基于深度学习的动态絮体综合评价体系研究

煤炭废水处理对煤炭行业生态环保和国家“双碳目标”具有重要意义，针对煤炭废水处理过程中絮体识别评价困难导致的固液分离效果差、药耗高、调控滞后的问题，提出了基于深度学习的动态絮体综合评价体系，首先，获取大量不同类别的动态絮体样本图像，对絮体图像进行预处理，以絮体纹理参数为依据，提取有效絮体的视觉特征。然后，采用主成分分析法获取综合评价指标，构建基于机器视觉的絮体特性综合评价体系。最后，对核密度分析法拟合的絮体综合特征概率分布曲线进行动态聚类，以其获取的特征点作为分类器的输入，构建分类器模型，以此评价煤炭废水沉降效果。结果表明，所提出的方法能够获取动态絮体图像特征以实现煤炭废水沉降效果的自动识别与评价，最终不同状态下煤炭废水沉降效果检测的准确度均在90%以上，为智能化选煤厂的建设提供了一种新方法、新思路。