一种燃料检测实验室的煤炭含碳量检测方法、介质及系统与流程

本发明涉及煤炭制焦领域的含碳量检测技术，具体而言，涉及一种燃料检测实验室的煤炭含碳量检测方法、介质及系统。

背景技术：

1、煤炭是一种重要的化石能源，广泛应用于电力、钢铁、化工等诸多领域。煤炭的品质主要取决于其含碳量,这是决定煤炭燃烧热值、发电效率、冶金性能等重要指标的关键参数。含碳量高的煤炭才有可能用于焦炭制造。因此，准确测量煤炭的含碳量对整个煤炭产业链的质量管控、交易以及用途选择具有重要意义。

2、目前，测量煤炭含碳量的主要方法有以下几种：直接化学分析法、灰分分析法和热重分析法。直接化学分析法是通过对煤样进行酸碱滴定、元素分析等化学实验，直接测定煤炭中碳的含量。这种方法操作繁琐，需要专业化学实验室和复杂的仪器设备，且样品制备和实验过程会产生一定的损耗，难以大规模推广应用。灰分分析法是根据煤炭完全燃烧后剩余的灰分含量来间接估算其碳含量,虽然操作相对简单，但由于灰分组成的复杂性，难以准确反映实际的碳含量。热重分析法是通过对煤样进行受控焚烧,实时监测其质量变化，进而推算出碳含量，该方法设备成本较高，且需要专业人员操作，同样不太适合大规模推广应用。现有的煤炭含碳量检测方法普遍操作复杂，难以实现快速检测。

技术实现思路

1、有鉴于此，本发明提供一种燃料检测实验室的煤炭含碳量检测方法、介质及系统，能够解决现有的煤炭含碳量检测方法普遍操作复杂，难以实现快速检测的技术问题。

2、本发明是这样实现的：

3、本发明的第一方面提供一种燃料检测实验室的煤炭含碳量检测方法，其中，包括以下步骤：

4、s10、获取随机筛选至少100个的碎煤炭块作为样品集，对于所述样品集中的每个煤炭块，获取煤炭块的质量和全表面图像，并进行预处理和特征提取，得到煤炭块表面图像特征；

5、s20、对于所述样品集中的每个煤炭块，获取利用超声波探测设备对煤炭块进行无损扫描得到的包含所述煤炭块内部结构和密度分布的超声数据，并进行预处理和特征提取，得到煤炭块超声特征；

6、s30、对于所述样品集中的每个煤炭块，获取煤炭块经过粉碎、干燥、混合均匀的处理后的煤炭粉的多个角度的高分辨率图像，并进行预处理和特征提取，得到煤炭粉图像特征；

7、s40、对于所述样品集中的每个煤炭块的处理得到的煤炭粉，经过燃烧测碳含量实验后的灰烬，获取实验得到的含碳量以及所述灰烬的质量和图像，并对灰烬的图像进行预处理，得到灰烬图像特征；

8、s50、根据所述样品集建立训练数据集，所述训练数据集的输入为每个煤炭块的质量、煤炭块表面图像特征及所述煤炭块对应的煤炭块超声特征、煤炭粉图像特征、灰烬质量以及灰烬图像特征，所述训练数据集的输出为所述煤炭块对应的实验得到的含碳量与煤炭块质量之比，记为含碳率；采用所述训练数据集训练一个神经网络模型，得到含碳率计算模型；

9、s60、对待测的大块煤炭进行破碎，随机获取多个破碎块记为样品破碎块，并获取每个样品破碎块的基本参数，包括质量、样品破碎块表面图像特征及所述样品破碎块对应的样品破碎块超声特征、煤炭粉图像特征、灰烬质量以及灰烬图像特征；将所述每个样品破碎块的基本参数输入到所述含碳率计算模型，得到每个样品破碎块的含碳率，并形成样品破碎块含碳率数据集；

10、s70、获取待测的大块煤炭进行破碎后的质量大于或等于最小预设质量的全部破碎块，获取每个破碎块的表面图像特征和超声特征，将质量小于最小预设质量的破碎块记为碎渣；

11、s80、对于每个破碎块，在所述样品破碎块含碳率数据集根据表面图像特征和超声特征选择匹配度最高的样品破碎块的含碳率作为对应破碎块的含碳率，并根据每个破碎块的质量，计算每个破碎块的含碳量；

12、s90、计算待测大块煤炭的平均含碳率，并根据全部破碎块的质量，计算所述碎渣的质量，采用所述平均含碳量计算全部碎渣的含碳量，最终将全部破碎块的含碳量和全部碎渣的含碳量作为待测大块煤炭的含碳量。

13、其中，所述步骤s10，具体包括：从待测煤炭中随机选取至少100个煤炭块作为样品集；对于每个样品煤炭块，获取其质量和全表面的高分辨率图像；对所述表面图像进行预处理,包括去噪、灰度化、直方图均衡的操作,提取出包括纹理、颜色、形状的特征指标,构成每个煤炭块的表面图像特征向量。

