论文部分内容阅读
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