循环流化床(CFB)锅炉对入炉燃料管控严格,尤其是燃料的粒度,直接关系着锅炉的经济安全运行。传统的燃料粒度检测采用人工筛分法,耗时长且工序繁琐,难以及时指导工业电力生产。基于图像处理的机器视觉具有测量速度快、成本低、实时在线的优势,是进行燃料粒度分布在线检测的最佳技术选择,但目前商业化的产品主要依赖于从美国、芬兰等进口,售价昂贵且维护不及时,难以在我国电厂大面积推广。为此,本课题在国家自然科学基金、山西省科技重大专项等项目支持下,立足于开发低成本的、具有自主知识产权的、国产化的、基于机器视觉的燃料粒度在线检测技术及系统,以更好地服务于我国电力行业。本文围绕CFB锅炉对燃料粒度控制的重大需求,在机组配煤掺烧环节中的燃料粒度在线检测关键技术上取得了以下研究成果和技术突破:1、提出了凸包分析的颗粒多级分割图像处理方法。针对传统分水岭分割下仍存在少量欠分割颗粒的问题,开发了基于凸包分析的图像二次分割算法,即通过颗粒凸度率与阈值对比识别未被分割的粘连颗粒,并完成对颗粒图像中粘连颗粒的二次分割。与传统的图像一次分割法相比,该算法将粒度分布的平均测量误差和平均不确定度分别由3.78%和2.27%降至了2.23%和1.91%。2、开发了系统自调整校准技术。利用超声波测距动态调整像素的标定系数,实时校准皮带上燃料厚度波动给粒度测量带来的干扰;开发了时序设计定期除尘模块,定期喷水和刮除视觉窗口粉尘,解决了工业恶劣环境下设备的长期稳定运行难题。3、光机电一体化集成了基于机器视觉的入炉燃料粒度在线检测成套系统,包括燃料粒度在线检测设备以及系统控制和数据分析软件,并实现了工业应用。系统单次检测时长1分钟,提供燃料粒度分布、给煤量、平均粒径、各粒级质量占比等的实时和历史数据,重复性优于5.33%,测量误差低于7.61%,具有像素自校准、自清洁除尘、云传输、多用户端显示、历史查询、声光报警等功能。