所述纹理特征为燃煤，则发出漏煤提示信息。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的燃煤机组漏煤检测方法，该方法包括：采集燃煤机组中目标区域的图像信息；分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；抠取所述图像信息中的黑色区域，得到待检测图像；输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；若确定所述纹理特征为燃煤，则发出漏煤提示信息。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种燃煤机组漏煤检测方法，其特征在于，包括：采集燃煤机组中目标区域的图像信息；
分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；
抠取所述图像信息中的黑色区域，得到待检测图像；
输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；
若确定所述纹理特征为燃煤，则发出漏煤提示信息。
2.根据权利要求1所述的燃煤机组漏煤检测方法，其特征在于，在所述若确定所述纹理特征为燃煤，则发出漏煤提示信息之前，还包括：
确定所述黑色区域的位置坐标；
基于所述位置坐标，定位出所述燃煤机组的漏煤位置。
3.根据权利要求2所述的燃煤机组漏煤检测方法，其特征在于，所述定位出所述燃煤机组的漏煤位置之后，还包括：
确定所述黑色区域的面积；
基于面积与煤量关联关系，确定所述面积对应的所述燃煤机组的漏煤量。
4.根据权利要求3所述的燃煤机组漏煤检测方法，其特征在于，所述发出漏煤提示信息，包括：
确定所述漏煤位置对应的漏煤量阈值曲线；
基于所述漏煤量阈值曲线，确定所述漏煤位置在所述漏煤量的状态下的危险程度；
基于所述危险程度发出漏煤提示。
5.根据权利要求4所述的燃煤机组漏煤检测方法，其特征在于，所述基于所述危险程度发出漏煤提示，包括：
当所述危险程度为一级时，发出声音和灯光报警提示；
当所述危险程度为二级时，发出停止相关磨煤机运行检修提示；
当所述危险程度为三级时，控制相关磨煤机紧急停运。
6.根据权利要求1所述的燃煤机组漏煤检测方法，其特征在于，还包括：
确定所述燃煤机组的燃煤消耗速度；
基于所述燃煤消耗速度，确定采集时间间隔；
按照所述采集时间间隔，采集所述燃煤机组中目标区域的图像信息。
7.根据权利要求6所述的燃煤机组漏煤检测方法，其特征在于，还包括：
确定相邻两次采集的图像信息中黑色区域的大小变化；
基于所述大小变化，确定所述燃煤机组的漏煤速度。
8.根据权利要求1-7任一项所述的燃煤机组漏煤检测方法，其特征在于，所述抠取所述图像信息中的黑色区域，得到待检测图像，包括：
确定所述黑色区域的边界轮廓，基于所述边界轮廓，抠取所述黑色区域；
确定所述黑色区域的中心点，基于所述中心点向四周截取预设大小的黑色图像；
分别调整所述黑色图像的亮度、饱和度和色调至目标值，得到待检测图像。
9.一种燃煤机组漏煤检测装置，其特征在于，包括：
采集模块，用于采集燃煤机组中目标区域的图像信息；
确定模块，用于分析所述图像信息中的像素值，基于所述像素值，确定所述图像信息中的黑色区域；
抠图模块，用于抠取所述图像信息中的黑色区域，得到待检测图像；
检测模块，用于输入所述待检测图像至漏煤分类网络，输出所述待检测图像的纹理特征，其中，所述漏煤分类网络是基于纹理特征样本和待检测图像样本进行预先训练得到的；
提示模块，用于若确定所述纹理特征为燃煤，则发出漏煤提示信息。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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8任一项所述燃煤机组漏煤检测方法。
CN202310909404.1A 2023-07-21 2023-07-21 燃煤机组漏煤检测方法、装置及设备 Pending CN117152485A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310909404.1A CN117152485A (zh) 2023-07-21 2023-07-21 燃煤机组漏煤检测方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310909404.1A CN117152485A (zh) 2023-07-21 2023-07-21 燃煤机组漏煤检测方法、装置及设备

Publications (1)

Publication Number Publication Date
CN117152485A true CN117152485A (zh) 2023-12-01

Family

ID=88899507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310909404.1A Pending CN117152485A (zh) 2023-07-21 2023-07-21 燃煤机组漏煤检测方法、装置及设备

Country Status (1)

