利用图像信息熵差检测炉渣碳质量分数

邢超 1; 张晓明 2; 赵亚琳 1; 王昭 1; 高建民 3

doi:10.7652/xjtuxb201808008

您当前的位置：

首页 >

文章列表页 >

利用图像信息熵差检测炉渣碳质量分数

更新时间：2025-07-09

- 利用图像信息熵差检测炉渣碳质量分数
- Detection of Carbon Content in Boiler Slag Based on Image Information Entropy Difference
- 西安交通大学学报 2018年52卷第8期页码：49-53+123
- 作者机构：
  
  西安交通大学机械工程学院,西安,710049
- 作者简介：
- 基金信息：
- DOI：10.7652/xjtuxb201808008
  中图分类号： TP391
- 网络首发：2018-08-10，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
邢超 1, 张晓明 2, 赵亚琳 1, 等. 利用图像信息熵差检测炉渣碳质量分数[J]. 西安交通大学学报, 2018,52(8):49-53+123.

Detection of Carbon Content in Boiler Slag Based on Image Information Entropy Difference[J]. 2018, 52(8): 49-53+123.
邢超 1, 张晓明 2, 赵亚琳 1, 等. 利用图像信息熵差检测炉渣碳质量分数[J]. 西安交通大学学报, 2018,52(8):49-53+123. DOI： 10.7652/xjtuxb201808008.

Detection of Carbon Content in Boiler Slag Based on Image Information Entropy Difference[J]. 2018, 52(8): 49-53+123. DOI： 10.7652/xjtuxb201808008.

摘要

为了快速准确地检测反映锅炉燃烧效率的重要指标炉渣碳质量分数

实时掌握锅炉燃烧工况

针对目前炉渣碳质量分数高精度检测法检测时间长而快速视觉检测法准确度低的问题

提出了一种基于机器视觉技术的锅炉炉渣碳质量分数检测方法。该方法通过采集炉渣图像

基于图像信息建立图像信息熵差与炉渣碳质量分数之间关系模型

再根据此关系模型

获得待测炉渣的碳质量分数。实验结果表明

与传统的灼烧失重法比较

检测时间少

所提方法的平均偏差小于2%

满足目前检测精度要求; 与目前存在的视觉检测方法相比

提出的方法检测结果不受拍摄光照环境的影响

精度显著提高。该研究为进一步实现炉渣碳质量分数的实时在线检测打下了基础。

Abstract

It is of great significance to detect slag carbon content rapidly and accurately for boiler combustion condition monitoring

boiler automated controlling

and reduction of energy consumption and emission. We present a new method for detecting carbon content of boiler slag based on machine vision technology

which is simple

fast and accurate. The slag images are acquired and then the carbon content of the slag is obtained according to the relationship model established here. Then the relation between slag image and slag carbon content is constructed via the information entropy difference of slag image and reference image. Experiment verifies that the average deviation of the proposed method is less than 2%

and the method spend shorter detection time than the traditional weight loss method

so the new method meets the detection requirements. Especially

the detection results are unaffected by the illumination environment

enabling real-time testing of the slag carbon content.

关键词

Keywords

references

林火灿. 烧煤也可以清洁高效 [EB/OL].(2015-12-02)[2017-11-10]. http: ∥finance.huanqiu.com/roll/2015-12/8086287.html.

李学洪, 卞清泉, 姬新峰, 等. 工业锅炉固体未完全燃烧热损失快速测试方法 [J]. 节能与环保, 2011(3): 60-61.

LI Xuehong, BIAN Qingquan, JI Xinfeng, et al. Rapid test for the heat loss of solid uncompleted combustion in industrial boiler [J]. Energy Conservation and Environment Protection, 2011(3): 60-61.

国家能源局. 火力发电厂燃料试验方法: 第6部分飞灰和炉渣可燃物测定方法: DL/T 567.6—2016 [S]. 北京: 中国电力出版社, 2017.

PAN Gang, DONG Meirong, YU Jianhua, et al. Accuracy improvement of quantitative analysis of unburned carbon content in fly ash using laser induced breakdown spectroscopy [J]. Spectrochimica Acta: Part B Atomic Spectroscopy, 2017, 131: 26-31.

亓洪兴, 舒嵘, 吕刚, 等. 基于激光诱导离解光谱的物质成分分析技术 [J]. 激光与红外, 2007(4): 314-317.

QI Hongxing, SHU Rong, LÜ Gang, et al. Elemental analysis technique based on laser induced breakdown spectroscopy [J]. Laser Infrared, 2007(4): 314-317.

王建华. 微波技术在煤渣含碳量检测中的应用 [J]. 节能, 2000(2): 39-40.

WANG Jinghua. The microwave technology in the detection of carbon content in coal slag [J]. Energy Conservation, 2000(2): 39-40.

付玉存. 飞灰含碳量微波检测技术研究 [D]. 北京: 华北电力大学, 2016: 16-22.

徐赛坤, 花义锋, 汪思源, 等. 基于SLR-ANFIS的灰渣含碳量软测量建模研究 [J]. 工业控制计算机, 2017, 30(12): 43-45.

XU Saikun, HUA Yifeng, WANG Siyuan, et al. Research on soft measure of carbon content in coal ash based on SLR-ANFIS [J]. Industrial Control Computer, 2017, 30(12): 43-45.

周昊, 林阿平, 周斌, 等. 基于图像处理的灰渣温度场及生长特性 [J]. 浙江大学学报(工学版), 2013, 47(4): 669-674.

ZHOU Hao, LIN Aping, ZHOU Bin, et al. Characteristic of ash deposit growth and temperature field by image processing [J]. Journal of Zhejiang University(Engineering Science), 2013, 47(4): 669-674.

付钦学, 郑新. 基于数字图像处理技术的锅炉排渣含碳量检测方法研究 [J]. 机电信息, 2013(36): 105-106.

FU Qinxue, ZHENG Xin. The determination of carbon content of boiler slag based on digital image processing technology [J]. Mechanical and Electrical Information, 2013(36): 105-106.

SHANNON C E. A mathematical theory of communication [J]. ACM SIGMOBILE Mobile Computing and Communications Review, 2001, 5(1): 3-55.

TSAI D Y, LEE Y, MATSUYAMA E. Information entropy measure for evaluation of image quality [J]. Journal of Digital Imaging, 2008, 21(3): 338-347.

LIU Lixiong, LIU Bao, HUAN Huag, et al. No-reference image quality assessment based on spatial and spectral entropies [J]. Signal Processing Image Communication, 2014, 29(8): 856-863.

JIANG H Q, ZHAO Y L, GAO J M, et al. Weld extraction of radiographic images based on Bezier curve fitting and medial axis transformation [J]. Insight, 2016, 58(10): 531-535.

国家能源局. 火力发电厂燃料试验方法: 第3部分. 飞灰和炉渣样品的采集和制备: DL/T 567.3—2016 [S]. 北京: 中国电力出版社, 2017.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

离子液体改性燃料的电流体动力学效应研究

三塔合一间接空冷系统结构参数对夏季运行特性的影响研究

采用机器学习的大规模并行程序I/O性能建模与预测方法

电子级超纯氮深冷空分流程节能优化研究

张角凹坑气膜孔对双层壁气膜冷却特性的影响