谢昊源，黄群星，林晓青，李晓东，严建华

（浙江大学工程师学院，浙江大学热能工程研究所，浙江杭州310027）

引 言

垃圾处理已然成为国家环境保护、经济发展的重点问题。垃圾热值检测是垃圾处理中的重要环节，这是因为垃圾热值的波动性会对炉内垃圾的稳定燃烧造成影响，燃烧状态关系着炉内压力、温度、氧量和风机风压等多项参数[1]。当炉内出现不充分燃烧时，不仅会对运行效率和机组寿命产生影响，还会产生更多有害气体污染环境。对垃圾热值进行预测能够使操作人员提前掌握热值的波动范围和时间，能使他们及时调整辅助用料量、一次风量和二次风量等参数来维持炉内垃圾的稳定燃烧，减小垃圾热值波动对运行效率与机组寿命的影响。

由于垃圾形态各异且所处背景干扰信息较多，图像中的垃圾特征较难被提取并识别，但利用卷积神经网络中的Canny算子能够有效将垃圾从复杂背景中分离并识别[2]。另外，现有研究在垃圾图像识别中加入了多目标姿势评估框架MOPED，加强了对同种垃圾不同形态的识别，并利用Mean-shift目标跟踪模型加强对垃圾的特征点跟踪并提取出垃圾的完整轮廓，从而增加识别准确率[3]。因此，对于利用垃圾图像进行垃圾热值预测研究来说，减少垃圾图像中的干扰信息并提取出垃圾有效特征能够提升垃圾识别时的准确性和可靠性。

我国针对垃圾的热值检测主要采用仪器检测方法，该类方法存在一定滞后性和随机性。……