CN114663379B - 一种用于确定脱硝催化剂的再生能力的方法和系统 - Google Patents
一种用于确定脱硝催化剂的再生能力的方法和系统 Download PDFInfo
- Publication number
- CN114663379B CN114663379B CN202210264240.7A CN202210264240A CN114663379B CN 114663379 B CN114663379 B CN 114663379B CN 202210264240 A CN202210264240 A CN 202210264240A CN 114663379 B CN114663379 B CN 114663379B
- Authority
- CN
- China
- Prior art keywords
- denitration catalyst
- contour
- determining
- profile
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003054 catalyst Substances 0.000 title claims abstract description 190
- 230000008929 regeneration Effects 0.000 title claims abstract description 69
- 238000011069 regeneration method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005299 abrasion Methods 0.000 claims abstract description 28
- 238000000691 measurement method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 47
- 238000012549 training Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000002920 hazardous waste Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Geometry (AREA)
- Catalysts (AREA)
- Exhaust Gas Treatment By Means Of Catalyst (AREA)
Abstract
本说明书实施例提供一种用于确定脱硝催化剂的再生能力的方法和系统,该方法包括基于图像采集装置,获取脱硝催化剂的第一图像;基于第一图像,确定脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓;基于第一轮廓和第二轮廓,确定脱硝催化剂的第一磨损信息;以及基于第一磨损信息,确定脱硝催化剂的再生能力。
Description
技术领域
本说明书涉及环保技术领域,特别涉及一种用于确定脱硝催化剂的再生能力的方法和系统。
背景技术
现行国家燃煤发电系统拥有约3.4亿千瓦火电装机容量,脱硝催化剂服役总量约34万立方米,年脱硝催化剂更换量可达10到12万立方米,更新下来的失活脱硝催化剂需要进行专业化的合规处理。根据相关产业政策,失活脱硝催化剂可以按危险废弃物处置,也可以再生后重复利用,还可以回收作为原材料。相比按危险废弃物处置的技术路线,失活脱硝催化剂的再生和回收技术能够有效减少危险废弃物的处置量,并且实现资源化重复利用,降低火电厂脱硝系统的运行成本,符合循环经济的理念。从环保治理行业的大环境、大趋势看,失活脱硝催化剂的规范化、专业化再生及回收迫在眉睫。
因此,希望提供一种用于确定脱硝催化剂的再生能力的方法,更有助于筛选出能够再生的脱硝催化剂。
发明内容
本说明书实施例之一提供一种用于确定脱硝催化剂的再生能力的方法,所述方法包括:基于图像采集装置,获取脱硝催化剂的第一图像;基于所述第一图像,确定所述脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓;基于所述第一轮廓和所述第二轮廓,确定所述脱硝催化剂的第一磨损信息;以及基于所述第一磨损信息,确定所述脱硝催化剂的再生能力。
