煤炭是火力发电厂的主要燃料,其的质量关乎发电效率。作为电厂燃料管理关键环节的煤炭质量验收,主要包含采样、制样、化验三个部分。考量验收效果的一个关键指标就是样品代表性,即样本的观测结果与取样对象或取样总体的实际情况的符合程度,差异越小,越能正确反映取样对象的实际特点,则样品的代表性越大。
根据相关实践统计,若整个煤炭检测过程用方差来表示的话,80%的误差来自于采样环节,其影响占总影响的80%左右,即标准作业模式下,已采煤样对于整体批次煤质量代表性的高低,80%取决于采样环节,只有20%取决于制样、化验环节,可见采样环节的重要性。
过去,电厂燃料实际采样点的数据一般来源于采样机反馈的结果或者现场拍照手动统计的方式,无法准确地反映真实的采样点,效率低并且不利于及时发现问题。
因而采样过程是否全程可监控,采样机是否按预设的采样方案严格执行,现有采样方案或算法是否科学合理,采样方案是否可持续优化,是火电厂在采样环节重点关注的问题。
扎根行业三十余年,深谙电力企业管理需求的远光软件运用计算机视觉及深度学习技术,结合高清摄像头等设备,研发推出智能采样监督系统,从环境监控、定位采样及结果分析三个方面出发对采样全过程实施有效管控,帮助火电企业破解煤炭质量验收难题。
实时显示采样区域,保证客观真实
通过摄像头的实时画面,基于深度学习物体检测车辆,捕捉货车车厢上顶盖平面,用线条等分,绘制18个子采样区域,并对子区域进行编号,直观展示采样分布。