JP6554198B1 - Waste quality estimation system and crane operation control system using the waste quality estimation system - Google Patents
Waste quality estimation system and crane operation control system using the waste quality estimation system Download PDFInfo
- Publication number
- JP6554198B1 JP6554198B1 JP2018049327A JP2018049327A JP6554198B1 JP 6554198 B1 JP6554198 B1 JP 6554198B1 JP 2018049327 A JP2018049327 A JP 2018049327A JP 2018049327 A JP2018049327 A JP 2018049327A JP 6554198 B1 JP6554198 B1 JP 6554198B1
- Authority
- JP
- Japan
- Prior art keywords
- waste
- input
- quality estimation
- area
- unit
- 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.)
- Active
Links
- 239000002699 waste material Substances 0.000 title claims abstract description 185
- 238000003384 imaging method Methods 0.000 claims abstract description 36
- 230000010365 information processing Effects 0.000 claims abstract description 7
- 239000000428 dust Substances 0.000 claims description 59
- 238000002485 combustion reaction Methods 0.000 claims description 54
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 26
- 239000000446 fuel Substances 0.000 abstract description 4
- 238000011068 loading method Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 description 122
- 238000002156 mixing Methods 0.000 description 58
- 238000004364 calculation method Methods 0.000 description 39
- 238000002835 absorbance Methods 0.000 description 33
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 24
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 24
- 229910001868 water Inorganic materials 0.000 description 24
- 239000007789 gas Substances 0.000 description 23
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 19
- 229910052760 oxygen Inorganic materials 0.000 description 19
- 239000001301 oxygen Substances 0.000 description 19
- 238000003756 stirring Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 17
- 238000005259 measurement Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 13
- 229910002092 carbon dioxide Inorganic materials 0.000 description 12
- 239000001569 carbon dioxide Substances 0.000 description 12
- 239000000203 mixture Substances 0.000 description 12
- 229910052757 nitrogen Inorganic materials 0.000 description 12
- 101150054854 POU1F1 gene Proteins 0.000 description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 9
- 229910052799 carbon Inorganic materials 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 239000001257 hydrogen Substances 0.000 description 9
- 229910052739 hydrogen Inorganic materials 0.000 description 9
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 239000002245 particle Substances 0.000 description 7
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 6
- 238000013019 agitation Methods 0.000 description 5
- 230000008021 deposition Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 150000002431 hydrogen Chemical class 0.000 description 5
- 238000003702 image correction Methods 0.000 description 5
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 230000036284 oxygen consumption Effects 0.000 description 4
- 239000013049 sediment Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
【課題】従来よりもごみピット内でのごみ質を精度よく把握し、クレーンによる投入の時点で均一になるように制御することで焼却炉内の燃料状況の変化を抑制し、安定した燃焼を実現可能とする、ごみ質の推定システムを提供する。【解決手段】ごみ質の推定システム500は、ごみピット表面が撮像された画像データから生成された投入ごみの入力データと、ごみ質教師データとを用いて知的情報処理技術により、ごみ質を推定する投入ごみ質推定モデルを生成する投入ごみ質推定モデル生成部503を有する。【選択図】図1[PROBLEMS] To grasp the quality of waste in the waste pit more accurately than before, and to control the change in the fuel condition in the incinerator by controlling it so that it becomes uniform at the time of loading by the crane. Provide a waste quality estimation system that can be realized. A waste quality estimation system 500 uses an intelligent information processing technique to input waste quality using input data of input waste generated from image data obtained by imaging a waste pit surface and waste quality teacher data. An input waste quality estimation model generation unit 503 that generates an input waste quality estimation model to be estimated is provided. [Selection] Figure 1
Description
本発明は、ごみピット内におけるごみ質の推定システムに関する。また、そのごみ質の推定システムを用いたクレーン運転制御システムに関する。 The present invention relates to a waste quality estimation system in a waste pit. The present invention also relates to a crane operation control system using the waste quality estimation system.
従来、ごみ燃焼制御は、焼却炉内の状況をもとに、燃焼空気量およびごみ供給量を制御していたが、焼却炉内に投入されるごみ質(組成、発熱量)の変化に対する反応にはどうしても限度や遅れが生じていた。 Conventionally, waste combustion control has controlled the amount of combustion air and the amount of waste supply based on the conditions in the incinerator, but the reaction to changes in the quality (composition, calorific value) of waste introduced into the incinerator There was a limit or a delay by all means.
特許文献1は、燃焼対象物が組成変動の激しい場合でも、安定した燃焼制御を可能にすることを目的として、炉の投入口近傍の画像情報から、個々のごみ袋体の色や形状、破砕ごみやせん断ごみ、他のごみ種類を識別し、ごみ発熱量データベースをもとに投入される個々のごみの重量及び発熱量を推算する方法を開示している。
特許文献2は、ごみの発熱量に係る情報をリアルタイムに精度よく連続取得して、現在の燃料状態に対して時間遅れのないごみの燃焼制御を行うことを目的とした方法が開示されている。
Patent Document 1 describes the color, shape, and crushing of individual garbage bags from image information in the vicinity of the furnace inlet for the purpose of enabling stable combustion control even when the composition of combustion is subject to severe composition fluctuations. A method is disclosed to identify waste, shear waste, and other waste types, and estimate the weight and heat value of each waste input based on the waste heat value database.
また、ごみピット内でごみ質を均一化させるために、ごみの攪拌状態を検出する方法として、例えば、特許文献3がある。特許文献3は、撮像したごみの画像データを輝度値で階調化してエッジを抽出し、抽出されたエッジのフラクタル次元を算出し、算出されたフラクタル次元に基づいてごみの攪拌状態を検出する構成を開示している。 Further, as a method of detecting the agitation state of the dust in order to equalize the quality of the dust in the dust pit, there is, for example, Patent Document 3. According to Patent Document 3, the image data of the captured dust is tone-converted to luminance value to extract an edge, the fractal dimension of the extracted edge is calculated, and the agitation state of the dust is detected based on the calculated fractal dimension. It discloses the configuration.
本発明は、上記特許文献等とは異なるアプローチで、従来よりもごみピット内でのごみ質を精度よく把握し、クレーンによる投入の時点で均一になるように制御することで焼却炉内の燃料状況の変化を抑制し、安定した燃焼を実現可能とする、ごみ質の推定システムを提供することである。
また、ごみ質の推定システムを用いたクレーン運転制御システムを提供することである。
The present invention is a different approach from the above-mentioned patent documents etc., and grasps the refuse quality in a refuse pit more precisely than before and controls the fuel in the incinerator by controlling it to be uniform at the time of throwing by a crane. The object is to provide a waste quality estimation system capable of suppressing changes in the situation and realizing stable combustion.
Another object of the present invention is to provide a crane operation control system using a waste quality estimation system.
本発明のごみ質の推定システムは、
ごみピット表面が撮像された画像データから作成された投入ごみの入力データと、ごみ質教師データとを用いて知的情報処理技術により、ごみ質を推定する投入ごみ質推定モデルを生成する投入ごみ質推定モデル生成部を有する。
上記ごみ質の推定システムは、ごみピット表面を撮像する撮像部を有していてもよい。
上記ごみ質の推定システムは、ごみピット表面が撮像された画像データから投入ごみの入力データを作成する入力データ作成部を有していてもよい。
上記ごみ質の推定システムは、投入ごみの入力データを記憶する記憶部を有していてもよい。
上記ごみ質の推定システムは、他システムで算出された投入ごみの入力データを受信する受信部を有していてもよい。
The garbage quality estimation system of the present invention includes:
An input waste that generates an input waste quality estimation model that estimates waste quality by intelligent information processing technology using input data of input waste created from image data obtained by imaging the surface of the waste pit and waste quality teacher data A quality estimation model generation unit;
The dust quality estimation system may have an imaging unit that images the surface of the dust pit.
The garbage quality estimation system may include an input data creation unit that creates input data of input garbage from image data obtained by imaging a dust pit surface.
The waste quality estimation system may have a storage unit that stores input data of input waste.
The waste quality estimation system may have a receiving unit that receives input data of input waste calculated by another system.
上記発明において、投入ごみ質推定モデル生成部は、燃焼装置の投入口にごみを投入してから燃焼が開始されるまでの時間遅れ量、または投入ごみ量と供給ごみ量の記録に基づいて、前記ごみ質教師データと前記入力データとの時間的対応づけを行って前記投入ごみ質推定モデルを生成してもよい。
時間遅れ量は、予め設定されていてもよく、例えば経験則、実験により設定してもよい。燃焼装置が、例えばストーカ式焼却炉の場合、時間遅れ量として例えば30〜40分を設定してもよい。
上記ごみ質の推定システムは、燃焼装置の投入口にごみを投入してから燃焼が開始されるまでの時間遅れ量を算出する時間遅れ量算出部をさらに有してもいてよい。
In the above invention, the input waste quality estimation model generation unit is based on a time delay amount from when waste is input to the input port of the combustion apparatus until combustion is started, or a record of input waste amount and supplied waste amount, The waste quality teacher data may be temporally associated with the input data to generate the input waste quality estimation model.
The time delay amount may be set in advance, and may be set by, for example, an empirical rule or an experiment. When the combustion apparatus is, for example, a stoker incinerator, for example, 30 to 40 minutes may be set as the time delay amount.
The waste quality estimation system may further include a time delay amount calculation unit that calculates a time delay amount from the time when waste is introduced into the inlet of the combustion device to the start of combustion.