本说明书实施例之一提供一种用于确定脱硝催化剂的再生能力的系统,所述系统包括:获取模块,用于基于图像采集装置,获取脱硝催化剂的第一图像;轮廓确定模块,用于基于所述第一图像,确定所述脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓;第一磨损信息确定模块,用于基于所述第一轮廓和所述第二轮廓,确定所述脱硝催化剂的第一磨损信息;以及第一确定模块,用于基于所述第一磨损信息,确定所述脱硝催化剂的再生能力。
本说明书实施例之一提供一种用于确定脱硝催化剂的再生能力的装置,所述装置包括:存储器,用于存储程序代码;以及处理器,用于执行所述程序代码以实现如上述实施例中任一项所述用于确定脱硝催化剂的再生能力的方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被计算机执行时,实现如上述实施例中任一项所述用于确定脱硝催化剂的再生能力的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的用于确定脱硝催化剂的再生能力的系统的应用场景示意图;
图2是根据本说明书一些实施例所示的处理设备的示例性模块图;
图3是根据本说明书一些实施例所示的用于确定脱硝催化剂的再生能力的方法的示例性流程图;
图4是根据本说明书另一些实施例所示的又一用于确定脱硝催化剂的再生能力的方法的示例性流程图;
图5是根据本说明书一些实施例所示的确定第一轮廓和第二轮廓的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的用于确定脱硝催化剂的再生能力的系统的应用场景示意图。
如图1所示,用于确定脱硝催化剂的再生能力的系统100(以下简称为系统100)的应用场景可以包括处理设备110、存储设备120、图像采集装置130、网络140、用户终端150和脱硝催化剂160。
处理设备110可以用于处理与系统100有关的信息和/或数据,例如,脱硝催化剂的图像、脱硝催化剂的轮廓等。处理设备110可以处理从其他设备或系统组成部分中获得的数据、信息和/或处理结果,并基于这些数据、信息和/或处理结果执行程序指令,以执行本说明书中描述的一个或以上功能。例如,处理设备可以基于图像采集装置,获取脱硝催化剂的图像。
存储设备120可以用于存储数据和/或指令。在一些实施例中,存储设备120可以储存处理设备110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备120可以连接到网络140以与系统100的一个或以上组件(例如,处理设备110、图像采集装置130、用户终端150)通信。
图像采集装置130可以用于获取脱硝催化剂160的图像。图像采集装置可以为任意能够获取图像的设备。在一些实施例中,图像采集装置130可以包括枪型摄像头130-1、球型摄像头130-2等或其他可进行拍摄的装置中的任意一种或组合。在一些实施例中,图像采集装置还可以包括带有相机的用户终端160。由图像采集装置获取的图像可以是单个图像或视频的帧。在一些实施例中,图像采集装置可以包括至少两个组件,每个组件可以获取图像。例如,图像采集装置可以包括至少两个可以同时拍摄图像或视频的枪型摄像头。
网络140可以连接系统100的各组成部分和/或连接系统100与外部资源部分。网络使得各组成部分之间,以及与系统100之外其他部分之间可以进行通讯,促进数据和/或信息的交换。网络可以是局域网、广域网、互联网等,可以是多种网络结构的组合。
用户终端150可以包括用户所使用的一个或多个终端设备或软件。在一些实施例中,用户终端150可以包括移动电话150-1、平板电脑150-2、膝上型计算机150-3等。在一些实施例中,用户可以通过用户终端查看信息和/或输入数据和/或指令。例如,用户可以通过用户终端查看脱硝催化剂的再生能力。在一些实施例中,用户终端可以通过网络,例如无线网络或有线网络(例如,同轴电缆网络)连接到系统100的一个或以上组件(例如,处理设备110、存储设备120、图像采集装置130等)。
脱硝催化剂160可以为对烟气进行脱硝处理中需要用到的催化剂。脱硝催化剂的类型可以为板式、蜂窝式和波纹板式。脱硝催化剂可以具有已知的尺寸信息。例如,长度、面积、体积等。
应当注意应用场景仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。又例如,应用场景可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的处理设备110的模块图。
如图2所示,处理设备110可以包括获取模块210、轮廓确定模块220、第一磨损信息确定模块230、第一确定模块240、第二磨损信息确定模块250和第二确定模块260。
