首页|基于图像深度学习的垃圾热值预测研究

基于图像深度学习的垃圾热值预测研究

Study on the calorific value prediction of municipal solid wastes by image deep learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
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.

谢昊源、黄群星、林晓青、李晓东、严建华

展开 >

浙江大学工程师学院,浙江大学热能工程研究所,浙江杭州310027

垃圾焚烧 热值 神经网络 图像深度学习 算法

国家重点研发计划项目

2020YFC1910100

2021

10.11949/0438-1157.20201481

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2021.72(5)
  • 7
  • 19