烟气脱硝CAM智能控制系统的研发与应用

<正>0引言烟气脱硝是水泥生产中重要的环保措施,根据GB 4915—2013《水泥工业大气污染物排放标准》规定[1],自2015年7月1日起所有水泥企业氮氧化物排放限值为400mg/m3(标态,下同)、氨排放限值为10mg/m3。目前主流脱硝技术为选择性非催化还原工艺(SNCR),还原剂为氨水。脱硝装置一般都实现了DCS控制,但PID自动控制效果较差,导致大多数企     

生料稳料CAM智能控制系统的研发与应用

对于入窑生料的控制，“稳料仓+生料下料阀+冲板式流量计”相结合的方案是目前水泥厂的主流配置，稳料仓和喂料量都采用PID进行调节，但这种配置方案，入窑生料喂料量不稳定的情况比较突出。本文以神经网络模型为基础，通过CAM（Cement's Automation and Management System，即水泥自动化与管理）智能控制系统平台，开发出生料稳料控制模块，并实际应用在水泥企业中，实时控制生料喂料量。经过长期现场实践，生料稳料控制器控制效果良好，能够有效地稳定生料喂料量，对回转窑生产有重要的推广意义。     

结合纹理分析和SVM的苹果梗蒂和缺陷识别方法

苹果梗蒂和缺陷的识别是苹果检测中的难点,两者的误分类会造成苹果等级的误判。提出了一种基于SVM的苹果梗蒂和缺陷识别方法,用Ostu算法进行区域分割,实现初始目标分割,再把目标区域的纹理特征作为支持向量机的输入向量,对其进行训练识别。用富士苹果进行实验,得到的平均识别正确率为90.7%。     

基于分类器的苹果梗蒂识别技术比较研究

机器视觉在苹果质量自动检测中应用,由于苹果梗蒂和缺陷在颜色和形状上相似,容易混淆.梗蒂的识别是检测中的难点,极大的影响苹果质量等级识别中的识别效率.提出了一种基于纹理分析的多种分类器识别比较的方法,采用经典的阈值分割算法实现类似梗蒂的目标区域分割,提取纹理、统计特征,通过SFFS特征选择,然后采用多种类型的分类器进行梗蒂识别.经过多种分类器实验结果比较,发现支撑向量具有比较好的识别效果,梗和蒂的识别率达到了95%和96%,只有13%的缺陷被误分为梗蒂.     

基于机器视觉的苹果质量等级识别方法的研究

苹果梗蒂和缺陷的识别是苹果自动检测中的难点,两者的误分类会造成苹果质量等级的误判.介绍了一个基于机器视觉的苹果质量自动评价系统.通过梗蒂识别、缺陷分割,确定缺陷区域并移除梗蒂区域,形成新的兴趣区域;提取统计、纹理和几何特征,采用Pearson特征相关性分析和SFFS特征选择,删除冗余特征;采用模糊KNN分类器在富士苹果进行试验,得到的平均识别正确率为83%.这项技术可以用于苹果包装流水线作业,也可用于类似的农产品外观质量检测.