上記「ごみ質教師データ」は、例えば、ごみの組成(水、炭素、水素、排ガス中の塩化水素(HCl)および二酸化硫黄(SO2)など)の濃度あるいは量、発熱量などである。
上記ごみ質の推定システムは、ごみ質教師データを作成するごみ質教師データ作成部を有していてもよい。
ごみの組成濃度は、例えば排ガス分析計などの各種成分に応じた分析計で排ガスを分析することで得られる。また、所定の成分(例えば、酸素、水分)から他の成分(例えば二酸化炭素)を算出してもよい。
また、発熱量は、例えば、特許第5996762号公報の方法を用いて算出してもよく、計測値を用いてもよい。
The “garbage quality teacher data” includes, for example, the concentration or amount of waste composition (water, carbon, hydrogen, hydrogen chloride (HCl) and sulfur dioxide (SO 2 ), etc. in exhaust gas), calorific value, and the like.
The waste quality estimation system may have a waste quality teacher data creation unit that creates waste quality teacher data.
The composition concentration of the waste can be obtained, for example, by analyzing the exhaust gas with an analyzer corresponding to various components such as an exhaust gas analyzer. Further, other components (for example, carbon dioxide) may be calculated from predetermined components (for example, oxygen and moisture).
Further, the calorific value may be calculated, for example, using the method of Japanese Patent No. 5996762, or a measured value may be used.
上記発明において、入力データは、ごみ搬入車両、日付および天候の中から1種または2種以上の情報をさらに含んでいてもよい。
前記入力データ作成部は、ごみ搬入車両、日付および天候の中から1種または2種以上の情報をさらに含むように入力データを作成してもよい。
この場合、前記ごみ質教師データは、ごみ搬入車両、日付および天候の中から1種または2種以上の情報をさらに含んでもよい。
In the above invention, the input data may further include one or more types of information from among the waste in-car, the date and the weather.
The input data creation unit may create the input data so as to further include one or more types of information from among the waste in-car, the date, and the weather.
In this case, the waste quality teacher data may further include one or more types of information from the waste in-vehicle, the date, and the weather.
上記発明において、前記撮像部は、例えば可視カメラ、スペクトルカメラ、赤外線カメラなどである。
前記撮像部がスペクトルカメラである場合、前記入力データ作成部(あるいは吸光度の面積率算出システム)は、
スペクトル画像データから区分けされた波長ごとに吸光度を基準としてスペクトル二値化画像を生成するスペクトル二値化画像生成部と、
各評価エリアのそれぞれの波長ごとに対して閾値以上(または以下)の面積を計算し、評価エリアに対する面積率を算出する面積率算出部と、を有してもよい。この場合、入力データは、面積率である。
前記撮像部がスペクトルカメラである場合、前記入力データ作成部(あるいは吸光度平均値算出システム)は、
スペクトル画像データから区分けされた波長ごとに各評価エリア内の吸光度の平均値を算出する吸光度平均値算出部を有してもよい。この場合、入力データは「吸光度平均値」である。
前記撮像部が可視カメラである場合、前記入力データ作成部(あるいは混合度評価システム)は、
画像データを所定の処理をして各評価エリアのごみの混合度を評価する混合度評価部を有してもよい。この場合、入力データは、混合度である。
入力データは、面積率、吸光度平均値、混合度の内1種または2種以上であってもよい。
入力データは、ごみが燃焼装置(例えば投入ホッパ)に投入される投入時刻を含んでいてもよい。
In the above invention, the imaging unit is, for example, a visible camera, a spectrum camera, an infrared camera, or the like.
When the imaging unit is a spectral camera, the input data generation unit (or the area ratio calculation system for absorbance) is
A spectral binarized image generation unit that generates a spectral binarized image based on the absorbance for each wavelength separated from the spectral image data;
An area ratio calculation unit may be provided which calculates an area ratio equal to or greater than a threshold value for each wavelength of each evaluation area and calculates an area ratio for the evaluation area. In this case, the input data is an area ratio.
When the imaging unit is a spectral camera, the input data generation unit (or absorbance average value calculation system)
You may have the light absorbency average value calculation part which calculates the average value of the light absorbency in each evaluation area for every wavelength divided from spectrum image data. In this case, the input data is “absorbance average value”.
When the imaging unit is a visible camera, the input data creation unit (or mixing degree evaluation system)
You may have a mixing degree evaluation part which processes the image data predetermined and evaluates the mixing degree of the garbage of each evaluation area. In this case, the input data is the degree of mixing.
The input data may be one or more of an area ratio, an average value of absorbance, and a degree of mixing.
The input data may include an input time at which the waste is input to the combustion apparatus (for example, an input hopper).
上記発明において、知的情報処理技術は、例えば機械学習、深層学習などである。
機械学習、深層学習の構成は、特に制限されず、従来のアルゴリズム構成を用いてもよい。
投入ごみ質推定モデルは、いわゆるソフトウエアプログラムとして構成されるものに限定されず、専用電子回路や組み込みファームウエアとして構成されていてもよい。
ソフトウエアプログラムは、メモリに記憶され、プログラム手順がプロセッサーによって実行されてもよい。
投入ごみ質推定モデルは、異なるごみ質教師データを用いて更新されてもよい。
In the above invention, the intelligent information processing technology is, for example, machine learning or deep learning.
The configurations of machine learning and deep learning are not particularly limited, and conventional algorithm configurations may be used.
The input waste quality estimation model is not limited to what is configured as a so-called software program, and may be configured as a dedicated electronic circuit or embedded firmware.
The software program may be stored in memory and the program procedure may be executed by the processor.
The input waste quality estimation model may be updated using different waste quality teacher data.
他の本発明のクレーン運転制御システムは、上記ごみ質の推定システムで生成された投入ごみ質推定モデルを記憶するモデル記憶部と、
投入されるごみの入力データを前記投入ごみ質推定モデルに入力し、ごみ質を推定するごみ質推定部と、
前記ごみ質推定モデルから出力された推定ごみ質に応じて、クレーンを自動制御する自動運転制御部を有する。
入力データは、上記ごみ質の推定システムで用いられる入力データの内、1種または2種以上を含むデータである。
推定ごみ質は、上記ごみ質教師データの内、1種または2種以上を含むデータである。
Another crane operation control system according to the present invention comprises a model storage unit storing an input waste quality estimation model generated by the above-described waste quality estimation system;
A waste quality estimation unit that inputs waste input data to the input waste quality estimation model and estimates waste quality,
The automatic operation control unit automatically controls the crane according to the estimated waste quality output from the waste quality estimation model.
The input data is data including one or more of the input data used in the garbage quality estimation system.
The estimated waste quality is data including one or more of the above-mentioned waste quality teacher data.
上記自動運転制御部は、ごみ質が各評価エリアで均一になるようにクレーンを制御してもよい。
上記自動運転制御部は、燃焼装置の発熱量が期待値よりも低い場合に、発熱量の高いごみを投入するようにクレーンを制御してもよい。
上記自動運転制御部は、燃焼装置の発熱量が期待値よりも高い場合に、発熱量の低いごみを投入するようにクレーンを制御してもよい。
The automatic operation control unit may control the crane so that the waste quality is uniform in each evaluation area.
The automatic operation control unit may control the crane so that waste having a high calorific value is thrown when the calorific value of the combustion device is lower than an expected value.
The above-mentioned automatic operation control part may control a crane to throw in refuse with a low calorific value, when calorific value of a combustion device is higher than an expected value.
上記混合度を算出するための混合度評価システムとして以下の構成であってもよい。
混合度評価システムは、
ごみピット内のごみをその上方から撮像するように設置される撮像部と、
ごみピット内でごみまでの距離を検出できるようにごみ上方に移動可能に設置され、かつ測定点(P)までの距離(A)を検出するレーザ距離計と、
前記距離(A)および前記レーザ距離計から前記ごみピットの底面までの基準距離(B)に基づいて、測定点ごみ堆積高さ(Z)を算出する測定点ごみ高さ算出部と、
ごみピット内の平面座標と前記測定点ごみ堆積高さの情報とに基づいて、ごみの三次元高さ情報を算出する三次元ごみ高さ算出部と、
前記撮像部の設置情報に基づいて、前記撮像部で撮像された画像を上空視点画像に変換する画像変換部と、
前記ごみの三次元高さ情報に基づいて、前記上空視点画像の全ての区域が同一高さ平面上になるように補正した補正画像を得る画像補正部と、
前記補正画像を階調化し、所定の閾値で二値化して二値化画像を得る二値化処理部と、
前記二値化画像を複数の分割エリアを有する2以上の評価エリアに分割し、各評価エリアのごみの混合度を評価する混合度評価部と、を有する構成でもよい。
上記前記混合度評価部は、
各評価エリアの明部分あるいは暗部分の抽出面積を算出し、全評価エリアに対するあるいは各評価エリアに対する分割エリアの前記明部分あるいは暗部分の抽出面積のばらつきを算出し、前記ばらつきにより混合度を評価するばらつき評価部を有していてもよい。
ここで抽出面積のばらつきは、例えば、分散σ2、標準偏差σ、変動係数CVなどが挙げられる。
上記ばらつき評価部の評価において、ばらつき、例えば、分散σ2、標準偏差σ、変動係数CVなどが、所定値を超えて大きい値ほど、多様なごみがエリア内に存在すること、つまり攪拌が十分になされており、ごみの均質化が高いことを示す。
また、上記混合度評価部は、
例えば、判別分析法(大津の二値化)を各分割エリアに適用する、あるいは、動的閾値法による二値化を行い、明部分(あるいは暗部分)をラベリングするなどして各粒子を抽出し、各評価エリアの粒子面積平均を算出し、前記面積平均により混合度を評価する面積平均評価部を有していてもよい。
上記面積平均評価部の評価において、例えば、粒子面積平均が所定値より小さい値ほど、ごみの破袋が進行している、つまり攪拌が十分になされており、ごみの均質化が高いことを示す。
また、上記混合度評価部は、
各評価エリアの明部分と暗部分との面積率を算出し、前記面積率により混合度を評価する面積率評価部を有していてもよい。
ここで、面積率は、例えば、暗部分÷明部分、明部分÷暗部分である。
上記面積率評価部の評価において、面積率(例えば1未満の値)が所定値より大きい値ほど、ごみの破袋が進行している、つまり攪拌が十分になされていることを示す。ごみ袋は、ごみよりも明るい場合が多いことから暗部分の面積が大きいほどごみ袋の破砕が進んでいると推定する。
The following configuration may be employed as a mixing degree evaluation system for calculating the mixing degree.
