工业燃烧器火焰分割：从传统图像处理到机器与深度学习的比较研究

在发电、化工生产和废物管理等许多工业过程中，准确监测工业燃烧器火焰特性对于安全高效运行至关重要。关键步骤之一是通过二值分割将火焰从背景中分离。数十年的机器视觉研究产生了从传统图像处理到传统机器学习和现代深度学习的广泛可能方案。在本文中，我们对多种分割方法进行了比较研究，即全局阈值法、区域生长法、支持向量机、随机森林、多层感知机、U-Net和DeepLabV3+，并在工业燃烧器火焰的公开基准数据集上进行了评估。我们为旨在选择适当方法用于工业燃烧器火焰及更广泛二值分割的研究人员和从业者提供了有益的见解与指导。就最高精度而言，深度学习是领先方法；而对于快速简单的解决方案，传统图像处理技术仍是可行选择。