获取模块210可以用于基于图像采集装置,获取脱硝催化剂的第一图像。关于图像采集装置、脱硝催化剂以及第一图像的更多内容参见图3及其相关描述,此处不再赘述。
轮廓确定模块220可以用于基于所述第一图像,确定所述脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓。关于第一轮廓和第二轮廓的更多内容参见图3及其相关描述,此处不再赘述。在一些实施例中,轮廓确定模块可以用于基于所述第一图像,通过轮廓确定模型确定所述脱硝催化剂的所述第一轮廓和所述第二轮廓。关于轮廓确定模型的更多内容参见图3及其相关描述,此处不再赘述。
第一磨损信息确定模块230可以用于基于所述第一轮廓和所述第二轮廓,确定所述脱硝催化剂的第一磨损信息。关于第一磨损信息的更多内容参见图3及其相关描述,此处不再赘述。
在一些实施例中,第一磨损信息确定模块可以用于基于所述第一轮廓和所述第二轮廓之间的比值,确定所述脱硝催化剂的所述第一磨损信息。关于比值的更多内容参见图3及其相关描述,此处不再赘述。
第一确定模块240可以用于基于所述第一磨损信息,确定所述脱硝催化剂的再生能力。关于再生能力的更多内容参见图3及其相关描述,此处不再赘述。
第二磨损信息确定模块250可以用于基于所述第一图像,确定所述脱硝催化剂的第二磨损信息。关于第二磨损信息的更多内容参见图4及其相关描述,此处不再赘述。
第二确定模块260可以用于基于所述第二磨损信息,确定所述脱硝催化剂的再生能力。
应当理解,图2所示的各个模块可以利用各种方式来实现。例如,在一些实施例中,各个模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,第一磨损信息确定模块230和第一确定模块240可以整合在一个模块中。又例如,各个模块可以共用一个存储设备,各个模块也可以分别具有各自的存储设备。诸如此类的变形,均在本申请的保护范围之内。
图3是根据本说明书一些实施例所示的用于确定脱硝催化剂的再生能力的方法的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由处理设备110执行。
步骤310,基于图像采集装置,获取脱硝催化剂的第一图像。在一些实施例中,步骤310可以由获取模块210执行。
图像采集装置可以指用于拍摄图像和/或视频的装置。例如,图像采集装置可以包括摄像头、具有拍摄功能的手机、相机等中的任意一种或组合。在一些实施例中,图像采集装置可以是移动的,也可以是静止的。在一些实施例中,图像采集装置可以设置一个或多个。
第一图像可以指包含有脱硝催化剂的图像。关于脱硝催化剂的更多内容可以参见图1及其说明。
在一些实施例中,处理设备可以基于位于同一位置和/或不同位置的图像采集装置,获取脱硝催化剂的第一图像。在一些实施例中,图像采集装置可以是一个或多个。在一些实施例中,处理设备可以基于用户终端,获取脱硝催化剂的第一图像。例如,处理设备可以基于用户通过用户终端拍摄的图像,获取脱硝催化剂的第一图像。
在一些实施例中,第一图像可以为通过图像采集装置获取的脱硝催化剂的二维图像。在一些实施例中,基于图像采集装置获取的脱硝催化剂的图像,可以对脱硝催化剂进行建模,获取脱硝催化剂的三维图像,并将该三维图像作为脱硝催化剂的第一图像。
在一些实施例中,处理设备可以通过多种方式从多张拍摄的图像中确定一张为第一图像。例如,处理设备将拍摄最清晰的图像确定为第一图像。又例如,处理设备将占用存储空间最大的图像确定为第一图像。
在一些实施例中,处理设备可以将位于同一平面不同位置的至少两个图像采集装置拍摄的图像,确定为多张第一图像。例如,处理设备从位于同一平面不同位置的两个图像采集装置拍摄的图像中分别选取一张,确定为两张第一图像。
步骤320,基于第一图像,确定脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓。在一些实施例中,步骤320可以由轮廓确定模块220执行。
第一轮廓可以指脱硝催化剂整体外观的轮廓。在一些实施例中,第一轮廓可以包括脱硝催化剂的形状、大小、面积、体积等。可以理解的是,由于使用时间的增加,脱硝催化剂的第一轮廓会发生变化,即脱硝催化剂的形状、大小、面积等与脱硝催化剂在未使用之前存在差异。在一些表达方式中,该变化可以称为磨损。
第二轮廓可以指脱硝催化剂的磨损区域的轮廓。在一些实施例中,第二轮廓可以包括脱硝催化剂中磨损区域的形状、大小、面积、体积等。可以理解的是,第一轮廓可以指脱硝催化剂整体外观的轮廓,第二轮廓可以指脱硝催化剂的磨损区域的轮廓,所以第二轮廓在大小、面积、体积等方面应小于第一轮廓,第二轮廓在形状方面相较于第一轮廓会发生变化。
