基于深度视觉特征的火炬塔火焰质量监测
计算机视觉与模式识别
2024-10-29 v1
摘要
火炬塔在石油化石能源工厂的废气和废料处理中扮演着重要角色。监测火焰燃烧效率对环境保护具有重要意义。传统的传感器监测方法不仅成本高昂,而且在恶劣的燃烧环境中容易损坏。本文提出仅使用视觉特征来监测火焰质量,包括火焰与烟雾的面积比、火焰的RGB信息、火焰角度等特征。综合运用图像分割、目标检测、目标跟踪、主成分分析、GPT-4等方法或工具来完成此任务。最终,可以实现对画面的实时监测,并在燃烧效率低下时,及时采取调整空气与废气比例等措施。据我们所知,本文的方法相对新颖,具有工业生产价值。
引用
@article{arxiv.2410.19823,
title = {Flame quality monitoring of flare stack based on deep visual features},
author = {Xing Mu},
journal= {arXiv preprint arXiv:2410.19823},
year = {2024}
}
备注
7 pages, 9 figures, 2 tables, International Conference on Computer Information Science and Artificial Intelligence(accepted)