本發明涉及冷卻水消泡，具體為一種基于視覺識別的電廠冷卻水消泡自動控制系統。

背景技術：

1、電廠循環冷卻水經過虹吸井溢流堰自由跌落，卷吸空氣在堰后產生大量泡沫。冷卻水排海過程中卷載效應給泡沫的穩定存在創造了條件，最終形成了大范圍的泡沫污染帶。現階段，大多數電廠通過投加大量消泡劑來緩解泡沫污染問題，但添加消泡劑的成本巨大，且有可能對受納海域帶來生態環境風險。通過識別泡沫的狀態來精確控制消泡劑的投放量，對于減少濱海電廠消泡環節運行成本，降低泡沫環境污染問題具有實際意義。現代電力生產過程的精確控制對于保證產品質量和提高生產效率至關重要。傳統的測量方法依賴人工操作和接觸式測量，效率低下，且易受到人為誤差的影響。隨著計算機視覺和機器學習技術的進步，基于視覺識別技術的非傳統測量方法為生產過程控制提供了新的可能性。

2、計算機視覺技術使機器能夠“看”和理解視覺信息，包括圖像識別、圖像處理、模式識別等多個方向。近年來，深度學習技術的引入極大地推動了計算機視覺領域的發展，特別是在圖像分類與識別、物體檢測與分割、人體分析、三維視覺和視頻分析等核心研究任務上取得了顯著成果。無論是在國際還是國內市場，計算機視覺技術都已成為推動未來科技創新和產業發展的重要力量。

3、現代電氣自動化控制系統中，人工智能和機器學習的算法被廣泛集成，從海量的數據中學習并優化控制策略，系統可以準確地預測系統的未來狀態，從而在出現故障前進行預警，實現主動干預和維護。現場的各種傳感器和執行器通過互聯網相連，實現了數據的即時收集和遠程監控。因此，需要一種基于視覺識別的電廠冷卻水消泡自動控制系統。

技術實現思路

1、針對現有技術的不足，本發明提供了一種基于視覺識別的電廠冷卻水消泡自動控制系統，實現了泡沫控制的自動化，減少了人為干預的需要，提高了泡沫處理的精確度和效率。

2、為實現以上目的，本發明通過以下技術方案予以實現：

3、一種基于視覺識別的電廠冷卻水消泡自動控制系統，包括：

4、圖像采集框架，所述圖像采集框架外接有架設在排水口的高清攝像頭，以接收高清攝像頭實時拍攝采集的圖像，并將圖像進行輸出；

5、后端圖像處理框架，用于接收所述圖像采集框架所輸出的圖像數據，并進行分析，輸出圖像的分析結果，得出排水口的泡沫狀態；

6、信號傳遞輸出框架，用于輸出數據分析結果至用于投放消泡劑的plc系統和對應管理人員的移動設備app程序上。

7、優選的，所述圖像采集框架包括：

8、多方位集成拍攝模塊，用于與排水口的多個高清攝像頭進行的連接，且選擇合適的聚焦狀態下進行圖像的拍攝采集，以保證圖像的精度；

9、圖像數據回傳模塊，用于將圖像數據進行傳輸，傳輸基于電廠局域網。

10、優選的，所述后端圖像處理框架包括圖像分析模塊，以用于對輸入的圖像數據進行分析，得出排水口的泡沫狀態，并將數據結果打包輸出，所述圖像分析模塊的分析基于ai算力模型訓練模塊所訓練的ai算力模型。