在一些实施例中,处理设备可以基于图像识别算法,确定第一轮廓和第二轮廓。例如,处理设备可以基于图像识别算法,对第一图像进行预处理、分割、特征提取、匹配等,确定第一轮廓和第二轮廓。
在一些实施例中,处理设备可以基于轮廓确定模型对第一图像进行处理,确定第一轮廓和第二轮廓。关于上述实施例的更多内容参见图5及其相关描述,此处不再赘述。
在一些实施例中,还可以通过其他方式确定第一轮廓和第二轮廓。例如,通过人工标注确定。
步骤330,基于第一轮廓和第二轮廓,确定脱硝催化剂的第一磨损信息。在一些实施例中,步骤330可以由第一磨损信息确定模块230执行。
第一磨损信息可以指基于第一轮廓和第二轮廓确定的脱硝催化剂的磨损信息。
在一些实施例中,第一磨损信息可以是整体外观与磨损区域的比值。处理设备可以基于第一轮廓和第二轮廓之间的比值,确定脱硝催化剂的第一磨损信息。在一些实施例中,可以基于第一轮廓与第二轮廓的周长、面积、最大直径等中的任意一种或多种的比值,确定脱硝催化剂的第一磨损信息。例如,第一磨损比值可以为第一轮廓和第二轮廓周长比值,处理设备可以基于第一轮廓和第二轮廓之间的周长比值,确定第一磨损信息为2:1。又例如,第一磨损信息可以为第一轮廓和第二轮廓面积比值,处理设备可以基于第一轮廓和第二轮廓之间的面积比值,确定第一磨损信息为4:1。
在一些实施例中,第一磨损信息还可以为其他内容。例如,第一轮廓和第二轮廓的边缘重叠程度。
步骤340,基于第一磨损信息,确定脱硝催化剂的再生能力。在一些实施例中,步骤340可以由第一确定模块240执行。
再生能力可以指脱硝催化剂可以再次被使用的能力。当脱硝催化剂存在再生能力时,表示对该脱硝催化剂进行翻新,翻新后的脱硝催化剂可以再次投入使用;当脱硝催化剂不存在再生能力时,表示该脱硝催化剂需要被废弃,不可以翻新后再投入使用。
在一些实施例中,处理设备可以判断第一磨损信息是否大于第一预设阈值,从而确定脱硝催化剂的再生能力。其中,第一预设阈值可以基于人工根据经验进行确定。例如,处理设备可以基于第一磨损信息是否符合中华人民共和国国家标准(简称国标),确定脱硝催化剂的再生能力。例如,对于平板式的脱硝催化剂,处理设备可以基于第一磨损信息是否符合《烟气脱硝脱硝催化剂再生技术规范》(GB/T 35209-2017)中对于平板式的脱硝催化剂规定的“迎风端膏料磨损长度不大于50mm;单板磨损面积小于整个单板面积的10%”,当第一磨损信息为磨损的比值时,处理设备可以确定第一预设阈值为10:1。在一些实施例中,当第一磨损信息大于第一预设阈值,处理设备可以确定脱硝催化剂具有再生能力。例如,当第一预设阈值为10:1时,若第一磨损信息为11:1,则处理设备可以确定该脱硝催化剂具有再生能力,可以翻新再次使用。在一些实施例中,当第一磨损信息小于或等于第一预设阈值时,处理设备可以确定脱硝催化剂不具有再生能力。例如,当第一预设阈值为10:1时,若第一磨损信息为5:1,则处理设备可以确定该脱硝催化剂不具有再生能力,不可翻新后再次使用。
在一些实施例中,还可以通过其他方式确定脱硝催化剂的再生能力。在一些实施例中,处理设备可以基于第一图像,通过第一复原模型,对脱硝催化剂进行复原,得到该脱硝催化剂的第三轮廓。其中,第三轮廓可以指脱硝催化剂在未发生磨损之前的原始整体外观轮廓。第一复原模型可以是训练后的机器学习模型。在一些实施例中,第一复原模型可以为生成对抗网络模型。在一些实施例中,第一复原模型可以包括其他模型,例如,深度神经网络模型、循环神经网络模型、卷积神经网络或其他自定义的模型结构等中的任意一种或组合。
在一些实施例中,训练该第一复原模型时,可以使用多个带有标签的训练样本,通过多种方法(例如,梯度下降法)进行训练,从而可以学习到模型的参数,当训练的模型满足预设条件时,训练结束,获取训练好的第一复原模型。训练样本可以为从脱硝催化剂的历史图像数据中获取的历史第一图像,训练样本的标签可以是历史图像数据中脱硝催化剂对应的历史第三轮廓,训练样本的标签可以通过人工标注进行获取。在一些实施例中,第一复原模型可以在另外的设备或模块中被训练。
在一些实施例中,处理设备可以基于第一轮廓、第二轮廓和第三轮廓,确定第三磨损信息。第三磨损信息可以指基于第一轮廓、第二轮廓和第三轮廓确定的脱硝催化剂的磨损信息。在一些实施例中,第三磨损信息可以为原始整体外观、整体外观与磨损区域之间的比值。在一些实施例中,处理设备可以基于第三轮廓、第一轮廓和第二轮廓的周长、面积和最大直径中的任意一种或多种之间的比值,确定第三磨损信息。例如,第三磨损信息可以为第三轮廓、第一轮廓和第二轮廓的周长比值,处理设备可以基于第三轮廓、第一轮廓和第二轮廓之间的周长比值,确定第二磨损信息为3:2:1。在一些实施例中,处理设备可以基于第三磨损信息,确定脱硝催化剂的再生能力。基于第三磨损信息,确定脱硝催化剂的再生能力的内容与基于第一磨损信息,确定脱硝催化剂的再生能力的内容类似,此处不再赘述。
