基于图像深度学习的垃圾热值预测研究

• 作者: 谢昊源 黄群星 林晓青 李晓东 严建华
• 来源期刊: 化工学报
• 关键词: 垃圾焚烧 热值 神经网络 图像深度学习 算法
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 能源和环境工程
• 页码范围: 2773-2782
• 页数: 9页
• 分类号: TK01+8,X705
• 语种: 中文
• DOI: 10.11949/0438-1157.20201481

摘要

垃圾焚烧发电厂入炉垃圾热值波动大，影响了锅炉运行的稳定性和发电效率，利用图像深度学习的方法实现入炉垃圾热值的实时预测，有助于电厂实现“超前调控”。本文探讨了国内外垃圾图像识别及热值预测的研究进展和不足，认为目前缺少符合我国垃圾组分结构的垃圾图像数据库和热值智能预测方法，提出了用Yolov5识别图像中垃圾种类来预测热值的方法，通过入炉垃圾图像的实时采集与分类标记建立图像数据库，并耦合mosaic数据增强等图像数据处理及神经网络训练，提出建立垃圾热值实时预测模型的设想。本文进一步展望了垃圾热值智能预测的发展前景，未来可以将深度学习与图像识别技术高效结合，实现入炉垃圾热值的实时与精准预测。