11、優選的，所述ai算力訓練模型模塊包括：

12、數據收集與預處理單元，用于明確排水口泡沫的具體范圍與標記內容，并進行清洗、去噪等預處理工作，并對圖像數據建立原始圖像庫；

13、數據標注單元，用于對圖像中的特征進行識別標注，為每個標準內容分配正確的標簽與類別；

14、模型開發單元，用于訓練與構筑基礎模型，根據泡沫的性質選擇語義分割網絡作為深度學習架構，來訓練模型；

15、模型優化單元，用于對基礎模型進行性能上的優化和完善；

16、模型測試單元，用于在模型完善優化完畢后，對模型進行測試評估，以驗證其在未見過的數據上的表現。

17、優選的，所述排水口泡沫的具體范圍與標記內容包括泡沫顏色、泡沫堆積形狀等特征。

18、優選的，所述訓練模型的方法包括網絡框架、層級結構、代價函數、網絡訓練、調優方法等訓練方法。

19、優選的，所述對基礎模型進行性能上的優化和完善的方法包括調整模型架構、改進損失函數、使用正則化技術減少過擬合、調整學習率和批量大小等優化完善方法。

20、優選的，所述測試評估標準包括準確率、召回率、精確率和f1分數等常用標準測評。

21、優選的，所述信號傳遞輸出框架包括：

22、輸出判斷模塊，用于對收到的打包數據進行分析判斷，根據所得到的泡沫狀態，傳遞信號給投放消泡劑的plc系統，根據泡沫狀態自動控制消泡劑投遞量；

23、異常檢測模塊，用于對收到的打包數據提取內容報告，根據內容報告判斷是否向對應管理人員的移動設備app程序發送警告和異常報告。

24、優選的，所述泡沫狀態包括無泡沫、一般泡沫以及大量泡沫在內的三種泡沫判定狀態。

25、工作原理：由圖像采集框架接收高清攝像頭所采集的圖像數據，并將圖像數據輸入后端圖像處理框架，通過利用ai算力模型所支持的圖像分析模塊對圖像進行分析，得出排水口的泡沫狀態，將數據結果打包輸出，輸入至信號傳遞輸出框架，對收到的打包數據進行分析判斷，根據所得到的泡沫狀態，傳遞信號給投放消泡劑的plc系統，根據泡沫狀態自動控制消泡劑投遞量，并對收到的打包數據提取內容報告，根據內容報告判斷是否向對應管理人員的移動設備app程序發送警告和異常報告。其中，ai算力模型的構筑方式為：通過數據收集與預處理單元明確排水口泡沫的具體范圍與標記內容，并進行清洗、去噪等預處理工作，并對圖像數據建立原始圖像庫，隨后利用數據標注單元對圖像中的特征進行識別標注，為每個標準內容分配正確的標簽與類別，選用訓練方式，利用模型開發單元訓練與構筑基礎模型，將基礎模型導入模型優化單元，采取合適的方式，對基礎模型進行性能上的優化和完善，完成構筑，構筑完成的模型投入測試，利用模型測試單元進行包括準確率、召回率、精確率和f1分數等常用標準測評，來檢測模型是否合格。

26、本發明提供了一種基于視覺識別的電廠冷卻水消泡自動控制系統。具備以下有益效果：

27、1、本發明采用人工智能和機器學習集成算法所構筑的ai算力模型能夠輔助該系統自主且精準的分析檢測排水口的泡沫狀態，并據此自動調整消泡劑的投放量，從而實現泡沫控制的自動化，減少了人為干預的需要，提高了泡沫處理的精確度和效率。

28、2、本發明通過泡沫狀態自動檢測算法，解決了消泡過程中消泡劑投入過量的問題，通過自動化調節投放劑量，大大提高了工作效率，并節省了成本。同時，能夠及時向管理人員遠程發送警告和異常報告，增強了系統的監控能力，提高了對突發情況的響應速度和處理可靠性。

技術特征：

1.一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，包括：

2.根據權利要求1所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述圖像采集框架包括：

3.根據權利要求1所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述后端圖像處理框架包括圖像分析模塊，以用于對輸入的圖像數據進行分析，得出排水口的泡沫狀態，并將數據結果打包輸出，所述圖像分析模塊的分析基于ai算力模型訓練模塊所訓練的ai算力模型。

4.根據權利要求1所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述ai算力訓練模型模塊包括：

5.根據權利要求4所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述排水口泡沫的具體范圍與標記內容包括泡沫顏色、泡沫堆積形狀等特征。

6.根據權利要求4所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述訓練模型的方法包括網絡框架、層級結構、代價函數、網絡訓練、調優方法等訓練方法。

7.根據權利要求4所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述對基礎模型進行性能上的優化和完善的方法包括調整模型架構、改進損失函數、使用正則化技術減少過擬合、調整學習率和批量大小等優化完善方法。

8.根據權利要求4所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述測試評估標準包括準確率、召回率、精確率和f1分數等常用標準測評。

9.根據權利要求1所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述信號傳遞輸出框架包括：

10.根據權利要求2所述的一種基于視覺識別的電廠冷卻水消泡自動控制系統，其特征在于，所述泡沫狀態包括無泡沫、一般泡沫以及大量泡沫在內的三種泡沫判定狀態。

技術總結
本發明涉及冷卻水消泡技術領域，提供一種基于視覺識別的電廠冷卻水消泡自動控制系統，包括：圖像采集框架，所述圖像采集框架外接有架設在排水口的高清攝像頭，以接收高清攝像頭實時拍攝采集的圖像，并將圖像進行輸出；后端圖像處理框架，用于接收所述圖像采集框架所輸出的圖像數據，并進行分析，輸出圖像的分析結果，得出排水口的泡沫狀態。采用人工智能和機器學習集成算法所構筑的AI算力模型能夠輔助該系統自主且精準的分析檢測排水口的泡沫狀態，并據此自動調整消泡劑的投放量，從而實現泡沫控制的自動化，減少了人為干預的需要，提高了泡沫處理的精確度和效率。

技術研發人員：唐曉寒,程朝龍,周易,胡斌
受保護的技術使用者：深能源（深圳）創新技術有限公司
技術研發日：
技術公布日：2025/4/28