The mixing degree evaluation system
An imaging unit installed so as to image the garbage in the garbage pit from above;
A laser range finder installed movably above the dust so that the distance to the dust can be detected in the dust pit, and detecting the distance (A) to the measurement point (P);
A measurement point dust height calculation unit that calculates the measurement point dust deposition height (Z) based on the distance (A) and the reference distance (B) from the laser distance meter to the bottom surface of the dust pit;
A three-dimensional dust height calculation unit that calculates three-dimensional height information of the dust based on the plane coordinates in the dust pit and the information of the measurement point dust deposition height;
An image conversion unit configured to convert an image captured by the imaging unit into an aerial viewpoint image based on installation information of the imaging unit;
An image correction unit for obtaining a corrected image corrected so that all the areas of the sky viewpoint image are on the same height plane based on the three-dimensional height information of the dust;
A binarization processing unit that gradations the corrected image and binarizes with a predetermined threshold to obtain a binarized image;
The binarized image may be divided into two or more evaluation areas having a plurality of divided areas, and a mixing degree evaluation unit for evaluating the degree of mixing of the dust in each evaluation area may be included.
The mixing degree evaluation unit is
Calculate the extraction area of the bright or dark part of each evaluation area, calculate the variation of the extraction area of the bright or dark part of the divided area for all evaluation areas or for each evaluation area, and evaluate the degree of mixing by the variation It may have a variation evaluation part.
Here, the variation of the extraction area includes, for example, variance σ 2 , standard deviation σ, variation coefficient CV, and the like.
In the evaluation of the above-mentioned fluctuation evaluation unit, as the fluctuation, for example, dispersion σ 2 , standard deviation σ, coefficient of variation CV, etc., is larger than a predetermined value, various dusts are present in the area, that is, agitation is sufficiently It shows that the waste is highly homogenized.
The mixing degree evaluation unit
For example, discriminant analysis (binarization of Otsu) is applied to each divided area, or binarization is performed by dynamic threshold method, and each particle is extracted by labeling bright portions (or dark portions), etc. And an area average evaluation unit that calculates the particle area average of each evaluation area and evaluates the degree of mixing by the area average.
In the evaluation of the area average evaluation unit, for example, the more the particle area average is smaller than a predetermined value, the more the waste is being broken, that is, the stirring is sufficiently performed, indicating that the homogenization of the waste is high. .
The mixing degree evaluation unit
You may have an area ratio evaluation part which calculates the area ratio of the bright part of each evaluation area, and a dark part, and evaluates a mixing degree by the said area ratio.
Here, the area ratio is, for example, dark part / bright part, bright part / dark part.
In the evaluation of the area ratio evaluation unit, the larger the area ratio (for example, a value less than 1), the larger the predetermined value, the more the breakage of the waste proceeds, that is, the stirring is sufficiently performed. Garbage bags are brighter than wastes in many cases, so it is estimated that the larger the area of the dark part, the more the garbage bags are crushed.
上記ごみ質の推定システムによれば、知的情報処理技術を用いているため、ごみ質を好適に推定することができる。
上記クレーン運転制御システムによれば、燃焼ごみ質の均一化、すなわち燃焼の安定化を実現することができる。
また、燃焼の安定化を実現することで、助燃燃料の削減、排ガス性状の安定化による薬剤使用量の低減、運転状況監視の省力化等の利点が挙げられる。
また、ピット内におけるごみ質の均一化を目的とした攪拌についても最適化を図ることが可能となり、クレーンの消費電力を低減し、省エネを図ることもできる。
According to the above-described waste quality estimation system, since the intelligent information processing technology is used, the waste quality can be suitably estimated.
According to the crane operation control system, it is possible to achieve uniform combustion waste quality, that is, stabilization of combustion.
Further, by realizing stabilization of the combustion, advantages such as reduction of auxiliary fuel, reduction of the amount of medicine used by stabilization of exhaust gas properties, saving of operation condition monitoring and the like can be mentioned.
In addition, it is possible to optimize the stirring for the purpose of uniforming the quality of waste in the pit, and it is also possible to reduce the power consumption of the crane and save energy.
(実施形態1)
図1は、ごみ質の推定システム500およびごみピット1の側面視の一例である。
(Embodiment 1)
FIG. 1 is an example of a waste
図1は、ごみピット1の内部を側面視で示している。図1の右側にごみ収集車9が入場し、投入扉12からごみを投入エリア11に送り込む。投入エリアのごみDは、クレーン22およびバケット23により、ごみピット1のごみ攪拌エリア15に搬送される。攪拌エリア15は床平面で所定サイズに分画された混合番地が設定されており、本実施形態1では混合番地と評価エリアが一致している。混合エリア15において、ごみが堆積された状態を示す(D1:堆積ごみ)。
FIG. 1 shows the inside of the waste pit 1 in a side view. The
(クレーン運転制御部)
クレーン運転制御システム600は、任意の混合番地の範囲内あるいは番地をまたがって、クレーン22を移動させ、バケット23でごみを掴んで持ち上げ、その場で若しくはその混合番地内の別の位置へ移動したり、別の混合番地へ移動したりして、ごみを落下させるように制御する。また、クレーン運転制御システム600は、複数の混合番地において、ごみを移動させるようにクレーン22とバケット23を制御する。クレーン運転制御システム600は、自動運転制御部(不図示)と手動運転制御部603を有し、自動運転制御部603が上記制御を実行できる。また、クレーン運転制御システム600は、クレーン22とバケット23を制御して、任意の混合番地のごみを掴んで移動させ、焼却炉40の投入ホッパ41にごみを送り込む制御をする。投入ごみ質推定モデルの利用方法は、後述する。
(Crane operation control unit)
The crane
ごみ質の推定システム500は、後述する混合度評価システム100、吸光度の面積率算出システム200、吸光度平均値算出システム300から、それぞれ、各評価エリアにおける混合度、吸光度の面積率、吸光度平均値のデータを受けとり、記憶部501に記憶する。ごみ質の推定システム500の詳細は後述する。
The dust
(入力データの実施例1:混合度を求める構成)
混合度を算出するための混合度評価システム100およびその処理フローについて図2〜図4A−4Cを参照しながら説明する。図4Aに示すごみの混合度評価システム100は、以下の構成を有する。
(Example 1 of input data: Configuration for obtaining the degree of mixing)
A mixing
撮像部31は、ごみピット1内(例えば、攪拌エリア15)のごみをその上方から撮像する。撮像部31は、例えば、ごみピット1内の柱、壁、天井などに固定設置可能であり、本実施形態ではクレーンガータ21よりも下方の壁に設置する。撮像部31は、例えば、動画または静止画を撮像するCCDカメラ、CMOSカメラ、赤外線カメラであってもよい。動画撮像の場合には静止画が切り出されてもよい。画像は、その撮像時刻も紐付けられてメモリ(例えば、撮像部内部あるいは混合度評価システム100のメモリ)に保存される。撮像部31は、定期的にまたは所定のタイミング、例えば混合度を判断するタイミングでごみを撮像してもよい。
また、本実施例1では撮像部31は一つであるが、これに制限されず、撮像部が複数設置されていてもよい。複数の撮像部で攪拌エリア15を分けて撮像してもよく(一部重複して撮像してもよく)、攪拌エリア全体を複数の撮像部のそれぞれが別の角度から撮像してもよい。複数の撮像部で撮像した画像は、例えば、攪拌エリア全体が1枚の画像になるように合成処理部(不図示)で処理されてもよい。本実施例1の撮像部31で撮像した画像はRGB画像である。なお、RGB画像に限定されず、例えば、赤外線カメラによる面像でもよい。
The imaging unit 31 images the dust in the dust pit 1 (for example, the stirring area 15) from above. The imaging unit 31 can be fixed and installed on, for example, a pillar, a wall, a ceiling or the like in the dust pit 1, and is installed on a wall below the crane guard 21 in the present embodiment. The imaging unit 31 may be, for example, a CCD camera, a CMOS camera, or an infrared camera that captures a moving image or a still image. In the case of moving image capturing, a still image may be cut out. The image is also associated with the imaging time and stored in a memory (for example, the inside of the imaging unit or the memory of the mixing degree evaluation system 100). The imaging unit 31 may image the dust periodically or at a predetermined timing, for example, a timing at which the degree of mixing is determined.
Moreover, although the imaging part 31 is one in the present Example 1, it is not restrict | limited to this, Multiple imaging parts may be installed. The stirring areas 15 may be divided and imaged by a plurality of imaging units (partly overlapping may be imaged), and each of a plurality of imaging units may be imaged from different angles. The images captured by the plurality of imaging units may be processed by, for example, a combining processing unit (not shown) such that the entire stirring area becomes one image. An image captured by the imaging unit 31 according to the first embodiment is an RGB image. In addition, it is not limited to a RGB image, For example, the surface image by an infrared camera may be sufficient.