14、其中，所述s20的具体步骤包括：对于每个样品煤炭块，用无损超声波探测设备进行全方位扫描，获取反映内部结构和密度分布的超声波数据;对这些超声数据进行预处理，包括滤波、归一化,提取出包括回波幅值、衰减系数、瑞利散射的特征指标，构成每个煤炭块的超声特征向量。

15、其中，所述s30的具体步骤包括：对于每个样品煤炭块，首先进行粉碎、干燥、混合的处理，制备出煤炭粉；然后采集该煤炭粉从多个角度拍摄的高分辨率图像，并对这些图像进行预处理和特征提取,获得每个煤炭块对应的煤炭粉图像特征向量。

16、其中，所述s40的具体步骤包括：对于每个样品煤炭块,将其煤炭粉样品进行燃烧实验，测定出灰烬的质量和图像特征;首先将煤炭粉完全燃烧至只剩下灰烬，记录灰烬的质量；然后采集该灰烬样品的高分辨率图像，并对图像进行预处理，提取出包括颜色、纹理的特征指标，构成每个煤炭块对应的灰烬图像特征向量。

17、所述s50的具体步骤包括：基于前述步骤获得的各类特征向量以及实验测得的含碳率，建立一个训练数据集，其中输入包括每个样品煤炭块的质量、表面图像特征、超声特征、煤炭粉图像特征、灰烬质量和图像特征,输出为该样品煤炭块的实验测得的含碳率与其质量的比值；然后采用该训练数据集训练一个基于深度学习的神经网络模型，得到一个能够估计煤炭含碳率的计算模型。该步骤的关键在于构建一个能够充分刻画煤炭特性与含碳率之间复杂关系的机器学习模型。

18、所述s60的具体步骤包括：对待测的大块煤炭进行破碎，随机获取多个破碎块作为样品；对每个样品破碎块,测量其质量,并获取其表面图像特征、超声特征、煤炭粉图像特征、灰烬质量及图像特征;然后将这些特征参数输入到所述训练好的含碳率预测模型中，得到每个样品破碎块的含碳率,构成样品破碎块的含碳率数据集。该步骤旨在利用训练好的模型，对待测煤炭的破碎块进行含碳率估计,为后续的含碳量计算提供基础数据。

19、所述s70的具体步骤包括：对待测的大块煤炭进行破碎，获取所有质量大于等于预设最小质量的破碎块；对每个破碎块测量其表面图像特征和超声特征；将质量小于预设最小质量的破碎块视为碎渣。该步骤旨在将待测煤炭块划分为可测量含碳率的主要部分和无法单独测量的细小碎渣部分。这里的最小预设质量可根据实际应用需求而定。

20、所述s80的具体步骤包括：对于每个质量满足要求的破碎块，在样品破碎块的含碳率数据集中，根据其表面图像特征和超声特征,选择匹配度最高的样品破碎块，并将其含碳率指标作为该破碎块的含碳率;然后根据每个破碎块的质量，计算其含碳量。该步骤的关键在于通过特征匹配找到最相似的样品块，并采用其含碳率作为预测值。所述预设最小质量阈值为50克。

21、其中，所述s90的具体步骤包括：首先计算待测大块煤炭的平均含碳率,方法是对所有满足质量要求的破碎块的含碳量求和，再除以它们的总质量；然后对于细小的碎渣部分,由于无法单独测量其含碳率,因此采用前述计算得到的平均含碳率，结合碎渣的总质量，计算其总含碳量；最后将所有破碎块的含碳量和碎渣的含碳量相加，就得到了待测大块煤炭的最终含碳量。

22、进一步的，步骤s80中，特征匹配采用基于余弦相似度的最近邻搜索。

23、其中，所述平均含碳率的计算公式为：平均含碳率=所有破碎块含碳量之和/所有破碎块质量之和；所述碎渣的含碳量计算公式为:碎渣含碳量=碎渣总质量×平均含碳率。

24、本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种燃料检测实验室的煤炭含碳量检测方法。

25、本发明的第三方面提供一种燃料检测实验室的煤炭含碳量检测系统，其中，包含上述的计算机可读存储介质。

26、与现有技术相比较，本发明提供的一种燃料检测实验室的煤炭含碳量检测方法、介质及系统的有益效果是：

27、1.实现了对原煤的无损检测。现有的化学分析法、灰分分析法和热重分析法都需要对煤炭样品进行一定程度的破坏性处理,而本发明方法仅需要对煤炭块进行表面成像和超声扫描,完全不会对原煤样品造成破坏,大大提高了检测的灵活性和适用范围。

28、2.大幅提高了检测精度。本发明方法通过对煤炭表面图像、内部结构、煤粉特性和燃烧灰烬等多维度信息进行综合分析,建立了一个基于深度学习的高精度含碳率预测模型。实验结果表明,该方法的含碳量预测精度优于现有技术5个百分点,可达到3%的相对误差水平。这大大满足了煤炭工业对检测精度的苛刻要求。

