-
题名基于视频分帧和YOLO算法的煤泥水浊度识别研究
- 1
-
-
作者
王欣怡
王传真
蒋凤成
-
机构
安徽理工大学材料科学与工程学院
安徽省煤炭清洁加工与碳减排工程研究中心
-
出处
《选煤技术》
CAS
2024年第5期20-26,共7页
-
基金
中国博士后科学基金面上资助项目(2020M671837)
安徽省博士后资助项目(2021A479)
+1 种基金
安徽省煤炭清洁加工与碳减排工程研究中心开放课题(CCCE-2023001)
安徽省高校协同创新项目(GXXT-2023-104)。
-
文摘
煤泥水高效处理是煤炭洗选加工的关键环节,为解决现有煤泥水沉降处理过程中药剂添加不准确的问题,提出了一种利用视频分帧处理算法和YOLO算法实现煤泥水澄清层浊度识别的方法:采用分帧处理算法将采集到的浊度为100~1000 NTU的煤泥水样本视频分解成900张图片,结合labelimg数据标注工具,按照9∶1的比例将图片数据集随机划分为训练集和验证集;随后使用YOLOv5算法的开源YOLOv5m.pt预权重训练模型对训练集进行训练,通过设置交并比、置信度和训练轮数,以损失函数、精确度和召回率为评价指标,并根据检测结果的置信度大小来评估模型目标分类的性能。结果表明:所提出的识别算法在训练过程中损失率持续下降并稳定至0.001,不同浊度下的识别精确度从0.1左右持续升高并稳定在0.98,召回率从0.2左右持续升高并稳定在0.99,最优置信度可高达0.98。该方法对不同浊度范围煤泥水都具有良好的识别效果,具有一定的适应性和泛化能力;同时,相同浊度下的识别精确度相对稳定,具有较好的鲁棒性,这表明该方法具有较高的准确性和稳定性。研究成果可为煤泥水动态检测提供新思路,进而有助于促进煤泥水处理领域的智能化进展。
-
关键词
煤泥水
煤泥水浊度识别
视频分帧
YOLOv5
损失率
精确度
召回率
置信度
-
Keywords
coal slurry water
turbidity recognition
video framing
YOLOv5
loss ratio
accuracy
recall ratio
confidence level
-
分类号
TD948.9
[矿业工程—选矿]
-
-
题名滑动窗口与筒仓评分在动力煤配煤中的应用研究
- 2
-
-
作者
王传真
孟祥
周南新
汤本双
-
机构
安徽省煤炭清洁加工与碳减排工程研究中心
安徽理工大学材料科学与工程学院
淮南矿业(集团)有限责任公司顾桥煤矿
-
出处
《选煤技术》
CAS
2024年第5期11-19,共9页
-
基金
安徽省煤炭清洁加工与碳减排工程研究中心开放基金项目(CCCE-023001)
安徽省高校协同创新项目(GXXT-2023-104)
安徽省博士后资助项目(2021A479)。
-
文摘
配煤是选煤厂商品煤销售的重要环节,但目前普遍存在配煤质量波动大、人工依赖程度高等问题。为了解决动力煤配煤的问题,以顾桥煤矿商品煤配煤过程为研究对象,首先采集商品煤质量数据并建立灰-水-发热量动态数据库,结合滑动窗口方法进行数据划分,并建立了发热量多元线性拟合最优模型;然后基于产品仓料位高度、进仓快灰标准差和发热量,构建了筒仓评分机制并进行等级划分,结合专家经验,制定了筒仓出煤规则库,确定参与配煤的筒仓编号;最后依据质量守恒和能量守恒,求解不同产品仓配煤量。顾桥煤矿商品煤配煤实践表明:发热量多元线性拟合模型准确率最高达到了89.53%;根据评分机制计算出评分函数的各项系数,并结合仓内商品煤的发热量、实际仓存确定了最佳配仓仓号及相应出煤量;系统决策与现场专家决策吻合度超80%,证明了配煤决策的有效性。
-
关键词
配煤
动力煤
滑动窗口
发热量多元线性拟合模型
筒仓评分机制
产品仓配煤量
-
Keywords
coal blending
power coal
sliding window
multivariate linear fitting model of calorific value
silo rating mechanism
quantity of coal blend discharged from each silo
-
分类号
TD941.6
[矿业工程—选矿]
-