本说明书的一些实施例可以通过第一图像确定脱硝催化剂的再生能力,减少人工参与,易于操作,降低成本,提高确定脱硝催化剂的再生能力的效率,同时提高确定脱硝催化剂的再生能力的准确率,在保证脱硝催化剂的催化作用的同时,避免资源浪费。
图4是根据本说明书另一些实施例所示的又一用于确定脱硝催化剂的再生能力的方法的示例性流程图。在一些实施例中,流程400可以由处理设备110执行。如图4所示,流程400包括下述步骤:
步骤410,基于第一图像,确定脱硝催化剂的第二磨损信息。在一些实施例中,步骤410可以由第二磨损信息确定模块250执行。
第二磨损信息指脱硝催化剂由于磨损而发生的改变的具体的数值信息。在一些实施例中,第二磨损信息包括脱硝催化剂中磨损区域的长度和/或面积。例如,磨损区域的面积为16平方毫米。
在一些实施例中,处理设备可以基于第一图像,通过双目测量方法,确定脱硝催化剂的第二磨损信息。可以理解的是,由于双目测量方法需要用到两张不同位置的图像,因此,可以基于位于同一平面不同位置的两个图像采集装置拍摄的图像中分别选取的一张图像(即,两张第一图像)。例如,处理设备可以将获得的两张第一图像分别作为左视图和右视图,然后选定脱硝催化剂的一条长边,将长边的左顶点经过两个图像采集装置投影在左视图和右视图上分别形成两个纵坐标相同的点,然后基于两张图像的中心点坐标、两个图像采集装置的焦距以及两个图像采集装置的距离,利用极线几何原理,即可得到点P的坐标,再利用上述方法可以获取选定的长边的右顶点的坐标,利用两点间的距离公式即可获得PQ的长度(即,脱硝催化剂的长边,或称为磨损区域的长度),同理,可获得脱硝催化剂的磨损区域的面积。
步骤420,基于第二磨损信息,确定脱硝催化剂的再生能力。在一些实施例中,步骤420可以由第二确定模块260执行。
在一些实施例中,处理设备可以判断第二磨损信息是否大于第二预设阈值,从而确定脱硝催化剂的再生能力。在一些实施例中,第二预设阈值可以根据经验提前预设。例如,当第二磨损信息为磨损长度时,可以确定第二预设阈值为10毫米。第二预设阈值内容与第一预设阈值相似,因此,关于第二预设阈值的更多内容参见图3及其相关描述,此处不再赘述。
在一些实施例中,当第二磨损信息大于第二预设阈值时,可以确定脱硝催化剂具有再生能力。例如,当第二预设阈值为10毫米时,若第二磨损信息为11毫米,则处理设备可以确定该脱硝催化剂不具有再生能力,不可翻新后再次使用。在一些实施例中,当第二磨损信息小于或等于第二预设阈值时,可以确定脱硝催化剂具有再生能力。例如,当预设阈值为10毫米时,若第二磨损信息为9毫米,则处理设备可以确定该脱硝催化剂具有再生能力,可以翻新再次使用。
在一些实施例中,还可以通过其他方式确定脱硝催化剂的再生能力。在一些实施例中,当脱硝催化剂的整体外观的物理尺寸和第二磨损信息之间的差值小于或等于第三预设阈值,处理设备可以确定脱硝催化剂不具有再生能力。其中,脱硝催化剂的整体外观的物理尺寸也可以基于第一图像通过双目测量方法确定,第三预设阈值可以提前预设。例如,当脱硝催化剂的整体外观的物理尺寸为面积300平方毫米时,可以预设第三预设阈值为50平方毫米。若第二磨损信息中脱硝催化剂的磨损区域的面积为252平方毫米,则处理设备可以确定脱硝催化剂的整体外观的物理尺寸和第二磨损信息之间的差值为48平方毫米,小于第三预设阈值,从而可以确定该脱硝催化剂不具有再生能力。
在一些实施例中,当脱硝催化剂的整体外观的物理尺寸和第二磨损信息之间的差值大于第三预设阈值,确定脱硝催化剂具有再生能力。例如,当脱硝催化剂的整体外观的物理尺寸为面积300平方毫米时,可以预设第三预设阈值为50平方毫米。若第二磨损信息中脱硝催化剂的磨损区域的面积为200平方毫米,则处理设备可以确定脱硝催化剂的整体外观的物理尺寸和第二磨损信息之间的差值为100平方毫米,大于第三预设阈值,从而可以确定该脱硝催化剂具有再生能力。
本说明书的一些实施例中引入脱硝催化剂的实际物理尺寸以做判断,避免磨损区域实际物理尺寸过大时,难以进行翻新的问题。同时,本说明书一些实施例还可以通过位于同一平面不同位置的至少两个图像采集装置,避免因脱硝催化剂的位置或图像采集装置的位置发生变化而导致的精度降低的问题,提高检测的准确度。