レーザ距離計32は、ごみピット1内で堆積ごみD1までの距離を検出する。レーザ距離計32は、ごみピット1内の上方部に固定または移動可能に設置され、例えば、クレーンガータ21にクレーン進行方向に移動可能に設置され、クレーン22と共に移動してもよく、別々に移動してもよく、クレーン22近傍に設置されていてもよい。垂直下方に固定設置される場合に、レーザ距離計32がその検出角度を変えて検出できるように角度調整可能に構成されていてもよい。
本実施例1では、クレーンガータ21に固定され、図1において左右に検出角度を変えて下方のごみ(測定点P)までの距離を検出できる。図1の紙面垂直方向にクレーンガータ21が移動することで、攪拌エリア15全体のごみまでの距離を検出できる。
測定点Pの座標(X−Y平面座標)は、レーザ距離計32の位置および検出角度(測定点角度θ)に基づいて算出できる。レーザ距離計32の位置はクレーンガータ21の位置座標と、クレーンガータ21とレーザ距離計32との相対位置から導ける。
測定点Pの座標と検出された距離A、測定点角度θ、検出時刻は紐づけられてメモリ(例えば、レーザ距離計内部あるいは混合度評価システム1内のメモリ)に保存される。
The laser distance meter 32 detects the distance to the accumulated dust D1 in the dust pit 1. The laser range finder 32 is fixedly or movably installed at the upper part in the waste pit 1, for example, movably installed in the crane traveling direction in the crane gutter 21 and may move together with the
In the first embodiment, it is fixed to the crane gutter 21, and the distance to the lower garbage (measurement point P) can be detected by changing the detection angle to the left and right in FIG. By moving the crane gutter 21 in the direction perpendicular to the paper surface of FIG. 1, the distance to the dust in the entire stirring area 15 can be detected.
The coordinates (X-Y plane coordinates) of the measurement point P can be calculated based on the position of the laser range finder 32 and the detection angle (measurement point angle θ). The position of the laser range finder 32 can be derived from the position coordinates of the crane gutter 21 and the relative position between the crane gutter 21 and the laser range finder 32.
The coordinates of the measurement point P, the detected distance A, the measurement point angle θ, and the detection time are linked and stored in a memory (for example, a memory in the laser range finder or in the mixing degree evaluation system 1).
撮像部31の撮像時刻とレーザ距離計32の距離検出時刻とは、完全に一致していなくともよい。レーザ距離計32の検出時刻とほぼ対応した画像を撮像する構成でもよい。少なくともいずれか一方あるいは両方が処理(距離検出、撮像)している際に、クレーンによる攪拌が行われていないことが好ましい。
攪拌のためにクレーンを自動運転している所定のタイミングあるいは焼却炉40にごみを投入しているタイミングで、画像の撮像および距離の検出をしてもよい。
The imaging time of the imaging unit 31 and the distance detection time of the laser range finder 32 may not be completely coincident with each other. The configuration may be such that an image substantially corresponding to the detection time of the laser range finder 32 is captured. When at least one or both are being processed (distance detection, imaging), it is preferable that stirring by a crane is not performed.
Image capturing and distance detection may be performed at a predetermined timing at which the crane is automatically operated for stirring, or at a timing at which the refuse is put into the
測定点ごみ高さ算出部101は、距離A、測定点角度θ、およびレーザ距離計32からごみピット1の底面までの基準距離Bに基づいて、測定点ごみ堆積高さZを算出する。基準距離Bはレーザ距離計32から垂直下方向の床(ここでは攪拌エリア15の床)までの距離である。
Z=B−A×cosθ (1)
The measurement point dust
Z = B−A × cos θ (1)
三次元ごみ高さ算出部102は、ごみピット1内の平面座標(X−Y)と測定点ごみ堆積高さZの情報とに基づいて、ごみの三次元高さ情報Wを算出する。
三次元高さ情報Wは、撮像時刻と検出時刻の情報を含んでいてもよい。
三次元ごみ高さ算出部102は、所定のタイミングで、三次元高さ情報Wを算出する。
本実施形態において、「所定のタイミング」は、一定間隔でもよく、決まった時刻でもよく、作業員の命令操作に基づいたタイミングでもよい。
The three-dimensional dust
The three-dimensional height information W may include information on imaging time and detection time.
The three-dimensional dust
In the present embodiment, the “predetermined timing” may be a fixed interval, a fixed time, or a timing based on an instruction operation of a worker.
画像変換部111は、撮像部31の設置情報(例えば、ごみピット内の設置された位置座標、撮像角度、レンズの画角など)に基づいて、撮像部31で撮像された画像を上空視点画像に変換する。本実施例1では撮像部31は、攪拌エリア15のごみを斜め上方からの所定角度で撮像しているため、その撮像画像を上空視点画像に変換している。
The
画像補正部112は、ごみの三次元高さ情報Wに基づいて、前記上空視点画像の全ての区域が同一高さ平面上になるように補正する。ここで得られた画像を補正画像とする。
これにより、同一高さの平面画像が得られる。
Based on the three-dimensional height information W of the garbage, the
Thereby, the planar image of the same height is obtained.
二値化処理部113は、RGB画像である補正画像をHSI画像に変換し、色相H、彩度S、輝度Iのいずれかで画像を階調化して階調化画像を得る。次いで、二値化処理部113は、この階調化画像を所定の閾値で二値化して二値化画像を得る。ここで「所定の閾値」は、例えば、ピット全体における階調化した際の要素(色相H、彩度S、輝度I)の平均値でもよい。本実施例1では輝度によって階調化し、閾値は、輝度の平均を用いる。
なお、別実施例として、「階調化」は色相、彩度、輝度に限定されず、RGBのいずれかで階調してもよい。また、撮像部が赤外線カメラの場合に、上記画像変換処理、上記画像補正処理をした後で、二値化処理部113は例えば波長、周波数などで階調化してもよい。
The
Note that as another embodiment, “gradation” is not limited to hue, saturation, and luminance, and gradation may be performed using any of RGB. In the case where the imaging unit is an infrared camera, the
混合度評価部130は、二値化画像を用いてごみの混合度を評価する。本実施例1において、混合度評価部130は、ばらつき評価部131を有する。
ばらつき評価部131は、二値化画像を複数の分割エリアを有する2以上の評価エリアに分割し、各分割エリアの明部分あるいは暗部分の抽出面積を算出する。
例えば、明部分はごみ袋そのままが多くある画像であり、攪拌が不十分であり、暗部分はごみ袋が破砕された状態の画像であり攪拌が十分であると推測される。
さらに、ばらつき評価部131は、全評価エリアに対する分割エリアの前記明部分あるいは暗部分の抽出面積の分散σ2を算出する。本実施形態では、面積算出にあたり画素数をカウントする方法を用いるが、特にこれに制限されず、他の方法で明部分あるいは暗部分の面積を算出してもよい。
上記分散の算出と共にあるいは代替して、ばらつき評価部131は、各評価エリアに対する分割エリアの前記明部分あるいは暗部分の抽出面積の分散σ2を算出することができる。
また、分散σ2と共にあるいは分散に代替して、ばらつき評価部131は、標準偏差σおよび/または変動係数(CV)を算出することができる。
The mixing
The
For example, it is presumed that the bright part is an image with many waste bags as it is, the stirring is insufficient, and the dark part is an image in a state where the waste bags are crushed, and the mixing is sufficient.
Further, the
Along with or instead of the calculation of the variance, the
Further, the
ばらつき評価部131は、ばらつきに基づいてごみの混合度を評価する。本実施形態において、ばらつき評価部131は、分散σ2が所定値を超えるか否かを判断する。所定値は予め設定されており、ごみピットごと(地域性、天候)に設定を変更できる。所定値は、実験、長期運転による経験則に基づいて設定してもよい。
ばらつき評価部131で、分散σ2が所定値を超えて、大きい値になるほど、多様なごみがエリア内に存在する、つまり攪拌が十分になされていることを示す。
The
In the
(処理フロー)
ステップS1において、撮像部31がごみピット内の画像を撮像する。レーザ距離計32がごみピット内のごみ(測定点P)までの距離Aを測定する。
ステップS2において、各測定点でのごみ堆積高さZを以下の式から算出する。
Z=B−A×cosθ (1)
次いで、ごみピット1内の平面座標(X−Y)とごみ堆積高さZの情報とに基づいて、ごみの三次元高さ情報Wを算出する。
(Processing flow)
In step S1, the imaging unit 31 captures an image in the dust pit. The laser distance meter 32 measures the distance A to the dust (measurement point P) in the dust pit.
In step S2, the dust accumulation height Z at each measurement point is calculated from the following equation.
Z = B−A × cos θ (1)
Next, the three-dimensional height information W of the dust is calculated based on the plane coordinates (XY) in the dust pit 1 and the information of the dust accumulation height Z.
ステップS3において、上空視点画像を作成し、三次元高さ情報Wに基づいて、上空視点画像の全ての区域が同一高さ平面上になるように補正画像を作成する。
ステップS4において、RGB画像である補正画像を、色相H、彩度S、輝度IのHIS変換し、輝度に基づく輝度画像を作成する。輝度画像を256階調で階調化する。図2Aは、ごみピット内の階調化した画像の一例を示す。ここで、画素数と実面積(攪拌エリア)が対応し、画素ごとに明暗の輝度を示す。
なお、別実施例として、「階調化」は色相、彩度、輝度に限定されず、RGBのいずれかで階調してもよい。また、撮像部が赤外線カメラの場合に、上記画像変換処理、上記画像補正処理をした後で、二値化処理部113は例えば波長、周波数などで階調化してもよい。
In step S3, the sky viewpoint image is created, and based on the three-dimensional height information W, a correction image is created so that all the areas of the sky viewpoint image are on the same height plane.
In step S4, the corrected image which is an RGB image is subjected to HIS conversion of hue H, saturation S, and luminance I to create a luminance image based on the luminance. The luminance image is gradationized with 256 gradations. FIG. 2A shows an example of a toned image in a dust pit. Here, the number of pixels corresponds to the actual area (agitation area), and the brightness of light and dark is indicated for each pixel.
Note that as another embodiment, “gradation” is not limited to hue, saturation, and luminance, and gradation may be performed using any of RGB. In the case where the imaging unit is an infrared camera, the
ステップS5において、全画素に対する平均輝度を算出し、閾値に設定する。
平均輝度=(輝度0×その画素数+輝度1×その画素数+・・輝度255×その画素数)/全画素数 (2)
In step S5, the average luminance for all pixels is calculated and set as a threshold.
