本申请涉及煤炭产品预测领域,具体而言,涉及一种基于智能干选机的煤产品预测方法、装置及电子设备。
背景技术:
1、现有煤产品的煤质预测方法是将煤样送往实验室进行化学分析,得到煤样的煤质,此方法需要较长的时间和费用。针对大量的煤产品,使用此方法无法快速的得到煤质的预测结果。
技术实现思路
1、本申请实施例的目的在于提供一种基于智能干选机的煤产品预测方法、装置及电子设备,用以解决了现有技术存在的上述问题,可提高煤产品的预测效率。
2、第一方面,提供了一种基于智能干选机的煤产品预测方法,该方法可以包括:
3、获取智能干选机检测目标物块的识别数据,所述识别数据包括射线强度值、体积值和红外图像数据;
4、采用训练好的密度预测模型,对所述射线强度值进行处理,得到密度值;
5、对所述体积值和所述密度值进行计算,得到所述目标物块的质量值;
6、采用预设灰分算法,对所述射线强度值进行计算,得到所述目标物块的灰分值;
7、采用训练好的含水量预测模型,对所述红外图像进行处理,得到所述目标物块的含水量;
8、基于预设发热量算法,对所述含水量和所述灰分值进行计算,得到所述目标物块的预测发热量。
9、在一种可能的实现中,所述识别数据还包括轮廓数据;
10、采用煤矸识别模型,对所述轮廓数据进行处理,确定所述目标物块的目标类别;其中,所述目标类别为矸石类或精煤类。
11、在一种可能的实现中,对相同类别中的各目标物块的质量值和预测发热量进行计算,得到相应类别的类别总发热量。
12、在一种可能的实现中,得到所述目标物块的预测发热量之后,所述方法还包括:
13、对各目标物块的质量值和预测发热量进行计算,得到原煤发热量。
14、在一种可能的实现中,所述含水量预测模型包括矸石含水量预测模型和精煤含水量预测模型。
15、在一种可能的实现中,采用训练好的含水量预测模型对所述红外图像进行处理,得到所述目标物块的含水量,包括:
16、采用所述矸石含水量预测模型对所述矸石类的目标物块进行处理,得到所述矸石类的目标物块的含水量;
17、采用所述精煤含水量预测模型对所述精煤类的目标物块进行处理,得到所述精煤类的目标物块的含水量。
18、在一种可能的实现中,所述预设灰分算法为:
19、an=δen+a
20、其中,an为所述目标物块的灰分值、δ为射线强度的系数、en为所述目标物块的射线强度值、a为常数。
21、在一种可能的实现中,所述预设发热量算法为:
22、qn=a·an+b·en+b
23、其中,qn为所述目标物块的预测发热量、a为灰分值的系数、an为所述目标物块的灰分值、b为射线强度值的系数、en为所述目标物块的射线强度值、b为常数。
24、第二方面,提供了一种基于智能干选机的煤产品预测装置,该装置可以包括:
25、获取单元,用于获取智能干选机检测目标物块的识别数据,所述识别数据包括射线强度值、体积值和红外图像数据;
26、处理单元,用于采用训练好的密度预测模型,对所述射线强度值进行处理,得到密度值;
27、以及,对所述体积值和所述密度值进行计算,得到所述目标物块的质量值;
28、以及,采用预设灰分算法,对所述射线强度值进行计算,得到所述目标物块的灰分值;
29、以及,采用训练好的含水量预测模型,对所述红外图像进行处理,得到所述目标物块的含水量;
30、以及,基于预设发热量算法,对所述含水量和所述灰分值进行计算,得到所述目标物块的预测发热量。
31、第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
32、存储器,用于存放计算机程序;
33、处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。
34、第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
35、本申请提供一种基于智能干选机的煤产品预测方法,该方法包括获取智能干选机检测目标物块的识别数据;采用训练好的密度预测模型,对射线强度值进行处理,得到密度值;对体积值和密度值进行计算,得到目标物块的质量值;采用预设灰分算法,对射线强度值进行计算,得到目标物块的灰分值;采用训练好的含水量预测模型,对红外图像进行处理,得到目标物块的含水量;基于预设发热量算法,对含水量和灰分值进行计算,得到目标物块的预测发热量。该方法中,能够通过智能干选机快速检测出筛选出的各物块的识别数据,根据识别数据预测精煤类/矸石类物块的灰分,从而预测相应物块的发热量。
1.一种基于智能干选机的煤产品预测方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述识别数据还包括轮廓数据;
3.如权利要求2所述的方法,其特征在于,得到所述目标物块的预测发热量之后,所述方法还包括:
4.如权利要求1所述的方法,其特征在于,得到所述目标物块的预测发热量之后,所述方法还包括:
5.如权利要求2所述的方法,其特征在于,所述含水量预测模型包括矸石含水量预测模型和精煤含水量预测模型。
6.如权利要求5所述的方法,其特征在于,采用训练好的含水量预测模型对所述红外图像进行处理,得到所述目标物块的含水量,包括:
7.如权利要求1所述的方法,其特征在于,所述预设灰分算法为:
8.如权利要求1所述的方法,其特征在于,所述预设发热量算法为:
9.一种基于智能干选机的煤产品预测装置,其特征在于,所述装置包括:
10.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;