摘要
本申请涉及一种干渣机落渣量实时监测方法及系统。所述方法包括:获取干渣机落渣口处的下落灰渣的多模态数据;对多模态数据进行预处理,得到预处理多模态数据;将预处理多模态数据进行融合,得到融合数据;利用训练好的深度学习模型对融合数据进行灰渣纹理特征提取,得到灰渣纹理特征向量;根据灰渣纹理特征向量,对融合数据中每个点进行灰渣分类,得到融合数据中每个点的灰渣分类结果;根据预处理多模态数据和灰渣分类结果,计算下落灰渣中灰粒的体积总量和渣块的体积总量。该方法能够对灰和渣具体含量的精确测量,从而使电厂在后续处理环节能够根据灰渣中灰和渣的具体含量来合理规划流程,有效避免资源浪费,降低处理成本,提升生产精细化水平。
技术关键词
纹理特征提取
多模态
激光点云数据
深度学习模型
实时监测方法
预处理图像数据
三维点云数据
多角度
Retinex理论
图像采集设备
总量
光学畸变校正
多普勒效应原理
纹理结构
速度
双边滤波算法
激光扫描设备
系统为您推荐了相关专利信息
磁共振波谱成像
扫描定位方法
定位网格
感兴趣
高分辨率结构
性能检测系统
深度学习模型
样品容器
模型训练模块
精度校准
音乐播放界面
情绪特征
音频特征
节奏特征
运动特征