Average brightness = (brightness 0 × the number of pixels + brightness 1 × the number of pixels + ·· brightness 255 × the number of pixels) / total number of pixels (2)
ステップS6において、閾値より明るい画素を抽出し二値化する。なお、別例として暗い画素を抽出し二値化してもよい。図2Bに二値化した二値化画像の一例を示す。 In step S6, pixels brighter than the threshold are extracted and binarized. As another example, dark pixels may be extracted and binarized. An example of the binarized image binarized is shown in FIG. 2B.
ステップS7において、全画素を評価エリアで分画する。各評価エリアはさらに分割エリアで分画する。分割エリアのそれぞれで抽出画素数(面積)を算出する。ここで抽出画素は、明部分(白)である。図2Cは全画素を評価エリアで分画した一例を示す。太枠が評価エリアであり、破線は最小単位の画素を示す。なお、「最小単位の画素」は1つでもよく複数でもよい。図2Dは評価エリアSa〜Siのアドレスの一例を示す。図2Eは評価エリアSaの分割エリアSa1〜Sa9のアドレスの一例を示す。他の評価エリアSb〜Siも同様にアドレスが設定される。本実施形態において評価エリアは攪拌エリア15のクレーン番地と同じである。
図2Fは、評価エリアSaの各分割エリアSa1〜Sa9の抽出画素数を示す。
Sa1=5
Sa2=7
Sa3=4
Sa4=8
Sa5=5
Sa6=2
Sa7=8
Sa8=5
Sa9=5
他の評価エリアSb〜Siも同様に抽出画素数(抽出面積に相当する)を算出する。
In step S7, all pixels are fractionated in the evaluation area. Each evaluation area is further divided into divided areas. The number of extracted pixels (area) is calculated for each of the divided areas. Here, the extracted pixel is a bright portion (white). FIG. 2C shows an example in which all pixels are divided in the evaluation area. A thick frame is an evaluation area, and a broken line indicates a pixel of the minimum unit. The “minimum unit pixel” may be one or plural. FIG. 2D shows an example of the addresses of the evaluation areas Sa to Si. FIG. 2E shows an example of the addresses of the divided areas Sa1 to Sa9 of the evaluation area Sa. Addresses are similarly set for the other evaluation areas Sb to Si. In the present embodiment, the evaluation area is the same as the crane address of the stirring area 15.
FIG. 2F shows the number of extracted pixels of each of the divided areas Sa1 to Sa9 of the evaluation area Sa.
Sa1 = 5
Sa2 = 7
Sa3 = 4
Sa4 = 8
Sa5 = 5
Sa6 = 2
Sa7 = 8
Sa8 = 5
Sa9 = 5
The number of extracted pixels (corresponding to the extraction area) is similarly calculated for the other evaluation areas Sb to Si.
ステップS8−1において、各評価エリアに対して、抽出面積の分散σ2を算出する。
Saiは各分割エリアの抽出面積、Sa_aveは評価エリアSaにおける各分割エリアの抽出面積の平均である。nは評価エリア内の画素数であり、9×9である。
他の評価エリアSb〜Siにおいても同様に算出する。
なお、別実施形態として標準偏差、変動係数を算出してもよい。変動係数CVは式(4)で求めることができる。
σは標準偏差である。
In step S8-1, the variance σ 2 of the extraction area is calculated for each evaluation area.
Sai is the extraction area of each divided area, and Sa_ave is the average of the extraction area of each divided area in the evaluation area Sa. n is the number of pixels in the evaluation area, which is 9 × 9.
The same calculation is performed for the other evaluation areas Sb to Si.
In addition, you may calculate a standard deviation and a coefficient of variation as another embodiment. The coefficient of variation CV can be obtained by equation (4).
σ is a standard deviation.
ステップS8−2において、全評価エリアに対して各評価エリアの抽出面積の分散σ2を算出する。
Saiは各分割エリアの抽出面積、So_aveは全評価エリア(ピット全体)Sa〜Siにおける各分割エリアの抽出面積の平均である。nは評価エリア内の画素数であり、9×9である。
他の評価エリアSb〜Siにおいても同様に算出する。
なお、別実施形態として、分散に代わり、標準偏差、変動係数を算出してもよい。
In step S8-2, the variance σ 2 of the extraction area of each evaluation area is calculated with respect to all the evaluation areas.
Sai is the extraction area of each divided area, and So_ave is the average of the extraction area of each divided area in all evaluation areas (entire pits) Sa to Si. n is the number of pixels in the evaluation area, which is 9 × 9.
The same calculation is performed for the other evaluation areas Sb to Si.
As another embodiment, a standard deviation and a variation coefficient may be calculated instead of the variance.
ステップS9において、混合度を評価する。分散σ2が所定値を超えて、大きい値になるほど、多様なごみがエリア内に存在する、つまり攪拌が十分になされていることを示す。
ステップS8−1により各評価エリアに対する分散の時はその評価エリアにおける混合度を評価でき、ステップS8−2により全評価エリアに対する分散の時はごみピット全体と比較したその評価エリアの混合度を評価できる。
In step S9, the degree of mixing is evaluated. As the variance σ 2 exceeds a predetermined value and becomes a large value, it indicates that various dusts are present in the area, that is, the agitation is sufficiently performed.
The degree of mixing in each evaluation area can be evaluated at the time of dispersion for each evaluation area by step S8-1, and the degree of mixing in the evaluation area compared to the entire waste pit can be evaluated at the time of dispersion for all evaluation areas by step S8-2. it can.
ステップS10において、ステップS9での評価結果(数値化された混合度)を出力する。混合度は、混合度評価システム100からごみ質の推定システム500の記憶部501に送られ記憶される。
In step S10, the evaluation result (numerical mixing degree) in step S9 is output. The mixing degree is sent from the mixing
(実施例1の別構成例)
実施例1の混合度評価システム100の別構成について図4B、図4Cを参照しながら説明する。実施例1と同じ符号は同様の機能を有するため説明を省略し、異なる特徴を説明する。
(Another configuration example of the first embodiment)
Another configuration of the mixing
図4Bの別構成は以下の構成を有する。混合度評価部130は、面積平均評価部132を有する。
ステップS5において、面積平均評価部132は、分割エリアごとに、判別分析法を各分割エリアに適用する、あるいは、動的閾値法による二値化を行い、明部分(あるいは暗部分)をラベリングするなどして各粒子を抽出する。
面積平均評価部132は、各粒子面積を算出し、各粒子の面積平均を算出する。
面積平均評価部132は、各粒子の面積平均が所定値より小さいか否かを判断する。
面積平均評価部132の判断結果において、面積平均が所定値より小さい値ほど、ごみの破袋が進行している、つまり攪拌が十分になされていることを示す。
上記実施例1と同様に、評価エリア単位で評価することができる。
4B has the following configuration. The degree-of-mixing
In step S5, the area
The area
The area
In the determination result of the area
Similar to Example 1, the evaluation can be performed in units of evaluation area.
図4Bの別構成は、上記図4Aの実施例1と共に混合度評価システム100に具備されていてもよい。
ばらつき評価部131と面積平均評価部132のそれぞれの判断あるいは総合判断によって混合度を評価してもよい。
Another configuration of FIG. 4B may be included in the mixing
The degree of mixing may be evaluated by the respective judgment or comprehensive judgment of the
図4Cの別構成は、以下の構成を有する。混合度評価部130は、面積率評価部133を有する。
The alternative configuration of FIG. 4C has the following configuration. The mixing
面積率評価部133は、各評価エリアの明部分と暗部分との面積率(=暗部分/明部分)を算出する。
面積率評価部133は、面積率が所定値(例えば1未満)より大きいか否かを判断する。
面積率評価部133の判断結果において、面積率が所定値より大きい値ほど、ごみの破袋が進行している、つまり攪拌が十分になされていることを示す。
実施例1と同様に、評価エリア単位で評価することができる。
The area
The area
In the judgment result of the area
Similar to Example 1, evaluation can be performed in units of evaluation areas.
図4Cの別構成は、図4Aの上記実施例1および/または図4Bの別構成と共に混合度評価システム100に具備されていてもよい。
ばらつき評価部131、面積平均評価部132および面積率評価部133のそれぞれの判断あるいは総合判断によって混合度を評価してもよい。
The alternative configuration of FIG. 4C may be included in the degree-of-
The degree of mixing may be evaluated based on each judgment or comprehensive judgment of the
(入力データの実施例2:吸光度の面積率を求める構成)
図6に示す吸光度の面積率算出システム200は、スペクトル二値化画像生成部201と、面積率算出部202を有する。
(Example 2 of input data: Configuration for determining the area ratio of absorbance)
The area
撮像部31は、可視カメラおよびスペクトルカメラである。
スペクトル二値化画像生成部201は、スペクトルカメラでごみピット1の全体を撮像し、区分けされた波長ごとの二値化画像を生成する。図8Aに波長ごとの二値化画像の一例を示す。図8Aは、3種の区分けされた二値化画像を例示しているにすぎず、3種以上に区分けされていてもよい。
The imaging unit 31 is a visible camera and a spectrum camera.