Country Link
CN (1) CN117152485A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805018A (zh) * 2018-04-27 2018-11-13 淘然视界(杭州)科技有限公司 道路交通标志检测识别方法、电子设备、存储介质及系统
CN109444169A (zh) * 2019-01-17 2019-03-08 南昌航空大学 一种轴承缺陷检测方法及系统
CN110321920A (zh) * 2019-05-08 2019-10-11 腾讯科技（深圳）有限公司 图像分类方法、装置、计算机可读存储介质和计算机设备
CN113449725A (zh) * 2021-06-30 2021-09-28 平安科技（深圳）有限公司 对象分类方法、装置、设备及存储介质
CN113781537A (zh) * 2021-09-17 2021-12-10 南昌工程学院 一种轨道弹条扣件缺陷识别方法、装置和计算机设备
CN114140684A (zh) * 2021-11-08 2022-03-04 深圳江行联加智能科技有限公司 堵煤漏煤检测方法、装置、设备及存储介质
CN114169419A (zh) * 2021-11-29 2022-03-11 上海商汤临港智能科技有限公司 一种目标对象的检测方法、装置、计算机设备及存储介质
CN115153647A (zh) * 2022-07-05 2022-10-11 四川轻化工大学 一种基于超声波内窥镜的智能胰腺癌变检测方法及平台
CN116363422A (zh) * 2023-03-22 2023-06-30 哈尔滨工程大学 一种基于支持向量机的水果分类方法、系统、计算机及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805018A (zh) * 2018-04-27 2018-11-13 淘然视界(杭州)科技有限公司 道路交通标志检测识别方法、电子设备、存储介质及系统
CN109444169A (zh) * 2019-01-17 2019-03-08 南昌航空大学 一种轴承缺陷检测方法及系统
CN110321920A (zh) * 2019-05-08 2019-10-11 腾讯科技（深圳）有限公司 图像分类方法、装置、计算机可读存储介质和计算机设备
CN113449725A (zh) * 2021-06-30 2021-09-28 平安科技（深圳）有限公司 对象分类方法、装置、设备及存储介质
CN113781537A (zh) * 2021-09-17 2021-12-10 南昌工程学院 一种轨道弹条扣件缺陷识别方法、装置和计算机设备
CN114140684A (zh) * 2021-11-08 2022-03-04 深圳江行联加智能科技有限公司 堵煤漏煤检测方法、装置、设备及存储介质
CN114169419A (zh) * 2021-11-29 2022-03-11 上海商汤临港智能科技有限公司 一种目标对象的检测方法、装置、计算机设备及存储介质
CN115153647A (zh) * 2022-07-05 2022-10-11 四川轻化工大学 一种基于超声波内窥镜的智能胰腺癌变检测方法及平台
CN116363422A (zh) * 2023-03-22 2023-06-30 哈尔滨工程大学 一种基于支持向量机的水果分类方法、系统、计算机及存储介质

Similar Documents

Publication Publication Date Title
CN108548199B (zh) 一种智能抽油烟机风速调级方法及装置
CN107483014B (zh) 一种光伏板故障自动检测方法
CN101287073B (zh) 变光照环境中机器视觉系统稳定亮度图像自适应获取方法
US20230383943A1 (en) Method and Smart System for Fault Detection and Prevention in Industrial Boilers
CN113469953B (zh) 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法
CN102262093A (zh) 基于机器视觉的印花机在线检测方法
CN112395928A (zh) 一种设备状态运行自动检测的方法
TW201224823A (en) A method for combustion flames diagnosis
CN107749058A (zh) 一种锅炉管道表面缺陷的机器视觉检测方法及系统
CN102305595A (zh) 机器视觉系统对弹簧节距的自动检测方法
CN107895362A (zh) 一种微型接线端子质量检测的机器视觉方法
CN100469138C (zh) 基于视频监控与图像识别的电力变压器风机状态识别方法
CN115494080A (zh) 一种电池包蓝膜外观缺陷检测方法及系统
JP7208829B2 (ja) 情報処理装置、焼却制御装置、情報処理方法、および情報処理プログラム
CN108986076A (zh) 一种基于pso优化pcnn的光伏阵列热斑检测方法
CN117152485A (zh) 燃煤机组漏煤检测方法、装置及设备
CN113033548A (zh) 用于机组运行状态判断及监控对点的图像识别方法
CN112070072B (zh) 基于图像识别的预制舱消防控制系统及其控制方法
CN109881356B (zh) 基于svm图像分类的袜机织针在线检测装置及方法
US20230120460A1 (en) Method of assessment of the quality of the burn of the gases in the flare and adjustment to the vapor flow rate in a continuous and constant way
CN111626104A (zh) 一种基于无人机红外热像的电缆隐患点检测方法和装置
CN116309307A (zh) 焊缝缺陷检测方法、装置、可读存储介质及电子设备
CN112927222B (zh) 一种基于混合改进Faster R-CNN实现多种类光伏阵列热斑检测方法
CN105718881B (zh) 基于红外视频灰度图像的零照度环境烟尘监测方法
CN113506285A (zh) 一种锅炉炉膛三维温度场检测方法、装置和计算机设备

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