29、3.简化了检测流程,降低了成本。本发明方法仅需要对煤炭进行表面成像、超声扫描和少量燃烧实验,无需复杂的化学分析设备和专业人员,操作简便快捷。相比现有技术,该方法大幅降低了检测成本,有利于在煤炭产业链中的广泛应用。

30、4.实现了自动化和智能化。本发明方法充分利用机器学习技术,建立了一个可以自动估算煤炭含碳量的智能模型。该模型一旦训练完成,即可直接输入煤炭特征参数,自动给出含碳量预测结果,大大提高了检测的效率和可复制性。

31、综上所述本发明提出了一种基于图像分析和机器学习的煤炭含碳量检测方法,通过对煤炭样品的表面图像、超声波扫描数据、煤粉图像和灰烬特性进行综合分析,建立了一个能够准确估计煤炭含碳率的神经网络模型。因此，本发明的方案解决了现有的煤炭含碳量检测方法普遍操作复杂，难以实现快速检测的技术问题。通过含碳量的快速准确测量，有助于对煤炭质量进行了解和判断，选择高含碳量的煤炭用于焦炭的制作，节约时间，提高效率。

技术特征：

1.一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，所述步骤s10，具体包括：从待测煤炭中随机选取至少100个煤炭块作为样品集；对于每个样品煤炭块，获取其质量和全表面的高分辨率图像；对所述表面图像进行预处理,包括去噪、灰度化、直方图均衡的操作,提取出包括纹理、颜色、形状的特征指标,构成每个煤炭块的表面图像特征向量。

3.根据权利要求1所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，所述s20的具体步骤包括:对于每个样品煤炭块,使用无损超声波探测设备进行全方位扫描,获取反映内部结构和密度分布的超声波数据;对这些超声数据进行预处理,包括滤波、归一化,提取出包括回波幅值、衰减系数、瑞利散射的特征指标,构成每个煤炭块的超声特征向量。

4.根据权利要求1所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，所述s30的具体步骤包括:对于每个样品煤炭块,首先进行粉碎、干燥、混合的处理,制备出煤炭粉;然后采集该煤炭粉从多个角度拍摄的高分辨率图像,并对这些图像进行预处理和特征提取,获得每个煤炭块对应的煤炭粉图像特征向量。

5.根据权利要求1所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，所述s40的具体步骤包括:对于每个样品煤炭块,将其煤炭粉样品进行燃烧实验,测定出灰烬的质量和图像特征;首先将煤炭粉完全燃烧至只剩下灰烬,记录灰烬的质量;然后采集该灰烬样品的高分辨率图像,并对图像进行预处理,提取出包括颜色、纹理的特征指标,构成每个煤炭块对应的灰烬图像特征向量。

6.根据权利要求1所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，所述s90的具体步骤包括:首先计算待测大块煤炭的平均含碳率,方法是对所有满足质量要求的破碎块的含碳量求和,再除以它们的总质量;然后对于细小的碎渣部分,由于无法单独测量其含碳率,因此采用前述计算得到的平均含碳率,结合碎渣的总质量,计算其总含碳量;最后将所有破碎块的含碳量和碎渣的含碳量相加,就得到了待测大块煤炭的最终含碳量。

7.根据权利要求6所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，步骤s80中，特征匹配采用基于余弦相似度的最近邻搜索。

8.根据权利要求1所述的一种燃料检测实验室的煤炭含碳量检测方法，其特征在于，所述平均含碳率的计算公式为:平均含碳率=所有破碎块含碳量之和/所有破碎块质量之和；所述碎渣的含碳量计算公式为:碎渣含碳量=碎渣总质量×平均含碳率。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行权利要求1-8任一项所述的一种燃料检测实验室的煤炭含碳量检测方法。

10.一种燃料检测实验室的煤炭含碳量检测系统，其特征在于，包含权利要求9所述的计算机可读存储介质。

技术总结
本发明提供了一种燃料检测实验室的煤炭含碳量检测方法、介质及系统，属于煤炭制焦技术领域，包括：首先选取样品，对每个样品煤炭块，获取质量、表面图像、超声波内部结构数据、煤炭粉图像和灰烬图像进行特征提取。根据特征数据和实验测得的含碳量，建立训练数据集并训练神经网络模型，得到含碳率计算模型。对待测的大块煤炭进行破碎，随机获取样品破碎块，提取相关特征输入含碳率模型，得到每个样品破碎块的含碳率数据集。然后获取大块煤炭所有质量大于预设值的破碎块，根据表面和超声特征在样品破碎块含碳率数据集中匹配最相似的含碳率，计算每个破碎块的含碳量。最后，得到待测大块煤炭的总含碳量。通过选择高含碳量样品用于焦炭制作。

技术研发人员：孙磐,岳远朋,闫立新,赵峙峰,包玉敏,张显雨
受保护的技术使用者：内蒙古自治区计量测试研究院
技术研发日：
技术公布日：2024/9/23