The spectrum binarized
面積率算出部202は、ごみピットを評価エリアに区分し、それぞれの波長ごとに対して閾値以上(または以下)の面積を計算し、評価エリア面積に対する比率を計算する。図8Bに波長区分ごとの二値化画像の一例を示す。図8Cに各評価エリアの区分された波長ごとの面積率の一例を示す。面積率は百分率で表してもよい。この面積率は、面積率算出システム200からごみ質の推定システム500の記憶部501に送られ記憶される。
The area
(入力データの実施例3:吸光度の面積率を求める構成)
図7に示す吸光度平均値算出システム300は、スペクトル画像データから区分けされた波長ごとに各評価エリア内の吸光度の平均値を算出する吸光度平均値算出部301を有する。図8Dに各評価エリアの区分された波長ごとの吸光度平均値の一例を示す。この吸光度平均値は、吸光度平均値算出システム300からごみ質の推定システム500の記憶部501に送られ記憶される。
(Example 3 of Input Data: Configuration for Determining Area Ratio of Absorbance)
The absorbance average
(投入ごみ質推定モデルの生成)
入力データ作成部502は、各評価エリアにおける混合度、吸光度の面積率、吸光度平均値のデータを取得し、入力データの元データとしてデータベース化する。
図9Aに、記憶部501に保存された入力データのデータベースの一例を示す。
入力データ作成部502は、評価エリアSa(混合番地に対応する)のごみを焼却炉の投入ホッパに投入したときの、ごみの混合度、吸光度の面積率、吸光度平均値、投入ごみ重量、投入時刻のデータを記憶部501に記憶する。他の評価エリアのごみを投入したときも、同様の方法でデータ構成される。図9Bに、投入されたごみの入力データの一例を示す。
(Generation of input waste quality estimation model)
The input
FIG. 9A shows an example of a database of input data stored in the
The input
本実施形態1では、混合度評価システム100、吸光度の面積率算出システム200、吸光度平均値算出システム300は、入力データ作成部502の一部機能を有する。別実施形態として、これら構成要素が、入力データ作成部502としてごみ質の推定システム500に組み込まれていてもよい。
In the first embodiment, the mixing
投入ごみ質推定モデル生成部503は、入力データと、ごみ質教師データとを用いて知的情報処理技術により、ごみ質を推定する投入ごみ質推定モデルを生成する。ごみ質教師データは、予め記憶部501に記憶されていてもよく、投入ごみ質推定モデル生成部503が機能するときに、外部装置から取得する構成であってもよい。
本実施形態1では、ごみ質教師データは、ごみ組成(水、炭素、水素、排ガス中の塩化水素(HCl)および二酸化硫黄(SO2)など)の濃度、発熱量などである。
なお、別実施形態として、ごみ質の推定システム500は、ごみ質教師データを作成するごみ質教師データ作成部を有していてもよい。
ごみ組成濃度は、例えば排ガス分析計などの各種成分に応じた分析計で排ガスを分析することで得られる。また、所定の成分(例えば、酸素、水分)から他の成分(例えば二酸化炭素)を算出してもよい。
また、発熱量は特許第5996762号公報の方法を用いて算出してもよい。ごみ質教師データ作成部は、発熱量を推定する発熱量算出部を有していてもよい。
図10にごみ質教師データの例を示す。
The input waste quality estimation model generation unit 503 generates an input waste quality estimation model for estimating the waste quality by the intelligent information processing technology using the input data and the waste quality teacher data. The dust quality teacher data may be stored in advance in the
In the first embodiment, the waste quality teacher data includes the concentration of the waste composition (water, carbon, hydrogen, hydrogen chloride (HCl) and sulfur dioxide (SO 2 ), etc. in the exhaust gas), and the calorific value.
In another embodiment, the waste
The waste composition concentration can be obtained, for example, by analyzing the exhaust gas with an analyzer corresponding to various components such as an exhaust gas analyzer. Further, other components (for example, carbon dioxide) may be calculated from predetermined components (for example, oxygen and moisture).
Further, the calorific value may be calculated using the method of Japanese Patent No. 599 6762. The garbage quality teacher data creation unit may include a heat generation amount calculation unit that estimates a heat generation amount.
FIG. 10 shows an example of garbage quality teacher data.
(特許第5996762号公報の方法で発熱量を算出)
第一の方法は、R1〜R8の手順である。
(R1)排ガス中の酸素および水分の成分濃度を測定する。
(R2)測定された前記酸素および水分の成分濃度から、下式を基に排ガス中の二酸化炭素濃度を推算する。
[CO2]=Ro×(100−[H2O])/100−[O2]
ここで、[ ]内は百分率表示濃度を示し、Roは大気中の酸素濃度から灰分に取り込まれる酸素成分量を減じて設定された係数を示す。
(R3)前記酸素濃度,水分濃度および二酸化炭素濃度を用い、排ガス中の窒素濃度を算出する。
(R4)算出された窒素濃度を基に燃焼空気中の窒素濃度に対する換算係数を算出し、該換算係数を乗じた前記酸素,二酸化炭素および水分の換算成分濃度を算出する。
(R5)換算された前記酸素,二酸化炭素および水分の成分濃度から、燃焼処理に用いられた燃焼空気の単位供給量当りの酸素消費量を算出する。
(R6)算出された前記酸素消費量から、燃焼空気の単位供給量当りの、該燃焼処理において生成した二酸化炭素および水分に係る発熱量、該生成水分量と前記廃棄物中に含まれていた水分量の総量からの潜熱量を算出する。
(R7)燃焼処理された廃棄物の供給量から、燃焼空気の単位供給量当りの処理された廃棄物量を算出する。
(R8)算出された前記発熱量,前記潜熱量および廃棄物量から、処理された廃棄物量当りの推算発熱量Aを算出する。
(Calculation of calorific value by the method of Japanese Patent No. 5996762)
The first method is a procedure of R1 to R8.
(R1) Measure the concentration of oxygen and moisture in the exhaust gas.
(R2) The concentration of carbon dioxide in the exhaust gas is estimated based on the following equation from the measured component concentrations of oxygen and moisture.
[CO 2 ] = Ro × (100- [H 2 O]) / 100- [O 2 ]
Here, [] indicates percentage concentration concentration, and Ro indicates a coefficient set by subtracting the amount of oxygen component taken into the ash from the oxygen concentration in the atmosphere.
(R3) The nitrogen concentration in the exhaust gas is calculated using the oxygen concentration, the water concentration and the carbon dioxide concentration.
(R4) Based on the calculated nitrogen concentration, a conversion factor for the nitrogen concentration in the combustion air is calculated, and the conversion component concentration of the oxygen, carbon dioxide and water multiplied by the conversion factor is calculated.
(R5) The oxygen consumption per unit supply of the combustion air used for the combustion process is calculated from the converted component concentrations of oxygen, carbon dioxide and water.
(R6) From the calculated oxygen consumption, the calorific value related to carbon dioxide and moisture generated in the combustion process per unit supply of combustion air, contained in the waste water and the waste generated Calculate the amount of latent heat from the total amount of moisture.
(R7) Calculate the amount of treated waste per unit supply of combustion air from the amount of supply of the burnt-treated waste.
(R8) From the calculated calorific value, the latent heat, and the waste amount, the estimated calorific value A per treated waste amount is calculated.
第二の方法は、S1〜S7の手順である。
(S1)排ガス中の酸素,二酸化炭素および水分の成分濃度を測定する。
(S2)測定された前記各成分濃度から、排ガス中の窒素濃度を算出する。
(S3)算出された窒素濃度を基に燃焼空気中の窒素濃度に対する換算係数を算出し、該換算係数を乗じた前記酸素,二酸化炭素および水分の換算成分濃度を算出する。
(S4)換算された前記酸素,二酸化炭素および水分の成分濃度から、燃焼処理に用いられた燃焼空気の単位供給量当りの酸素消費量を算出する。
(S5)算出された前記酸素消費量から、燃焼空気の単位供給量当りの、該燃焼処理において生成した二酸化炭素および水分に係る発熱量、該生成水分量と前記廃棄物中に含まれていた水分量の総量からの潜熱量を算出する。
(S6)燃焼処理された廃棄物の供給量から、燃焼空気の単位供給量当りの処理された廃棄物量を算出する。
(S7)算出された前記発熱量,前記潜熱量および廃棄物量から、処理された廃棄物量当りの推算発熱量Bを算出する。
The second method is the procedure of S1 to S7.
(S1) The component concentrations of oxygen, carbon dioxide and moisture in the exhaust gas are measured.
(S2) The nitrogen concentration in the exhaust gas is calculated from the measured component concentrations.
(S3) Based on the calculated nitrogen concentration, a conversion factor for the nitrogen concentration in the combustion air is calculated, and the conversion component concentration of the oxygen, carbon dioxide and water multiplied by the conversion factor is calculated.
(S4) The oxygen consumption per unit supply amount of the combustion air used for the combustion process is calculated from the converted component concentrations of oxygen, carbon dioxide and moisture.
(S5) From the calculated oxygen consumption, the calorific value related to carbon dioxide and moisture generated in the combustion process per unit supply of combustion air, contained in the amount of generated water and the waste Calculate the amount of latent heat from the total amount of moisture.
(S6) The amount of waste treated per unit supply of combustion air is calculated from the amount of supply of waste subjected to the combustion treatment.
(S7) From the calculated calorific value, latent heat quantity and waste quantity, an estimated calorific value B per treated waste quantity is calculated.
(他の方法で発熱量を算出)
第三の方法は、A1〜A8の手順である。
(A1)燃焼炉からの排ガス流量を測定する。
(A2)燃焼炉からの排ガス中の酸素,二酸化炭素および水分の成分濃度を測定する。
(A3)測定された前記各成分濃度から、排ガス中の窒素濃度[N2]を算出する。
(A4)算出された窒素濃度[N2]を基に大気中の窒素濃度Anに対する換算係数を算出し、該換算係数を乗じた前記酸素,二酸化炭素および水分の換算成分濃度Go,GdおよびGwを算出する。
(A5)換算された二酸化炭素の成分濃度Gdを基に、被燃焼物単位供給量当りの被燃焼物中の炭素量を算出する。
(A6)大気中の酸素濃度Aoから、換算された酸素の成分濃度Goおよび二酸化炭素の成分濃度Gdを減算し、燃焼処理において消費された被燃焼物中の水素量および燃焼処理によって発生した水分量を算出する。
(A7)換算された水分の成分濃度Gwおよび算出された前記水分量を基に、被燃焼物中の水分蒸発量を算出する。
(A8)算出された前記炭素量,水素量および水分量を用い、燃焼処理により発生した被燃焼物中の炭素と水素の反応発熱量および水分の潜熱量に基づく、燃焼処理された被燃焼物単位供給量当りの算出発熱量Aを算出する。
(Calculate calorific value by other methods)
The third method is the procedure of A1 to A8.