图5是根据本说明书一些实施例所示的确定第一轮廓和第二轮廓的示意图。
如图5所示,图像采集装置520可以对脱硝催化剂510进行拍摄,获取第一图像530。可以将第一图像530输入轮廓确定模型540,轮廓确定模型540的输出为第一轮廓550和第二轮廓560。关于脱硝催化剂、第一图像、第一轮廓、第二轮廓的更多内容参见图3及其相关描述,此处不再赘述。
在一些实施例中,轮廓确定模型可以是训练后的机器学习模型。轮廓确定模型可以包括各种模型和结构,例如,深度神经网络模型、循环神经网络模型、卷积神经网络或其他自定义的模型结构等中的任意一种或组合。
在一些实施例中,可以使用多个带有标签的训练样本,通过如梯度下降等方法对轮廓确定模型进行训练,从而可以学习到模型的参数,当训练的模型满足预设条件时,训练结束,得到训练好的轮廓确定模型。其中,训练样本可以为脱硝催化剂的历史图像数据,训练样本的标签可以是历史图像数据中脱硝催化剂对应的历史第一轮廓和历史第二轮廓,训练样本的标签可以通过人工标注进行获取。在一些实施例中,轮廓确定模型可以在另外的设备或模块中被训练。
通过上述一些实施例中的方法,使用图像采集装置,确定脱硝催化剂的再生能力,可以减少人工参与,易于操作,降低成本,提高确定脱硝催化剂的再生能力的效率,同时提高确定脱硝催化剂的再生能力的准确率。
本说明书实施例还提供了一种用于确定脱硝催化剂的再生能力的装置,包括存储器,用于存储程序代码;处理器,用于执行所述程序代码以实现如前所述实施例中任一项所述的用于确定脱硝催化剂的再生能力的方法。
本说明书实施例还提供了一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如如前所述实施例中任一项所述的用于确定脱硝催化剂的再生能力的方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种用于确定脱硝催化剂的再生能力的方法,其特征在于,所述方法包括:
基于图像采集装置,获取脱硝催化剂的第一图像;
基于所述第一图像,确定所述脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓,所述第一轮廓指所述脱硝催化剂整体外观的轮廓,所述第二轮廓指所述脱硝催化剂的所述磨损区域的轮廓;
基于所述第一轮廓和所述第二轮廓,确定所述脱硝催化剂的第一磨损信息;以及
基于所述第一磨损信息,确定所述脱硝催化剂的再生能力;
所述方法还包括:
基于所述第一图像,通过第一复原模型,对所述脱硝催化剂进行复原,得到所述脱硝催化剂的第三轮廓,其中,所述第三轮廓为所述脱硝催化剂在未发生磨损之前的原始整体外观轮廓,所述第一复原模型为生成对抗网络模型;
基于所述第一轮廓、所述第二轮廓和所述第三轮廓,确定第三磨损信息,其中,所述第三磨损信息为所述脱硝催化剂的原始整体外观、整体外观与磨损区域之间的比值;
基于所述第三磨损信息,确定所述脱硝催化剂的再生能力;
所述基于图像采集装置,获取脱硝催化剂的第一图像包括:
基于位于同一平面不同位置的两个图像采集装置,获取所述脱硝催化剂的两张所述第一图像;
所述方法还包括:
基于两张所述第一图像,通过双目测量方法,确定所述脱硝催化剂的第二磨损信息,其中,所述第二磨损信息指所述脱硝催化剂由于磨损而发生改变的具体数值信息;
基于所述第二磨损信息,确定所述脱硝催化剂的再生能力。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一图像,确定所述脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓包括:
基于所述第一图像,通过轮廓确定模型确定所述脱硝催化剂的所述第一轮廓和所述第二轮廓。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一轮廓和所述第二轮廓,确定所述脱硝催化剂的第一磨损信息包括:
基于所述第一轮廓和所述第二轮廓之间的比值,确定所述脱硝催化剂的所述第一磨损信息。
4.一种用于确定脱硝催化剂的再生能力的系统,其特征在于,所述系统包括:
获取模块,用于基于图像采集装置,获取脱硝催化剂的第一图像;
轮廓确定模块,用于基于所述第一图像,确定所述脱硝催化剂整体外观的第一轮廓和磨损区域的第二轮廓,所述第一轮廓指所述脱硝催化剂整体外观的轮廓,所述第二轮廓指所述脱硝催化剂的所述磨损区域的轮廓;
第一磨损信息确定模块,用于基于所述第一轮廓和所述第二轮廓,确定所述脱硝催化剂的第一磨损信息;以及
第一确定模块,用于基于所述第一磨损信息,确定所述脱硝催化剂的再生能力;
所述第一确定模块还用于:
基于所述第一图像,通过第一复原模型,对所述脱硝催化剂进行复原,得到所述脱硝催化剂的第三轮廓,其中,所述第三轮廓为所述脱硝催化剂在未发生磨损之前的原始整体外观轮廓,所述第一复原模型为生成对抗网络模型;
基于所述第一轮廓、所述第二轮廓和所述第三轮廓,确定第三磨损信息,其中,所述第三磨损信息为所述脱硝催化剂的原始整体外观、整体外观与磨损区域之间的比值;
基于所述第三磨损信息,确定所述脱硝催化剂的再生能力;
所述获取模块进一步用于:
基于位于同一平面不同位置的两个图像采集装置,获取所述脱硝催化剂的两张所述第一图像;
所述系统还包括:
第二磨损信息确定模块,用于基于两张所述第一图像,通过双目测量方法,确定所述脱硝催化剂的第二磨损信息,其中,所述第二磨损信息指所述脱硝催化剂由于磨损而发生改变的具体数值信息;
第二确定模块,用于基于所述第二磨损信息,确定所述脱硝催化剂的再生能力。
5.根据权利要求4所述的系统,其特征在于,所述轮廓确定模块进一步用于:
基于所述第一图像,通过轮廓确定模型确定所述脱硝催化剂的所述第一轮廓和所述第二轮廓。
6.根据权利要求4所述的系统,其特征在于,所述第一磨损信息确定模块进一步用于:
基于所述第一轮廓和所述第二轮廓之间的比值,确定所述脱硝催化剂的所述第一磨损信息。
7.一种用于确定脱硝催化剂的再生能力的装置,其特征在于,所述装置包括:
存储器,用于存储程序代码;以及
处理器,用于执行所述程序代码以实现如权利要求1至3中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1至3中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264240.7A CN114663379B (zh) | 2022-03-17 | 2022-03-17 | 一种用于确定脱硝催化剂的再生能力的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264240.7A CN114663379B (zh) | 2022-03-17 | 2022-03-17 | 一种用于确定脱硝催化剂的再生能力的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663379A CN114663379A (zh) | 2022-06-24 |
CN114663379B true CN114663379B (zh) | 2023-03-28 |
Family
ID=82028646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210264240.7A Active CN114663379B (zh) | 2022-03-17 | 2022-03-17 | 一种用于确定脱硝催化剂的再生能力的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663379B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780182A (zh) * | 2021-09-13 | 2021-12-10 | 阜阳职业技术学院 | 一种检测食品新鲜度的方法和系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EA200800511A1 (ru) * | 2005-08-03 | 2008-10-30 | СиСиЭмАй КОРПОРЭЙШН | Усиление поверхностно-активных твердофазных гетерогенных катализаторов |
CN104483320B (zh) * | 2014-10-27 | 2017-05-24 | 中国计量学院 | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 |
CN105893768B (zh) * | 2016-04-07 | 2018-10-09 | 上海电气电站环保工程有限公司 | 对燃煤锅炉脱硝装置中的催化剂活性估计的方法 |
CN212808089U (zh) * | 2020-08-11 | 2021-03-26 | 安徽盛品环保科技有限公司 | 一种工业脱硝催化剂缺陷检测结构 |
CN112598720B (zh) * | 2020-12-25 | 2024-06-21 | 中标慧安信息技术股份有限公司 | 基于双目拍摄的输送带磨损状态检测方法和系统 |
CN113340902A (zh) * | 2021-05-19 | 2021-09-03 | 沈阳风驰软件股份有限公司 | 催化剂载体的表面缺陷检测方法、检测设备及电子设备 |
CN113269766A (zh) * | 2021-06-07 | 2021-08-17 | 中铁工程装备集团有限公司 | 滚刀磨损检测方法、装置、设备及可读存储介质 |
CN113506251A (zh) * | 2021-06-28 | 2021-10-15 | 苏州西热节能环保技术有限公司 | 磨损份额的计算方法及其应用、系统、存储介质、终端 |
-
2022
- 2022-03-17 CN CN202210264240.7A patent/CN114663379B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780182A (zh) * | 2021-09-13 | 2021-12-10 | 阜阳职业技术学院 | 一种检测食品新鲜度的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114663379A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102320371B1 (ko) | 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체 | |
CN105488806A (zh) | 一种工件位置追踪定位方法及定位系统 | |
CN110751040B (zh) | 一种三维物体的检测方法和装置、电子设备、存储介质 | |
CN115170580A (zh) | 板材加工控制方法、装置、计算机设备及存储介质 | |
CN113505745B (zh) | 一种文字识别方法、装置、电子设备及存储介质 | |
CN108802042B (zh) | 一种陶瓷催化剂载体缺陷检测方法、装置及电子设备 | |
CN114663379B (zh) | 一种用于确定脱硝催化剂的再生能力的方法和系统 | |
CN119274003B (zh) | 回转窑的工况识别方法、装置、设备及介质 | |
CN110705633B (zh) | 目标物检测、目标物检测模型的建立方法及装置 | |
CN111967473B (zh) | 基于图像分割和模板匹配的粮库仓储情况监测方法、设备和介质 | |
CN114782405A (zh) | 基于图像识别及机器视觉的桥梁裂纹检测方法及装置 | |
CN112734689A (zh) | 垫片质量检测方法、系统、装置和存储介质 | |
EP3072084A1 (en) | System and method for constructing a statistical shape model | |
CN112819779A (zh) | 用于螺栓松动识别的方法、装置及设备 | |
CN115578672A (zh) | 检测液体外溢情况的方法以及装置、监控系统 | |
KR20210115121A (ko) | 딥러닝기반 재난 안전 건축물 사용자 맞춤형 3차원 모델링 데이터셋 구축방법 | |
CN111107139B (zh) | 信息推送方法、装置、设备和存储介质 | |
CN115268446A (zh) | 危险气体激光巡检方法、装置、机器人及介质 | |
CN115115600A (zh) | 镀膜镜片瑕疵检测方法、装置、设备及存储介质 | |
CN114491936A (zh) | 高压管汇寿命的确定方法及装置、高压管汇系统 | |
CN114140812A (zh) | 一种图元识别方法、装置、设备及介质 | |
CN111259902A (zh) | 弧形车辆识别号码检测方法、装置、计算机设备和介质 | |
CN118196086B (zh) | 分合闸不到位智能识别方法、装置、设备及存储介质 | |
CN117707053B (zh) | 基于ai视觉分析的工控视觉运动控制系统及方法 | |
RU2770940C1 (ru) | Система и способ автоматического определения положения мостового крана вдоль пути движения |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |