基于深度学习的火电厂入厂煤矸石检测方法研究

陈禹任

(中广核新能源福建分公司 福建 福州 350001)

一、研究背景

在我国，煤炭是重要的能源资源，它在我国的化石能源中占到71.5%左右，是推动我国经济高速发展的黑色黄金。中国以煤炭作为主要能源，这在世界上是少有的，我国煤炭的使用量巨大，已经超过了世界总产量的三分之一。近些年来随着国民经济的高速发展，其产量和消费量也呈现迅速增长的趋势。煤炭在开采的过程中会有其他附带产物，最为常见的是煤矸石，现有的选煤手段不足以把煤矸石从煤炭中彻底的分离出来，煤矸石含碳量较低，颜色较灰，硬度相对较大，对火电厂燃烧系统会造成损坏磨煤机、堵煤、炉膛熄火等严重安全隐患。尤其在电力用煤中，若煤矸石混于其中，不仅会给火电厂带来燃煤交易上的经济损失，而且会给制粉系统、锅炉燃烧系统的安全造成严重影响。因此火电厂在燃煤入厂时，对入厂煤进行采样检测是十分有必要的，也是生产型企业本质安全机制的重要保障环节。

二、国内外研究现状

煤矸石检测是火电厂实现燃煤入厂无人化的关键技术[1]，国内外许许多多的科研工作者对此做出了大量的理论研究，已经提出了一些合理的解决方案。孙颖等学者提出了一种利用凸包分析进行二次分割的图像分析方法[2],该方法使用多尺度Hessian矩阵滤波器快速、多尺度地提取颗粒边缘，并在分水岭单次分割的基础上，使用凸包分析进行二次分割以有效校正欠分割颗粒区域。国内外学者研究较多的煤矸石检测方法有射线法、电磁检测法、振动检测法、光学检测法、超声波检测法等技术和方法[3]。射线法分为人工γ射线法、自然γ射线法、X 射线法。人工γ射线法的工作原理为人工产生一束γ射线，当γ射线遇到煤和煤矸石时会发生反射，根据煤和煤矸石对γ射线反射能力的不同实现对煤炭和煤矸石的辨识。该方法优点有：抗干扰能力强；不足之处有：传播过程中损失大、探测器的探头与煤层的接触较为困难、测量精度低、γ放射源对工作人员身体健康存在危害。自然γ射线探测法的工作原理为根据煤和煤矸石中γ射线含量的不同实现煤和煤矸石的分离。该方法优点有：探测的范围大(500mm)、测量方式为非接触式测量、放射源便于管理；不足之处有：普适性较差、对含有煤矸石太多的煤的识别率不高。X 射线法的工作原理为根据 X 射线在煤和煤矸石中透射过程中衰减率的不同实现煤与煤矸石的检测。该方法的优点有：设备自动化程度高、选煤精度高；不足之处有：设备维护成本高、X射线在火电厂这类工况较差的环境中长期运行，容易造成防护设施失效，对工作人员身体健康危害大、设备普适性较差等。电磁探测法分为雷达探测法和电子自旋共振法。雷达探测法的基本原理为根据雷达发出的电磁波在煤和煤矸石上回波损失率的不同实现煤炭和岩石的识别、煤层厚度的测量。雷达探测法的优点有：普适性高、易于实现。不足之处有：探测范围较小，较难适应入厂煤传输效率、识别过程中干扰因素多、信号衰减快、准确性较低；电子自旋共振法的工作原理为在正对综采工作面上放置一个可以产生磁场强度为 H 的线圈，再从天线发射一束固定功率且频率可调的电磁波与磁场发生共振。电子自旋共振法的优点有：实现原理简单、测量过程为非接触测量。该方法存在的不足之处有：回波信号功率较小，信号提取困难。通过对上面的研究进行分析可以得出，煤矸石检测技术的研究已经成为世界各大产煤国火电厂研究的热点问题，但还没有一个应用范围广、识别精度高的方法应用于世界各大火电厂中。

本文的煤矸石检测主要基于图像识别。近年来随着数学理论的不断完善，国内外学者在数字图像处理方面提出了一系列新的煤矸石检测理论和方法。孙继平等人提出了以图像识别、射线探测、超声波探测、振动测试等多传感器信息融合的识别方法，该方法的提出有助于提高煤矸石检测的准确度和系统稳定性。程建等人提出了基于皮带运输机的监控视频,实现煤流中矸石的检测，由于皮带运输机视觉场景复杂、视频图像质量差，所以，采用改进的高斯混合模型提取视频背景，实现视频背景分离，从而实现煤矸石的检测和识别。为提高算法性能，采用粒子群优化算法对高斯混合模型参数进行优化与自整定。研究结果表明:所提算法对矸石的检测准确率达到95.83%，能够对皮带运输机上的煤矸石实现有效检测，为提高煤炭质量、保证皮带运输机安全运行提供有效保障。陈浜提出了基于双树复小波域统计建模的煤矸石检测方法。经过大量的实验结果表明，该方法的对煤和煤矸石有较强的检测能力。王娟等人提出了以煤和煤矸石图像纹理特征为基础，以小波变换为工具的基于图像法的检测方法，通过与传统煤与煤矸石检测方法的比较，得出传统识别方法存在的不足之处。并应用图像法对煤与煤矸石图像特征进行了研究，提取了煤和煤矸石的灰度和纹理两个特征作煤矸石检测的主要依据。章华等人研究了以煤矸石图像纹理为特征向量，以RBF神经网络为煤与煤矸石检测算法的识别理论，通过实验验证得出该方法的准确度高、操作简单、普适性好等一些优点。黄绍杰等人将数字视频系统应用到了煤与煤矸石检测中，通过对实时视频中煤与煤矸石图像特征的提取实现煤和煤矸石的准确定位，从而进一步提高检测的精度。杨坤等人研究了一种将二进制十字法用于对煤和煤矸石图像纹理矩阵特征衡量值的角二阶矩、能量、相关性、方差、逆差矩、均值、对比度等一些特征向量的提取，通过提取结果得出纹理矩阵特征能够作为煤与煤矸石检测的依据。田子健、李曼等人提出了一种基于机器视觉的煤与煤矸石检测系统，论述了系统的总体设计方案，对系统的可行性进行了验证，并取得了较好的煤与煤矸石识别效果。张万枝等人研究了煤和煤矸石的纹理特征，并对煤和煤矸石的纹理特征的衡量值熵值、能量、对比度、相关性进行提取，以熵值作为煤和煤矸石识别的特征向量对建立的基于神经网络的机器学习模型进行训练，最终得到了较好的煤矸石识别率。

三、研究的理论与实际意义

大量的火电厂制粉系统设备故障都直接或间接与入厂煤的品质相关，确保火电厂正确的对入厂煤品质进行分析，得到最接近真实情况的结果，可以大幅降低入厂煤的不合格率，有效提高火电厂的经济效益和安全保障，再加上不同煤种参配燃烧的实施，对煤质波动可以起到更好的控制作用，最大程度匹配机组的设计煤质。可大幅降低制粉系统中磨煤机磨辊的磨损、底渣系统中电机及传动链条的寿命，减少非计划停机次数(每次非计划停机，直接及间接经济损失均达数百万元)，延长机组检修周期，节省大量维保费用，应用前景广阔。