(A1) The exhaust gas flow rate from the combustion furnace is measured.
(A2) The component concentrations of oxygen, carbon dioxide and moisture in the exhaust gas from the combustion furnace are measured.
(A3) The nitrogen concentration [N 2 ] in the exhaust gas is calculated from the measured component concentrations.
(A4) Based on the calculated nitrogen concentration [N 2 ], a conversion factor for the nitrogen concentration An in the atmosphere is calculated, and the conversion component concentrations Go, Gd and Gw of the oxygen, carbon dioxide and water multiplied by the conversion factor Is calculated.
(A5) Based on the component concentration Gd of carbon dioxide converted, the amount of carbon in the combustible substance per combustible substance unit supply amount is calculated.
(A6) The oxygen component concentration Go and the carbon dioxide component concentration Gd converted from the oxygen concentration Ao in the atmosphere are subtracted, and the amount of hydrogen in the combustible material consumed in the combustion process and the water generated by the combustion process Calculate the amount.
(A7) Based on the component concentration Gw of the converted water and the calculated amount of water, the amount of evaporation of water in the material to be burned is calculated.
(A8) Combustion-treated combustible based on the calorific value of reaction heat of carbon and hydrogen in the combustible generated in the combustion treatment and the latent heat of water using the calculated carbon, hydrogen, and moisture The calculated calorific value A per unit supply amount is calculated.
(他の方法で発熱量を算出)
第四の方法は、B1〜B9の手順である。
(B1)燃焼炉からの排ガス流量を測定する。
(B2)排ガス中の酸素および水分の成分濃度を測定する。
(B3)測定された酸素,水分の成分濃度[O2],[H2O]から、下式1を基に排ガ
ス中の二酸化炭素濃度[CO2]を算出する。
[CO2]=Ro×(100−[H2O])/100−[O2]
ここで、[ ]内は百分率表示濃度を示し、Roは大気中の酸素濃度から灰分に取り込まれる酸素成分量を減じて設定された係数を示す。
(B4)測定された酸素濃度[O2]と水分濃度[H2O]および算出された二酸化炭素濃度[CO2]から、排ガス中の窒素濃度[N2]を算出する。
(B5)算出された窒素濃度[N2]を基に大気中の窒素濃度Anに対する換算係数を算出し、該換算係数を乗じた前記酸素,二酸化炭素および水分の換算成分濃度Go,GdおよびGwを算出する。
(B6)換算された二酸化炭素の成分濃度Gdを基に、被燃焼物単位供給量当りの被燃焼物中の炭素量Ecを算出する。
(B7)大気中の酸素濃度Aoから、換算された酸素の成分濃度Goおよび二酸化炭素の成分濃度Gdを減算し、燃焼処理において消費された被燃焼物中の水素量Ehおよび燃焼処理によって発生した水分量Cwを算出する。
(B8)換算された水分の成分濃度Gwおよび算出された前記水分量を基に、被燃焼物中の水分蒸発量を算出する。
(B9)算出された前記炭素量,水素量および水分量を用い、燃焼処理により発生した被燃焼物中の炭素と水素の反応発熱量および水分の潜熱量に基づく、燃焼処理された被燃焼物単位供給量当りの算出発熱量Bを算出する。
上記において、混入空気量および被燃焼物中の酸素量を算出してもよい。
下式に基づき、燃焼炉に供給される燃焼空気以外の混入空気量を算出する。
(混入空気量)=(排ガス流量×[N2]−燃焼空気供給量×An)/An
下式に基づき、被燃焼物中の酸素量を算出してもよい。
(被燃焼物中の酸素量)=(排ガス流量×[O2])−(燃焼空気供給量×Aa−排ガス流量×[CO2]−水分量Cw)−(混入空気量×An)
(Calculate calorific value by other methods)
The fourth method is a procedure of B1 to B9.
(B1) The exhaust gas flow rate from the combustion furnace is measured.
(B2) The concentration of oxygen and water in the exhaust gas is measured.
(B3) From the measured component concentrations [O 2 ] and [H 2 O] of oxygen and water, the carbon dioxide concentration [CO 2 ] in the exhaust gas is calculated based on the following equation 1.
[CO 2 ] = Ro × (100− [H 2 O]) / 100− [O 2 ]
Here, [] indicates percentage concentration concentration, and Ro indicates a coefficient set by subtracting the amount of oxygen component taken into the ash from the oxygen concentration in the atmosphere.
(B4) The nitrogen concentration [N2] in the exhaust gas is calculated from the measured oxygen concentration [O 2 ], the water concentration [H 2 O], and the calculated carbon dioxide concentration [CO 2 ].
(B5) A conversion factor for nitrogen concentration An in the atmosphere is calculated based on the calculated nitrogen concentration [N2], and the conversion component concentrations Go, Gd and Gw of the oxygen, carbon dioxide and water multiplied by the conversion factor are calculated. calculate.
(B6) Based on the converted component concentration Gd of carbon dioxide, a carbon amount Ec in the combusted material per combustible unit supply amount is calculated.
(B7) The oxygen component concentration Go and the carbon dioxide component concentration Gd converted from the oxygen concentration Ao in the atmosphere are subtracted, and the amount of hydrogen Eh in the material to be burned consumed in the combustion treatment is generated by the combustion treatment The amount of water Cw is calculated.
(B8) Based on the converted water component concentration Gw and the calculated water content, the amount of water evaporation in the combusted material is calculated.
(B9) Using the calculated amount of carbon, amount of hydrogen, and amount of water, the combusted material subjected to combustion processing based on the calorific value of the reaction heat of carbon and hydrogen in the combusted material generated by the combustion processing and the amount of latent heat of water The calculated calorific value B per unit supply amount is calculated.
In the above, the amount of mixed air and the amount of oxygen in the substance to be burned may be calculated.
Based on the following formula, the amount of mixed air other than the combustion air supplied to the combustion furnace is calculated.
(Amount of mixed air) = (exhaust gas flow rate × [N 2 ]-combustion air supply amount × An) / An
The amount of oxygen in the combustible substance may be calculated based on the following equation.
(Oxygen amount in the combusted material) = (exhaust gas flow rate × [O 2 ]) − (combustion air supply amount × Aa−exhaust gas flow rate × [CO 2 ] −moisture amount Cw) − (mixed air amount × An)
本実施形態1では、投入ごみ質推定モデル生成部503は、燃焼装置の投入口にごみを投入してから燃焼が開始されるまでの時間遅れ量に基づいて、ごみ質教師データと入力データとの時間的対応づけを行って投入ごみ質推定モデルを生成する。例えば、ストーカ式焼却炉の場合に、時間遅れ量は、例えば30〜40分とする。 In the first embodiment, the input waste quality estimation model generation unit 503 generates waste quality teacher data and input data based on the amount of time delay from the start of loading the waste into the inlet of the combustion apparatus and the start of combustion. The input waste quality estimation model is generated by temporally correlating the For example, in the case of a stoker-type incinerator, the amount of time delay is, for example, 30 to 40 minutes.
また、別実施形態として「ごみ質教師データと入力データとの時間的対応づけ」は、方法(1)〜(5)を用いて行ってもよい。
(1)投入ホッパに投入されるごみの入力データ、重量データを記憶部に記憶する。
(2)投入されたごみの堆積状態を分画し、分画された堆積ごみのそれぞれの重量と、入力データを記憶部に記憶する。例えば、第一分画堆積ごみG1、第二分画堆積ごみG2、第三分画堆積ごみG3のそれぞれの重量を記憶する。
(3)ごみが、燃焼装置の焼却炉に供給されるたびに供給ごみの重量(例えば50kgの炉内供給)を投入ホッパ内の最下部の第一分画堆積ごみの残重量から引く。供給ごみの重量は定量供給(例えば50kg)されていてもよく、供給ごみの重量を供給するたびに計測されていてもよい。
(4)残重量が零になった分画堆積ごみは記録から取り除く。引ききれなかった分の重量は新しく最下部になった第n分画堆積ゴミの残重量から引く。
(5)供給ごみの入力データと、この時点でのごみ質教師データとを対応させる。
図11で、投入されたごみ(ごみTAG)の堆積状態、送り込み状態を示す。
As another embodiment, “temporal correspondence between garbage quality teacher data and input data” may be performed using the methods (1) to (5).
(1) Store in the storage unit input data and weight data of waste to be fed into the feeding hopper.
(2) The deposition state of the input waste is fractionated, and the weight of each fractionated sediment and the input data are stored in the storage unit. For example, the weights of the first fractionated sediment G1, the second fractionated sediment G2, and the third fractionated sediment G3 are stored.
(3) Every time waste is supplied to the incinerator of the combustion apparatus, the weight of the supplied waste (for example, 50 kg in-furnace supply) is subtracted from the remaining weight of the lowermost first fractionated accumulated waste in the charging hopper. The weight of the supplied garbage may be supplied in a fixed amount (for example, 50 kg) or may be measured each time the weight of the supplied garbage is supplied.
(4) Fraction deposits with zero remaining weight are removed from the record. The weight that could not be pulled out is subtracted from the remaining weight of the nth fraction-deposited debris at the bottom.
(5) Correspond the input data of the supplied waste and the waste quality teacher data at this time.
FIG. 11 shows the accumulation state and the feeding state of the input waste (garbage TAG).
(別実施形態)
実施形態1では、入力データに3種類を用いていたが、これに制限されず、面積率、吸光度平均値、混合度の内、1種または2種以上であってもよい。
また、入力データとして、ごみ搬入車両、日付および天候の中から1種または2種以上の情報をさらに含んでもよい。
実施形態1では、ごみ質教師データは、ごみの組成(水、炭素、水素、排ガス中の塩化水素(HCl)および二酸化硫黄(SO2)など)の濃度、発熱量などであったが、これに制限されず、上記の1種または2種以上であってもよい。
実施形態1では、混合度評価システム100、吸光度の面積率算出システム200、吸光度平均値算出システム300で入力データを作成したが、これに制限されず、ごみ質の推定システム500の入力データ作成部502が、それらの機能を有していてもよい。
(Another embodiment)
Although three types are used for input data in the first embodiment, the present invention is not limited to this, and one or two or more types out of an area ratio, an average value of absorbance, and a mixing degree may be used.
In addition, as input data, one or more types of information may be further included among the waste in-car, the date, and the weather.
In the first embodiment, the waste quality teacher data is the concentration of the waste composition (water, carbon, hydrogen, hydrogen chloride (HCl) and sulfur dioxide (SO 2 ), etc. in the exhaust gas), the calorific value, etc. However, it may be one or more of the above.
In the first embodiment, input data is created by the mixture
(クレーン運転制御システム)
クレーン運転制御システム600は、上記ごみ質の推定システム500で生成された投入ごみ質推定モデルを記憶するモデル記憶部601と、投入されるごみの入力データを投入ごみ質推定モデルに入力し、ごみ質を推定するごみ質推定部602と、ごみ質推定モデルから出力された推定ごみ質に応じて、クレーンを自動制御する自動運転制御部603を有する。
上記自動運転制御部603は、ごみ質が各評価エリアで均一になるようにクレーンを制御してもよい。
上記自動運転制御部603は、燃焼装置の発熱量が期待値よりも低い場合に、発熱量の高いごみを投入するようにクレーンを制御してもよい。
上記自動運転制御部603は、燃焼装置の発熱量が期待値よりも高い場合に、発熱量の低いごみを投入するようにクレーンを制御してもよい。
(Crane operation control system)
The crane
The above-mentioned automatic
The above-mentioned automatic
The above-mentioned automatic
クレーン運転制御システム600は、自動運転制御に限らず、手動運転制御も可能に構成されている。オペレータは、モニターに表示された各評価エリアの推定ごみ質の分布に応じて、クレーンを運転することが可能である。
The crane
投入ごみの入力データは、既述した、混合度評価システム100、吸光度の面積率算出システム200、吸光度平均値算出システム300、ごみ質の推定システム500の機能によって得られる。
The input data of the input waste is obtained by the functions of the mixing
混合度評価システム100、吸光度の面積率算出システム200、吸光度平均値算出システム300、ごみ質の推定システム500、クレーン運転制御システム600の各構成要素は、メモリ、プロセッサー、ソフトウエアプログラムを有する情報処理装置(例えば、コンピュータ)や、専用回路、ファームウエアなどで構成できる。
Each component of mixing
1 ごみピット
15 攪拌エリア
21 クレーンガータ
22 クレーン
23 バケット
31 撮像部
32 レーザ距離計
100 混合度評価システム
101 測定点ごみ高さ算出部
102 三次元ごみ高さ算出部
111 画像変換部
112 画像補正部
113 二値化処理部
130 混合度評価部
131 ばらつき評価部
132 面積平均評価部
133 面積率評価部
200 面積率算出システム
201 スペクトル二値化画像生成部
202 面積率算出部
300 吸光度平均値算出システム
301 吸光度平均値算出部
500 ごみ質の推定システム
501 記憶部
502 入力データ作成部
503 投入ごみ質推定モデル生成部
600 クレーン運転制御システム
601 モデル記憶部
602 ごみ質推定部
603 自動運転制御部
DESCRIPTION OF SYMBOLS 1 Garbage pit 15 Stirring area 21
Claims (3)
前記投入ごみ質推定モデル生成部は、
燃焼装置の投入口にごみを投入してから燃焼が開始されるまでの、予め設定されている時間遅れ量に基づいて、前記ごみ質教師データと前記入力データとの時間的対応づけを行って前記投入ごみ質推定モデルを生成する、または、
投入口へ投入したごみの量と、燃焼炉に供給したごみの量から、特定の投入されたごみが燃焼炉に供給されたタイミングを算出することで、前記ごみ質教師データと前記入力データとの時間的対応づけを行って前記投入ごみ質推定モデルを生成する、ごみ質の推定システム。 An input waste that generates an input waste quality estimation model that estimates waste quality by intelligent information processing technology using input data of input waste created from image data obtained by imaging the surface of the waste pit and waste quality teacher data A quality estimation model generation unit,
The input waste quality estimation model generation unit
Based on a preset amount of time lag from when dust is introduced into the inlet of the combustion apparatus until combustion is started , the garbage quality teacher data and the input data are correlated in time. generating the charged waste matter estimation model, or,
The waste quality teacher data and the input data are calculated by calculating the timing at which a specific input waste is supplied to the combustion furnace from the amount of waste input to the inlet and the amount of waste supplied to the combustion furnace. A waste quality estimation system for generating the input waste quality estimation model by performing temporal correspondence of
投入されるごみの入力データを前記投入ごみ質推定モデルに入力し、ごみ質を推定するごみ質推定部と、
前記投入ごみ質推定モデルから出力された推定ごみ質に応じて、クレーンを自動制御する自動運転制御部を有する、クレーン運転制御システム。 A model storage unit for storing an input waste quality estimation model generated by the waste quality estimation system according to claim 1 or 2;
A waste quality estimation unit that inputs waste input data to the input waste quality estimation model and estimates waste quality,
A crane operation control system having an automatic operation control unit that automatically controls a crane according to the estimated waste quality output from the input waste quality estimation model.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018049327A JP6554198B1 (en) | 2018-03-16 | 2018-03-16 | Waste quality estimation system and crane operation control system using the waste quality estimation system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018049327A JP6554198B1 (en) | 2018-03-16 | 2018-03-16 | Waste quality estimation system and crane operation control system using the waste quality estimation system |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019115490A Division JP6603822B2 (en) | 2019-06-21 | 2019-06-21 | Waste quality estimation system and crane operation control system using the waste quality estimation system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6554198B1 true JP6554198B1 (en) | 2019-07-31 |
JP2019160153A JP2019160153A (en) | 2019-09-19 |
Family
ID=67473331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018049327A Active JP6554198B1 (en) | 2018-03-16 | 2018-03-16 | Waste quality estimation system and crane operation control system using the waste quality estimation system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6554198B1 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6731680B2 (en) * | 2018-08-23 | 2020-07-29 | 荏原環境プラント株式会社 | Information processing apparatus, information processing program, and information processing method |
JP7071437B2 (en) * | 2020-05-20 | 2022-05-18 | 三菱重工業株式会社 | Combustion furnace state estimation device, program and method, and combustion furnace system |
JP6977119B1 (en) * | 2020-08-18 | 2021-12-08 | 株式会社タクマ | Estimate system and control system |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10132247A (en) * | 1996-10-31 | 1998-05-22 | Mitsubishi Heavy Ind Ltd | Control method for injecting industrial waste into incinerator |
JP3926173B2 (en) * | 2002-02-27 | 2007-06-06 | 株式会社タクマ | Waste supply heat quantity measuring device and waste supply control device |
JP6554148B2 (en) * | 2017-07-31 | 2019-07-31 | 荏原環境プラント株式会社 | Apparatus, system, program, method, and data structure for estimating waste quality |
-
2018
- 2018-03-16 JP JP2018049327A patent/JP6554198B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019160153A (en) | 2019-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6603822B2 (en) | Waste quality estimation system and crane operation control system using the waste quality estimation system | |
JP6554198B1 (en) | Waste quality estimation system and crane operation control system using the waste quality estimation system | |
JP6457137B1 (en) | Garbage mixing degree evaluation system | |
CN111065859B (en) | Apparatus, system, program and method for estimating composition of waste | |
US20120270162A1 (en) | Combustion control system | |
JP6188571B2 (en) | Waste stirring state detection device and waste stirring state detection method | |
CN103047165B (en) | Control method and control system for dust removal fan of smelting furnace | |
JP2007126246A (en) | Control device of automatic crane for garbage disposal plant | |
CN102322434B (en) | Control method and control system for energy saving of dust removing fan for mains frequency melting furnace | |
JP6764315B2 (en) | Operation control system of electric furnace and operation control method of electric furnace and electric furnace | |
CN112017145A (en) | Efficient molten iron pretreatment automatic slag skimming method and system | |
CN106521066A (en) | Blast furnace burden particle size monitoring system and distributed data on-line analysis method | |
JP2019011915A (en) | Refuse condition management method in refuse incineration plant | |
CN106670449A (en) | Molten iron slagging-off measurement and control method | |
JP2019207099A (en) | Device, system, program, and method for estimating qualities of wastes | |
CN112091206B (en) | Safe and reliable molten iron pretreatment automatic slag skimming method and system | |
JP6782203B2 (en) | Calorific value estimation method, calorific value estimation device, and waste storage facility | |
KR20220025428A (en) | Technology for real-time powder ratio measurement and moisture estimation of coke feeded from coke storage bin | |
GB2390675A (en) | Flame characteristic monitor using digitising image camera | |
KR101420663B1 (en) | Device for the automatic selection of scrap | |
JP6879899B2 (en) | Stirring state detection device, stirring control device, and stirring state detection method | |
JP2005090774A (en) | Device for estimating supply amount of garbage for garbage incinerator | |
KR100711364B1 (en) | An Exhaust Smoke Recognition and Auto-alarm Device and Method using Picture Image Analysis | |
US20230314077A1 (en) | Continuously Charged Electric Arc Furnace System | |
JP7077832B2 (en) | Whitening prediction method for sintered main exhaust gas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180511 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180511 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180522 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190328 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190605 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190705 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6554198 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R157 | Certificate of patent or utility model (correction) |
Free format text: JAPANESE INTERMEDIATE CODE: R157 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |